人工智能面试总结-特征工程

已于 2022-06-01 11:39:43 修改
阅读量2.4k 收藏
点赞数
分类专栏： 深度学习|机器学习面试总结 文章标签： 人工智能 机器学习 算法 面试
于 2022-03-12 15:01:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zzh516451964zzh/article/details/123442760
版权
本文总结了人工智能面试中关于特征工程的常见问题，包括数据预处理、特征缩放、编码、选择和提取，以及如何处理缺值、样本不均衡等问题。提到的解决方法涵盖扩大数据集、过采样、欠采样、权重调整、预训练模型迁移学习等策略。
摘要由CSDN通过智能技术生成

在这里插入图片描述
B站：啥都会一点的研究生

公众号试读：啥都会一点的研究生

目录

说说你知道的特征工程？

 1.数据预处理

 处理缺失值
 
 图片数据扩充
 
 处理异常值
 
 处理类别不平衡问题

 2.特征缩放

 归一化
 
 正则化

 3.特征编码

 序号编码(Ordinal Encoding)
 
 独热编码(One-hot Encoding)
 
 二进制编码(Binary Encoding)
 
 离散化

 4.特征选择

 过滤式(filter

了解本专栏 订阅专栏 解锁全文 超级会员免费看
啥都生
关注
专栏目录
订阅专栏
人工智能算法面试大总结-总目录
啥都生的博客
09-15 1万+
涉及秋招、春招、社招
「快手-效率工程」秋招面试复盘总结
超逸の学习技术博客
09-10 2739
快手-效率工程面经 介绍 8月25日（周二）投递，在9月8日上午收到 HR 电话，告知简历通过了，约9月10日上午11点面试，整个面试时间1个小时左右。 一面 面经 1、自我介绍 2、你刚刚提到了项目中防抖 debounce ，你知道实现原理是什么吗？说一说 这个问题是项目中用到过，然后自我介绍提了一下，就说了一下原理，面试官居然不要我手撕… 3、你家乡在哪？面试岗位在北京，有没有城市要求吗？ 回答：反正在湖南，去哪都是很远… 4、实现一个函数，以字符串形式（要求字母小写）返回参数类型 // nul
人工智能复试面试题总结
m0_61370972的博客
03-13 8459
人工智能（Artificial Intelligence），英文缩写为AI。人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支。可以说‍‍这是一门‍‍集数门学科精华的‍‍尖端学科中的尖端学科——因此说人工智能是一门综合学科。（是机器对人的思维或行为过程进行模拟，使它能像人一样思考或行动，人工智能是一个既有机遇又有风险的领域，需要人类的智慧和责任来引导和监督。
南京领动云计算-AI工程师-面试经历
东皇太一在此的博客
06-06 281
就这样，没有问具体题目，没有大厂那么严谨；
面试总结-2023届安全面试题总汇
lza20001103的博客
09-16 6885
2023届安全面试题总汇 文章目录2023届安全面试题总汇前言0x01 秋招目录（随时更新）0x02 各大安全厂商面试题资料链接一个2023届毕业生在毕业前持续更新、收集的安全岗面试题及面试经验分享 前言 最近发现一个宝贵的面试文章，写了各个以分安全为业务的公司汇总，也是面试官经常会问到的问题，以及CTF经历也是面试官所看好的，大家平时要多多打打CTF和靶机实战呀，这样我们的实战能力才会所有提高。 0x01 秋招目录（随时更新） 有最新的公司校招信息可以随时发布，第一时间更新主要安全行业的公司，主要放不以安
人工智能面试问题整理
白拾的博客
12-23 5907
机器学习部分 一、特征工程 1. 特征归一化 1）什么是特征归一化 对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值区间内。 2）为什么要特征归一化 为了消除数据特征之间的量纲影响，我们需要对特征进行归一化处理，使得不同指标之间具有可比性。例如，分析一个人的身高和体重对健康的影响，如果使用米（m）和千克（kg）作为单位，那么身高特征会在1.6～1.8m的数值范围内，体重特征会在50～100kg的范围内，分析出来的结果显然会倾向于数值差别比较大的体重特征。想要得到更为准确的结果，就需要进行特
C/C++常见面试知识点总结附面试真题----20220326更新
热门推荐
生命在于折腾！
09-19 14万+
以下内容部分整理自网络，部分为自己面试的真题。 第一部分：计算机基础 1. C/C++内存有哪几种类型？ C中，内存分为5个区：堆(malloc)、栈(如局部变量、函数参数)、程序代码区（存放二进制代码）、全局/静态存储区（全局变量、static变量）和常量存储区（常量）。此外，C++中有自由存储区（new）一说。 2. 堆和栈的区别？ 1).堆存放动态分配的对象——即那些在程序运行时分配的对象......
某公司人工智能面试总结
ZhouJL
09-01 1万+
本文用于记录这几天面试下来的一些流程和心得体会，重点记录XXXX部门的三场面试，了解自己的优势，更重要的是发现自己的不足，以便在日后针对性的加强学习和进步！ 1 面试流程 1.1 技术面（14:00 – 14:30, 15:30 – 16:40, 30/Aug.） 1.1.1 自我介绍 1.1.2 话题来源 1.1.3 互动方式 1.1.4 面试问题 a. 基础部分 b. 数据部分 ...
Java后台工程师面试总结.zip
07-05
【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、...
深度学习面试资料-含答案
03-16
深度学习作为人工智能领域的重要分支，在当前科技发展中占据着举足轻重的地位。随着技术的进步和应用场景的不断扩大，深度学习工程师的需求量也在逐年增加。因此，对于求职者而言，充分准备深度学习面试至关重要。 ...
【AI大模型】Kimi API大模型接口实现
qq_25888559的博客
09-15 1506
Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。
使用c#制作一个小型桌面程序
qq_44691564的博客
09-14 2255
创建.NET Framework新项目，将之前生成的dll放在Demo文件夹的bin ->debug或是 release中（看你自己用的什么模式），创建完成后 系统会自动生成一些文件，其中 pch.cpp 先不要修改，pch.h中先导入自己需要用到的库，下面是我的代码。布局完了之后会自动生成Form1.Designer.cs 的窗口设计代码，点击控件按F4 还可以修改他们的属性。完成之后点击生成 就可以在bin中出现的你的.exe文件咯，是不是很简单呀~[狗头]我们还需要一个入口主程序。
开源 AI 智能名片链动 2+1 模式 O2O 商城小程序在社群活动中的应用与时机选择
专注MarTech应用研究与实施方案
09-17 1102
本文探讨了开源 AI 智能名片链动 2+1 模式 O2O 商城小程序在社群经济中的重要性，着重分析了如何借助该小程序适时举办大型活动以维持和引爆社群活跃度。通过对活动时机选择的研究，强调了针对社群用户量身定制活动时机的必要性，以赢得用户的高度参与。
数据爬虫中遇到验证码的解决方法
sheji888的专栏
09-17 1507
数据爬虫中遇到验证码是一个复杂而常见的问题，需要综合考虑多种因素并采取合适的解决策略。通过避免触发验证码、手动输入验证码、使用验证码识别技术、绕过验证码机制以及采用分布式爬虫和代理IP等方法，可以在一定程度上提高爬虫的稳定性和效率。然而，需要注意的是，爬虫的使用必须遵守相关法律法规和网站爬虫协议的要求，确保数据抓取活动的合法性和合规性。
Djourney新手入门基础，AI摄影+AI设计+AI绘画-AIGC作图
DAMOXINGHAITAI的博客
09-14 1231
（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
常见本地大模型个人知识库工具部署、微调及对比选型
09-14 955
由于作者的眼界、精力和能力也有限，并且确实也不是专业的AI研究员，仅仅是一位兴趣使然的爱好者，这里列出的几款也单纯只是作者平常关注到的，所以可能也不全，请各位见谅！文章从起笔写到这里已经过了三天了，这三天也基本把上文提到的大模型侧工具全部体验了一遍，下面说一下主要结论吧。从功能丰富度和性能优化的角度综合评估，LM Studio明显更胜一筹。从工具本身使用及模型部署效率来看，Ollama的上手速度会更快，使用会更便捷，效率也会更高。从企业级稳定性和高可用。
文档内容识别系统源码分享
xuehaishijue的博客
09-17 1755
数据集信息展示在当今信息爆炸的时代，文档内容识别系统的有效性和准确性愈发重要。为了提升YOLOv8在文档内容识别任务中的表现，我们采用了名为“FULL 2”的数据集进行训练和评估。该数据集专为文档图像的多样性和复杂性而设计，涵盖了多种类别的文本元素，使其成为优化深度学习模型的理想选择。
介绍一下常用的激活函数？
最新发布
GamBleout的博客
09-19 982
死神经元：当神经网络中的某些神经元在训练过程中始终不被激活，即其输出值始终接近于零，这些神经元就被称为“死神经元”。与Sigmoid函数类似，也存在梯度消失问题，但相对于Sigmoid函数，其输出范围更大，有利于梯度的传播。Leaky ReLU是ReLU的一个变体，在输入为负时给予一个小的非零斜率，避免了“死神经元”问题。在正区间内解决了梯度消失问题，但在负区间内梯度为0，可能导致“死神经元”问题。将一组数值转换为概率分布，即所有输出的和为1，且每个输出都在(0,1)之间。当输入为负时，输出为0。
机器学习面试必备：线性回归与最小二乘法解析
本文涵盖了人工智能和机器学习中的关键概念，包括线性回归、逻辑回归、决策树、随机森林和支持向量机等算法，以及深度学习的基础。这些知识点不仅在面试中常见，也是理解和应用机器学习技术的基础。理解并熟练掌握...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

啥都生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值