面筋汇总
文章目录
前言
本人是一个深度学习小白,最近在求职中记录了每次面试中遇到的问题,希望可以帮到也在求职的朋友们,如果觉得有帮助可以点个赞~
前事之不忘,后事之师。
以下是本篇文章正文内容。
一、鸿捷源-算法工程师
1.
二、字节跳动-高级算法工程师_工程效率方向
1.
三、软通动力-算法工程师-一面
1.
四、软通动力-二面
1. 逻辑回归的原理、特点是什么,详细介绍一下
2. 逻辑回归为什么要对特征进行归一化?
主要有两点,(1)归一化后加快了梯度下降求最优解的速度(2)归一化有可能提高精度。为什么呢?
因为(1)当两个特征数量级差距大时,两个特征所对应的损失函数等高线图呈现椭圆形,梯度下降法下降的路线需要与椭圆切线的垂直方向,这就导致了路线非常的曲折,迭代的次数会非常多。归一化后,等高线图近似于圆形,下降路线相对简单很多,就是指向圆心的方向,迭代次数少。
(2)当两个特征绝对值的数量级差距较大时,数量级大的特征会在一定程度上“统治”结果。因此要做归一化,让两个因素对于结果影响的幅度接近,这样我们训练出的参数w也更好解释。