机器学习面试题汇总(K-means，KNN相关)

机器学习面试题汇总(K-means，KNN相关)

K-means，KNN面试题

1.简述一下K-means算法的原理和工作流程

2.简述一下KNN算法的原理

3.KNN算法有哪些优点和缺点？

4.不平衡的样本可以给KNN的预测结果造成哪些问题，有没有什么好的解决方式？

5.为了解决KNN算法计算量过大的问题，可以使用分组的方式进行计算，简述一下该方式的原理。

6.什么是欧氏距离和曼哈顿距离？

7.KNN中的K如何选取的？

8.什么是KD树？

9.KD树建立过程中切分维度的顺序是否可以优化？

10.KD树每一次继续切分都要计算该子区间在需切分维度上的中值，计算量很大,有什么方法可以对其进行优化？

11.K-means中常用的到中心距离的度量有哪些？

12.K-means中的k值如何选取?

13.K-means算法中初始点的选择对最终结果有影响吗？

14.K-means聚类中每个类别中心的初始点如何选择？

15.K-means中空聚类的处理

16.K-means是否会一直陷入选择质心的循环停不下来？

17.如何快速收敛数据量超大的K-means？

18.K-means算法的优点和缺点是什么？

19.如何对K-means聚类效果进行评估？

20.K-Means与KNN有什么区别

 

---

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):