面试题集合（1）

LR
1.为什么用sigmiod函数

（1）第一种解释：P代表1，1-P代表0，我们让p=1是ln(P/(1-P))趋于正无穷，让P=0时，趋于负无穷。
（2）用二分类的方法，对0是一个预测函数，对1是个预测函数，合在一起就是对某个预测值的预测函数。再用WX对这个预测值进行预测。
（3）sigmoid函数是伯努利分布的指数镞形式。

2.逻辑回归的多分类和二分类
第一种分类方式：
1.one-hot编码，label=1,2…k，假如label为3，则得到的向量为（0，0，1，…,0）
2.每个label对于的概率：

3.再把1，2结合。用极大似然的方法求解参数。
4.预测给一个新的x，得到那个label对于的P越大，则输出为这个label的值/

第二种分类方法：
把多分类看成多个二分类

3.多分类和二分类的关系
都是应用了交叉熵的损失函数的形式。交叉熵的形式为p(x)logq(x)
p(x)对应的y的分布
q(x)对应的着每个Label设置的分布。（2中的Pr）

把两个表达式子打开就是交叉熵的形式。

SVM
1.SVM中什么时候用线性核什么时候用高斯核?
线性核：feature 近似等于 样本的个数 。当数据的特征提取的较好,所包含的信息量足够大,很多问题是线性可分的那么可以采用线性核
高斯核：feature小。 用高斯核升维
RBF核：依赖特定点间的距离
多项式核：

选择不同的核：交叉验证