机器学习求职60问答案

类型一：基础概念类问题

问题1：过拟合与欠拟合（定义、产生的原因、解决的方法各是什么）。

问题2：L1正则与L2正则（有哪些常见的正则化方法？作用各是什么？区别是什么？为什么加正则化项能防止模型过拟合）。

间题3：模型方差和偏差（能解释一下机器学习中的方差和偏差吗？哪些模型是降低模型方差的？哪些模型是降低模型偏差的？举例说明一下）。

问题4：奥卡姆剃刀（说一说机器学习中的奥卡剪梯刀原理）。

问题5：模型评估指标（回归模型和分类模型各有哪些常见的评估指标？各白的含义是什么？解释一下AUC？你在平时的实践过程中用到过哪些评估捐标？为什要选择这些指标）。

问题6：风险函数（说一下经验风险和结构风险的含义和异同点）。

问题7：优化算法（机器学习中常见的优化算法有哪些？梯度下降法和牛顿法的原理推导）。

问题8：激活函放（神经网络模型中常用的激活函数有哪些？说一下各自的特点)。

问题9：核函数（核函数的定义和作用是什么？常用的核函数有哪些？你用过些核函数？说一下高斯核函数中的参数作用）。

问题10：梯度消失与梯度爆炸（解释一下梯度消失与梯度爆炸问题，各自有什么解决方案）。

问题11：有监督学习和无监督学习（说一下有监督学习和无监督学习的特点，举例说明一下)。

问题12：生成模型与判别模型&#x