机器学习LR模型,在面试中经常被问到的问题

在机器学习面试中,LR模型因其实际应用广泛而常被问及。面试问题包括:LR损失函数的推导,为什么使用似然函数,线性模型的局限,L1和L2正则化的意义以及如何降低模型复杂度,L1正则化为何产生稀疏解,以及L1正则化求解方法等。理解这些细节对于在实际工作中应用LR模型至关重要。
摘要由CSDN通过智能技术生成

     面试机器学习岗位或者算法岗位,经常会被问到一些机器学习算法,其中还有很多细节性的知识。在面试中接触到的LR模型是最多的,为什么?大概原因是LR在公司中用的比较多,这时你可能会问了,这个算法不是很简单吗,性能一般是比不上集成学习算法的。对的,确实是这样,但是公司做应用时不仅仅需要考虑性能,还得考虑效率,简单高效很重要。

     1.之前听其他面试者说,遇到过写LR中损失函数的推导,也就是从概率一般式  技术分享开始,运用似然函数求解概率最大(被问到:为什么可以用似然函数。答:因为目标是要让预测为正的的概率最大,且预测为负的概率也最大,即每一个样本预测都要得到最大的概率,将所有的样本预测后的概率进行相乘都最大,这就能到似然函数了。)即:

  • 3
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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