面经总结

1、自我介绍
2、项目介绍
3、核函数有哪些？如何选择？核函数正定的意义？
1）对于线性核函数，没有专门需要设置的参数
2）对于多项式核函数，有三个参数。-d用来设置多项式核函数的最高此项次数，也就是公式中的d，默认值是3。-g用来设置核函数中的gamma参数设置，也就是公式中的第一个r(gamma)，默认值是1/k（k是类别数）。-r用来设置核函数中的coef0，也就是公式中的第二个r，默认值是0。
3）对于RBF核函数，有一个参数。-g用来设置核函数中的gamma参数设置，也就是公式中的第一个r(gamma)，默认值是1/k（k是类别数）。
4）对于sigmoid核函数，有两个参数。-g用来设置核函数中的gamma参数设置，也就是公式中的第一个r(gamma)，默认值是1/k（k是类别数）。-r用来设置核函数中的coef0，也就是公式中的第二个r，默认值是0。
SVM几种核方法的对比：
https://blog.csdn.net/qq_29462849/article/details/89516133
https://blog.csdn.net/zhangbaoanhadoop/article/details/82084035
特征维数高选择线性核
样本数量可观、特征少选择高斯核（非线性核）(因为特征少，所以要放到高维空间上)
样本数量非常多选择线性核（避免造成庞大的计算量）
3.1一些有关SVM的知识点：https://www.cnblogs.com/1994tj/p/11808281.html

4、解释维度灾难，如何解决？
5、svm如何处理高维特征？
6、knn如何处理高维特征？
7、kmeans如何处理高维特征？kmeans如何处理异常点？
8、问了一道概率题，代入泊松分布公式即可
对于SVM, 如何选择合适的核函数？

一面：
1、项目（项目是关于DQN 和DDQN的，后来问了DDQN能从根本上解决DQN的高估现象吗）
2、延伸项目，问了on-policy off-policy model-base model-free,还问了AC、A2C、A3C以及A3C中的3是哪三个单词（提前并没有准备的很好）
3、问了支持向量机的基础思路，支持向量机的损失函数，了解支持向量机的核函数吗？核函数需要满足什么样的条件？核函数怎么进行构造
4、算法题：做了将K个链表拍成一个排序好的单链表
二面：
1、SVM的构造，SVM的损失函数，SVM的核函数
2、LR的损失函数，LR的损失函数的意义
3、决策树是怎么样进行划分的，决策树的损失函数
4、朴素贝叶斯公式是怎么得到的，推导一下
5、生成模型和判别模型的区别并且举例
6、算法题：求y = sqrt(x)
7、关于期望的题