![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
面试
文章平均质量分 91
面试所需知识点
勤能补拙のtsai
这个作者很懒,什么都没留下…
展开
-
机器学习面试 之 LR与SVM
面试系列 之 机器学习(1) 第一部分:LR 与 SVM LR LR的损失函数的公式和函数 LR的推导过程 LR如何解决共线性,为什么深度学习不强调 LR如何防止过拟合 LR分布式训练怎么做 LR为什么使用Sigmoid SVM SVM的损失函数 SVM的推导过程 SVM怎么扩展到多分类问题 SVM需要解决的重要数学问题是什么 LR和SVM的区别 LR 1. LR的损失函数的公式和...原创 2020-02-22 21:05:09 · 278 阅读 · 0 评论 -
机器学习面试 之 机器学习基础
第二部分:机器学习基础 目录 过拟合 什么是过拟合? 各个模型如何防止过拟合? 正则化 什么是正则化? 什么是L1正则化、L2正则化 L1与L2的区别与应用场景 为什么L1正则化相较于L2正则化会产生更加稀疏的矩阵? 为什么正则化能防止过拟合? 优化算法 优化算法有哪些? 简述一下梯度下降法 牛顿法的原理及求解 SGD、Momentum和Adam的区别和联系 GD和SGD等的区别 ...原创 2020-02-22 21:05:54 · 216 阅读 · 0 评论