机器学习面试题汇总(机器学习基础)

机器学习面试题汇总(机器学习基础)

机器学习基础面试题

1.请简要说说一个完整机器学习项目的流程

2.简单说下有监督学习和无监督学习的区别

3.线性分类器与非线性分类器的区别以及优劣

4.对于维度很高的特征你选择线性分类器还是非线性分类器?维度很低的特征又该如何选择?

5.什么是生成模型和判别模型?

6.常见的生成式模型和判别式模型有哪些? 

7.解释置信区间

8.什么是过拟合?

9.什么是正则化?

10.什么是L1正则化和L2正则化?

11.为什么L1正则化相较于L2正则化会产生更加稀疏的矩阵?

12.正则化为什么能防止过拟合?

13.机器学习中经常使用的最优化方法有哪些?

14.简述一下梯度下降法

15.如何处理样本不均衡问题?

16.如何衡量分类器的好坏?

17.介绍一下ROC和AUC

18.为什么要使用ROC曲线?

19.什么是交叉验证?

20.简述交叉验证常见的几种方法

 


面试题答案总结请扫描小程序码在面试题相关小程序中查看:

机器学习面试题汇总(机器学习基础)_第1张图片

 


获取更多校园招聘资讯请关注校园招聘公众号校招辅助(xiaozhaofuzhu):

机器学习面试题汇总(机器学习基础)_第2张图片

你可能感兴趣的