机器学习岗面经（总）！

一、数学基础：

1、微积分

1、SGD,Momentum,Adagard,Adam原理

2、L1不可导的时候该怎么办

3、sigmoid函数特性

2、统计学，概率论

1、a,b~U[0,1]，互相独立,求Max(a,b)期望

2、一个活动,n个女生手里拿着长短不一的玫瑰花,无序的排成一排,一个男生从头走到尾,试图拿更长的玫瑰花,一旦拿了一朵就不能再拿其他的,错过了就不能回头,问最好的策略?

3、问题：某大公司有这么一个规定：只要有一个员工过生日，当天所有员工全部放假一天。但在其余时候，所有员工都没有假期，必须正常上班。这个公司需要雇用多少员工，才能让公司一年内所有员工的总工作时间期望值最大？

4、切比雪夫不等式

5、一根绳子,随机截成3段,可以组成一个三角形的概率有多大

6、最大似然估计和最大后验概率的区别?

7、什么是共轭先验分布

8、概率和似然的区别

9、频率学派和贝叶斯学派的区别

10、0~1均匀分布的随机器如何变化成均值为0，方差为1的随机器

11、Lasso的损失函数

12、Sfit特征提取和匹配的具体步骤

3、线性代数

1、求mk矩阵A和nk矩阵的欧几里得距离?

2、PCA中第一主成分是第一的原因?

3、欧拉公式

4、矩阵正定性的判断,Hessian矩阵正定性在梯度下降中的应用

5、概率题：抽蓝球红球，蓝结束红放回继续，平均结束游戏抽取次数

6、讲一下PCA

7、拟牛顿法的原理

8、编辑距离

二、机器学习算法

1、处理分类问题常用算法

1、交叉熵公式

2、LR公式

3 LR的推导，损失函数

4、逻辑回归怎么实现多分类

5 、SVM中什么时候用线性核什么时候用高斯核?

6、什么是支持向量机,SVM与LR的区别?

7.监督学习和无监督学习的区别

8.机器学习中的距离计算方法?

9、问题：朴素贝叶斯（naive Bayes）法的要求是？

10、问题：训练集中类别不均衡，哪个参数最不准确？

11、问题：你用的模型，最有挑战性的项目

12、问题：SVM的作用，基本实现原理；

13、问题：SVM的硬间隔，软间隔表达式；

14、问题：SVM使用对偶计算的目的是什么，如何推出来的，手写推导；

15、问题：SVM的物理意义是什么；

16、问题：如果给你一些数据集，你会如何分类（我是分情况答的，从数据的大小，特征，是否有缺失，分情况分别答的）；

17、问题： 如果数据有问题，怎么处理；

18、分层抽样的适用范围

19、LR的损失函数

20、LR和线性回归的区别

21 生成模型和判别模型基本形式，有哪些？

22 核函数的种类和应用场景。

23 分类算法列一下有多少种？应用场景。

24、给你一个检测的项目，检测罐装的可口可乐，瓶装的可口可乐作为负样本，怎么弄？

25.SVM核函数的选择

26.SVM的损失函数

27.核函数的作用

28.SVM为什么使用对偶函数求解

29.ID3,C4.5和CART三种决策树的区别

30.SVM和全部数据有关还是和局部数据有关?

31为什么高斯核能够拟合无穷维度

32、第二面完整推导了svm一遍，还有强化学习问的很多，dqn的各种trick了解多少，怎么实现知不知道。

33、SVM所有核函数的了解应用，SVM的损失函数

34、LR和SVM 区别

35、朴素贝叶斯基本原理和预测过程

36、LR推导

37、交叉熵，还有个什么熵不记得了。。。

38、LR公式

39、交叉熵公式

2、处理回归问题常用算法

1、L1和L2正则化的区别

2、问题：Loss Function有哪些，怎么用？

3、问题：线性回归的表达式，损失函数；

4、线性回归的损失函数

5、机器学习：知道哪些传统机器学习模型

3、处理聚类问题常用算法

1、什么是DBSCAN

2、k-means算法流程

3、LDA的原理

4、介绍几种机器学习的算法，我就结合我的项目经理介绍了些RF, Kmeans等算法。

5、KMeans讲讲，KMeans有什么缺点，K怎么确定

6、Kmeans

7、DBSCAN原理和算法伪代码&#x