机器学习算法岗的常见面试问题及准备

机器学习常见问题

1) 几种模型（ SVM，LR，GBDT，EM ）的原理以及公式推导； 
2) RF,GBDT 的区别； GBDT,XgBoost的区别（烂大街的问题最好从底层原理去分析回答）； 
3) 决策树处理连续值的方法； 
4) 特征选择的方法； 
5) 过拟合的解决方法； 
6) K-means 的原理，优缺点以及改进； 
7) 常见分类模型（ SVM ，决策树，贝叶斯等）的优缺点，适用场景以及如何选型； 
8) SVM 为啥要引入拉格朗日的优化方法； 
9) 假设面试官什么都不懂，详细解释 CNN 的原理； 
10) 梯度下降的优缺点 
11) EM与K-means的关系； 
12) L1与L2的作用，区别以及如何解决L1求导困难；