机器学习-数据挖掘-千千问------更新时间 2018.3.23

最新推荐文章于 2023-08-01 20:24:45 发布
最新推荐文章于 2023-08-01 20:24:45 发布
阅读量488 收藏 4
点赞数 3
分类专栏： 机器学习 python数据挖掘 数据挖掘 文章标签： ml 机器学习 面试题 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011094454/article/details/79665226
版权

问项目

  1. 谈谈你最熟的或者做的时间最长的项目
  2. 描述项目解决的问题
  3. 描述数据挖掘竞赛解决的问题
  4. 描述对问题的分析
  5. 描述解决方案的流程，数据挖掘的流程
  6. 怎么做特征工程的
    1. 数据预处理的方法有哪些
      1. 归一化标准化方法有哪些
      2. 对缺失值处理方法有哪些
    2. 对项目的数据做了哪些处理
    3. 怎么提取特征的，提取特征的方法
    4. 提取了多少特征，特征的维度，哪些特征比较好
    5. 对特征的评估方法是什么，怎么判断其好坏
  7. 用了什么模型
    1. 为什么用这个模型
    2. 介绍这些模型
    3. 模型的评估方法
      1. 分类模型评估方法有哪些
      2. 回归模型评估方法
    4. 项目中用了哪些评估方法
    5. 模型这些评估最优值是多少，AUC，召回率，精确率等
    6. 模型有哪些不足，哪里可以改进
  8. 项目最终的结果咋样
  9. 项目可以改进的地方，项目的缺点
  10. 做这个项目看了哪些论文，有哪些前沿的方法

问知识广度

  1. 什么是判别模型，什么是生成模型，并举例
  2. 谈谈你对VC维的认识
  3. 谈谈你对核函数的认识
  4. 说说你知道的损失函数有哪些
  5. 谈谈模型最优化方法有哪些
  6. 解释方差、误差、噪声
  7. 如何处理有序变量？如何处理无序变量？
  8. 遇到稀疏值怎么办
  9. 如何进行特征选择？如何进行数据压缩？
  10. 什么是欠拟合与过拟合？如何应对这两种情况？
  11. 方差、误差与欠拟合与过拟合的关系
  12. 正则项（规则化）在模型中的作用和原理。
  13. 评估模型一般有什么手段
  14. 介绍ROC、AUC、F1、召回率等
  15. 模型选择有哪些方法
  16. 数据不均衡的评估方法？正负样本不平衡怎么解决？
  17. 知道哪些模型融合的方法？
  18. 模型融合为什么有效果？
  19. 怎么看待机器学习和深度学习
  20. 知道半监督学习吗
  21. 对广告搜索，推荐系统有了解吗
  22. 说说时间序列分析
  23. 对自然语言处理呢

问算法

SVM

  1. 简单介绍SVM
  2. SVM相比LR有什么联系和区别
  3. SVM为什么需要最大间隔
  4. SVM中的w与规则化有什么联系
  5. SVM对过拟合怎么处理的
  6. SVM的推导
  7. 原始问题是怎么来的
  8. 原始问题为什么需要转化为对偶问题求解
  9. 原始问题为什么可以转化为对偶问题求解
  10. 求解对偶问题时的KKT条件分别是什么意思
  11. SVM为什么引入松弛变量
  12. 松弛变量的作用
  13. 松弛变量参数C越大，越过拟合？
  14. SVM为什么引入核函数？
  15. 为什么可以引入核函数？
  16. 有哪些常用的核函数？对比各个核函数的优缺点
  17. SVM核函数如何选择
  18. 高斯核中的gamma参数的选择
  19. 介绍下Hinge Loss，怎么理解
  20. SVM怎么做多分类
  21. 介绍下SMO

LR逻辑斯蒂回归

  1. 简单介绍LR
  2. LR的优缺点
  3. LR的损失函数是什么
  4. sigmoid函数的优缺点
  5. sigmoid函数是怎么来的
  6. LR如何缓减过拟合
  7. 推导LR公式
  8. 似然函数是什么意思
  9. LR的正则项
  10. 为什么需要对数据归一化
  11. 介绍梯度下降
  12. 推导LR梯度下降的更新公式，写成矩阵形式
  13. 手写LR算法
  14. 为什么对LR做连续特征离散化效果会好

决策树

  1. 介绍信息熵、信息增益、信息增益比、基尼指数、交叉熵、相对熵
  2. 介绍ID3、C4.5、CART，区别及各自优缺点
  3. 为什么信息增益比与信息增益的区别
  4. 决策树如何缓减过拟合
  5. 预剪枝和后剪枝的流程
  6. 决策树怎么做多分类
  7. 决策树与随机森林的区别
  8. 决策树与GBDT的区别
  9. CART树是怎么做回归问题的
  10. CART树是怎么做特征选择，以及二元分割的

集成模型

  1. 介绍下有哪些集成模型
  2. 为什么集成模型对某些问题效果好
  3. 集成模型一定比单模型好吗
  4. 对比bagging与boosting
  5. 介绍boosting tree
  6. 介绍Adaboosting
  7. Adaboosting的损失函数是什么
  8. 介绍Gradient Boosting
  9. 介绍随机森林
  10. 随机森林怎么做回归问题？怎么做分类问题？
  11. 介绍GBDT
  12. 介绍XGBoost
  13. 手推XGBoost
  14. 介绍XGBoost的分裂方式
  15. 介绍XGBoost的打分函数
  16. XGBoost比一般的GBDT快的原因
  17. XGBoost怎么避免过拟合
  18. GBDT与XGBoost的区别
  19. GBDT与随机森林的区别
  20. 随机森林与bagging的区别
  21. 随机森林的优缺点
  22. 介绍下牛顿法
  23. 谈谈牛顿法与梯度下降的区别
  24. 谈谈拟牛顿法有哪几种方式
  25. 介绍比赛中用的模型融合方法
  26. 介绍stacking、emsemble
  27. 为什么模型融合效果会变好

正则项（规则化）

  1. 为什么加入正则项
  2. 为什么可以加入正则项
  3. 有哪些常用的正则项
  4. 介绍L1、L2的区别，推导L1、L2
  5. L1为什么会产生稀疏解？L2为什么是密集的
  6. L1在哪些场景会用到
  7. 介绍下lasso 回归和ridge 回归
  8. lasso怎么求解最优值
  9. L1怎么解决求导困难
  10. 描述下坐标下降法
  11. 介绍近端梯度下降
  12. 12.

聚类

  1. 介绍常用的聚类方法，和各自使用场景
  2. 介绍kmeans，及其优缺点
  3. kmeans中k值的选择
  4. kmeans初始聚类中心的初始化方法有哪些
  5. 手写kmeans算法
  6. 介绍层次聚类
  7. 层次聚类邻近比较有哪些方法
  8. 层次聚类的优缺点
  9. 基于密度的聚类方法介绍
  10. DBSCAN聚类介绍
  11. DBSCAN的优缺点
  12. DBSCAN与kmeans的对比
  13. 还有知道哪些聚类方法
TccccD
关注
专栏目录
挖掘商品关联性(2): FP-growth算法
@司南牧|知乎|博客|易懂教程|李韬
05-28 2784
在前面我们介绍了一种简单的挖掘商品关联性算法Aporiori算法。
【数据挖掘】阿里云天池-数据挖掘入门-二手车价格预测
九筒的博客
06-13 2443
题目 赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和regionCode等信息进行脱敏。 题目链接 题目分析 数据特征：数据特征共有31个特征，类别特征10个，数值特征21个，其中15个匿名特征均为数值特征 数据量：训练集包含15万条数据，测试集包含5万条数据
CIC-IDS数据集特征介绍
蓝亚之舟的博客
03-20 2万+
###1、简介 通信安全机构(CSE)与加拿大网络安全研究所(CIC)合作项目，该项目对自1998年以来现有的11个数据集的评估表明，大多数数据集（比如经典的KDDCUP99，NSLKDD等）已经过时且不可靠。其中一些数据集缺乏流量多样性和容量，一些数据集没有涵盖各种已知的攻击，而另一些数据集将数据包有效载荷数据匿名化，这不能反映当前的趋势。有些还缺少特征集和元数据。 CIC-IDS-2017数据集包含良性和最新的常见攻击，类似真实世界数据(PCAPs)。 它的数据采集截至2017...
数据挖掘-聚类分析（Python实现K-Means算法）
mike_jun的博客
07-17 5200
概念： 聚类分析（cluster analysis ）：是一组将研究对象分为相对同质的群组（clusters）的统计分析技术。聚类分析也叫分类分析，或者数值分类。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或者相似度将其划分成若干个组，划分的原则是组内距离最小化而组间（外部）距离最大化。聚类和分类的不同在于：聚类所要求划分的类是未知的。 聚类度量的方法：分距离和相似度来度量。 ...
（学习笔记）十大经典算法——K-means聚类算法
weixin_42985978的博客
03-21 3281
聚类算法是在无监督的情况下将对象自动分组的一种分析方法，典型的聚类算法分为三个阶段：特征选择和特征提取，数据对象间相似度计算，根据相似度将数据对象分组。聚类算法的目标是将数据集合分成若干簇，使得同一簇内的数据点相似度尽可能大，而不同簇间的数据点相似度尽可能小。可分为层次聚类算法和划分聚类算法。
03-SNAP处理Sentinel-2 L2A级数据(一)
lidahuilidahui的博客
10-28 8万+
03-SNAP处理Sentinel-2 L2A级数据前言 前言 本文为《SNAP与snappy》第3篇博文。本文主要介绍Sentinel-2 L2A数据（也就是Sen2cor大气校正后的产品数据）的一些基本处理，包括去云、裁剪、镶嵌、重采样、超分辨率合成、波段计算(指数计算)、重投影。 ...
Text-to-SQL小白入门（一）综述学习
junewgl
08-01 2607
本文主要介绍了Text-to-SQL研究的定义、意义、研究方法以及未来展望，主要是对Text-to-SQL领域进行一个初步的认识和了解，适合初学者入门了解。
机器学习随笔10--K均值
Diky的博客
06-03 1984
摘要 　　聚类算法是一个简单易懂的无监督学习算法。本文主要介绍K-means聚类算法，以及二分K-means算法。 目录 摘要 目录 一、引言 二、K-means聚类算法 2.1 K-means算法简介 2.2 K-means算法原理 2.3 K-means算法的缺陷与改进 三、二分K-means算法 3.1 二分K-means算法简介 3.2 二分K-means算法工作流程 四...
数学建模之python-数据挖掘与预处理
TGA麻辣香锅的博客
08-08 1420
前言 明早把z-score和01实战一下 然后pandas读取文件学一学 3.判断列有无缺失值 4.判断每一行的缺失值 5.缺失值定位到每一行 6.各变量缺失的值 7.直接删除空值对应所在行 8.定义缺失值为0 ps:fillna填充好文： https://blog.csdn.net/qq_21840201/article/details/81008566?ops_request_misc=&request_id=&biz_id=102&utm_term=f
PyG搭建R-GCN实现节点分类
KI的博客
07-29 3033
PyG搭建R-GCN实现节点分类
CIC-IDS-2018入侵检测数据集_Second
12-03
3. 机器学习模型训练：利用CIC-IDS-2018数据集，可以训练各种机器学习模型，如决策树、随机森林、支持向量机、神经网络等，以实现对未知攻击的预测。 4. 模型评估：通过划分训练集和测试集，使用准确率、召回率、F1...
CSE-CIC-IDS2018 加拿大入侵检测数据集 Thursday数据
02-23
Canadian Cybersecurity Challenge - Intrusion Detection System 2018）是加拿大网络安全研究所发布的一个大规模入侵检测数据集，专门用于网络安全研究和机器学习模型的训练与测试。该数据集覆盖了多种网络攻击...
2018.3.1-2018.5.20 完成的本科毕业设计（聚类算法及应用）.zip
10-05
【标题】"2018.3.1-2018.5.20 完成的本科毕业设计（聚类算法及应用）.zip" 提供了一个关于本科毕业设计的主题，即“聚类算法及其应用”。聚类是数据挖掘中的一个重要分支，主要目的是将相似的数据对象归为一类，形成...
第十届“泰迪杯”数据挖掘挑战赛-电力系统负荷预测分析.zip
最新发布
11-12
常用的预测方法有时间序列分析、线性回归、支持向量机、神经网络以及基于机器学习的复杂模型。 3. 时间序列分析：这是一种统计技术，用于分析和预测按时间顺序排列的数据。在电力负荷预测中，时间序列模型如ARIMA...
大工21春《数据挖掘》在线作业3-学习资料(答案).pdf
07-01
数据挖掘是一门涉及统计分析、机器学习和数据库技术的学科，用于从大量数据中发现有价值的信息和知识。在这个大工21春《数据挖掘》在线作业3的学习资料中，主要涵盖了Python编程的基础知识，这对于数据挖掘工作至关...
用Python进行数据挖掘（数据预处理）
热门推荐
TcD的博客
08-27 11万+
用Python进行数据挖掘（数据预处理）本博客进行数据预处理的方法总结自kaggle的几道题目： 1.HousePrices 2.Titanic 以及比较不错的几个kernels： 1.https://www.kaggle.com/pmarcelino/house-prices-advanced-regression-techniques/comprehensive-data-explora
Python查看GPU已使用的显存
TcD的博客
06-22 2万+
pip安装pynvml pip install nvidia-ml-py3 如果是Python2，则pip nvidia-ml-py2 之后可以在Python3 下使用了 import pynvml pynvml.nvmlInit() # 这里的0是GPU id handle = pynvml.nvmlDeviceGetHandleByIndex(0) meminfo = pynvml...
GBDT与XGBOOST的联系和区别
TcD的博客
01-03 1万+
最近翻阅了一些介绍GBDT与XGBOOST的原理的博客和论文，网上以及有很多介绍它们的文章了，但博主还是想记录一下它们的原理以及自己的理解，即是方便自己翻阅复习也是希望大佬们提提建议。 GBDT GBDT即是Gradient Boosting Tree（梯度提升树），很容易联想到的是这里的梯度提升与Gradient Descend（梯度下降）之间的关系。不去理解这个“Boosting ”，
《机器学习实战》书中python2.7与3.6的区别-持续更新
TcD的博客
07-27 7773
《机器学习实战》书中使用的是python2.7，而对于现在新接触python的同学来说都是上手python3.6版本。 由于本渣渣也正在学习此书，将陆续列出遇到的不同于现实编码的困难与解决方法（如果能解决的话.......）。 1.在import numpy时候，书中提倡from numpy import * 而我们在学习python3.6时常用import numpy as np，
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值