【13】机器学习算法面试八股

231AB test的原理

将用户划分为A,B两组，A实验组用户，接受所设计的推荐算法推荐的商品，B对照组用户，接受基线方法推荐的商品。通过对比两组用户的行为来评估推荐算法的性能。
答案解析
ABTest，简单来说，就是为同一个产品目标制定两个方案（比如两个页面一个用红色的按钮、另一个用蓝色的按钮），让一部分用户使用A方案，另一部分用户使用B方案，然后通过日志记录用户的使用情况，并通过结构化的日志数据分析相关指标，如点击率、转化率等，从而得出那个方案更符合预期设计目标，并最终将全部流量切换至符合目标的方案

232说说有哪些卷积

• 标准卷积，
标准卷积核与目标图像矩阵进行卷积运算，多少数量的卷积核，就会对应多少的特征图。
卷积计算：
卷积向下取整，如3.2，向下取整结果为3）

池化计算：
池化向上取整，如3.6，向上取整结果为4）
当进行池化操作时，步长S就等于池化核的尺寸，如输入为24x24，池化核为4x4，则输出为（24-4）/4+1=6

反卷积
链接
反卷积是一种特殊的正向卷积，先按照一定的比例通过补0来扩大输入图像的尺寸，接着旋转卷积核（矩阵转置），再进行正向卷积。反卷积的操作只是恢复了矩阵的尺寸大小，并不能恢复 矩阵的每个元素值。(从输出恢复到了输入)
上采样有3种常见的方法：双线性插值(bilinear)，反卷积(Transposed Convolution)，反池化(Unpooling)
(从输出恢复到了输入)
反池化：
反池化(Unpooling)：在池化过程中，记录下max-pooling的max元素值在对应kernel中的坐标，在反池化过程中，根据之前的坐标将max元素填写回去，其他位置补0 。一句话总结就是，在下采样的时候记录max的位置，上采样的时候最大值的位置还原，其它位置填0，
空洞卷积
标准卷积的空洞率是1
空洞卷积或者膨胀卷积是在标准的卷积核里注入空洞，以此来增加感受野。相比原来的正常convolution，dilated convolution 多了一个超参数称之为 dilation rate（空洞率） 指的是kernel的间隔数量(e.g. 标准卷积的空洞率是1)。优点是在保持同等计算量的情况下可以扩大感受野，缺点是存在网格效应, 丢失局部像素信息。