机器学习面试题解（6-10）

6、HMM的三个基本问题
先放上我完整理论的一些博客
https://blog.csdn.net/Ding_xiaofei/article/details/81629479
前一段时间刚刚复习过，但还是有一个想不起来了，在面试官的提醒下才答出来的。

• 概率计算问题，已知HMM模型参数，和观测值，计算观测值出现的概率
• 学习问题，已知观测序列，计算HMM的模型参数
• 预测问题，解码问题，我们平时用的最多的，已知观测序列和HMM模型的参数，我们要求的是在给定观测序列的条件下求解隐状态

7、第三个问题的一般使用什么算法解决
维特比算法，说说它的思路，再聊一聊它的时间复杂度
时间复杂度是N^2*T,T代表序列长度
参考一下这个博客，顺便也提到了beam search算法
8、简单描述一下HMM的两个假设（这个问题我答的也不行，就记得马尔科夫假设了）
齐次马尔科夫假设，这个主要就是隐状态只和前面一个状态有关系；
观测独立假设，这个就是观测状态只和它的隐藏状态相关。

9、贝叶斯全概率公式（这问题搞不出来也真心尴尬）
所以我决定还是写一篇关于朴素贝叶斯的博客，先空一下，列出一些要点

贝叶斯主要学习（输入、输出）的联合概率，然后使用贝叶斯定理求出后验概率最大的y

10、解决数据不平衡的一些问题（多次问到数据扩展的问题）
这个问了好几次，我也是比较尴尬，面试官好像对我扩展数据特别感兴趣。
放上之前我之前在简书的文章作为参考
https://www.jianshu.com/p/71eea3555dbf