机器学习面试题汇总(逻辑斯蒂回归相关)

机器学习面试题汇总(逻辑斯蒂回归相关)

逻辑回归面试题

1.逻辑斯蒂回归推导

2.简述一下线性回归

3.为什么逻辑斯特回归中使用最大似然函数求得的参数是最优可能的参数值？

4.逻辑回归是线性模型吗？

5.逻辑回归做分类的样本应该满足什么分布？

6.逻辑回归输出的值是0到1之间的值，这个值是真实的概率吗？

7.逻辑回归与线性回归的联系和区别？

8.逻辑回归会发生过拟合吗？如何解决？

9.什么是特征离散化和特征交叉？

10.逻辑斯特回归为什么要对特征进行离散化？

11.在逻辑回归模型中，为什么常常要做特征组合（特征交叉）？

12.逻辑回归在训练的过程当中，如果有很多的特征高度相关或者说有一个特征重复了100遍，会造成怎样的影响？

13.为什么逻辑回归在训练的过程当中将高度相关的特征去掉？

14.逻辑回归最优化过程中如何避免局部极小值？

15.线性回归的损失函数里面为什么常用平方形式, 而不是1次方，3次方，4次方或者绝对值？

16.逻辑回归特征系数的绝对值可以认为是特征的重要性吗？

17.如何使用逻辑回归实现多分类？

18.逻辑回归的损失函数为什么要使用极大似然函数作为损失函数？

19. 逻辑回归参数归一化是否对结果有什么影响吗？

20.逻辑回归有哪些优缺点

 

---

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：

 

---

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):