常见问题总结[1]

目录

模型评估方法

Accuracy作为指标有哪些局限性？

ROC曲线是什么？

PR曲线是什么？

AUC指标有什么特点？放缩结果对AUC是否有影响（无）？ 

编程实现AUC的计算，并指出复杂度？

余弦距离与欧式距离有什么特点？

基本方法

如何划分训练集？如何选取验证集？

什么是偏差和方差？

什么是过拟合？

深度学习解决过拟合的方法有哪些？解决过拟合问题？

解决欠拟合的方法有哪些？https://zhuanlan.zhihu.com/p/97326991

深度模型参数调整的一般方法论？

优化方法

简述了解的优化器，发展综述？

常用的损失函数有哪些？分别适用于什么场景？

梯度下降与拟牛顿法的异同？

L1和L2正则分别有什么特点？为何L1稀疏？

https://www.zhihu.com/question/26485586

---

模型评估方法

Accuracy作为指标有哪些局限性？

• 分类准确率是指分类正确的样本占总样本个数的比例，即，意义为：被正确分类的样本个数占总体样本个数的比率。

• 准确率是分类问题中最简单最直观的评价指标，但存在明显的缺陷。比如负样本占99%时，分类器把所以样本都预测为负样本也可以获得99%的准确率。所以，当不同类别的样本比例非常不均衡时，占比大的类别往往成为影响准确率的最主要因素，此时准确率指标并不足以说明分类器的好坏。

• 对于此种问题，可以使用更为有效的平均准确率（每个类别下的样本准确率的算术平均）作为模型评估的指标。