百面机器学习

1、梯度下降与归一化
梯度，散度和旋度
归一化：将二分类转为多分类模型
梯度公式是；散度公式是；旋度公式是。
2、决策树C4.5
决策树度输入是字符串？fpgrowth的算法大概是怎样的？Apriori
熵值和信息增益公式
3、感知机与神经元
权值是如何通过迭代的形式发生变更的？见5
4、TF-IDF、主题模型、Word2Vec
5、神经网络的误差逆传播算法
一个例子，见笔记本
6、SVM、logistic公式推导
7、SGD
单通道和多通道
8、CNN
卷积在数学上和傅立叶级数有关，傅立叶级数和信号处理有关。f, g(x)的乘积的傅立叶级数与各自傅立叶级数的乘积相等。
padding, stride, input_size, output_size, FC, 反卷积，池化后要反卷积？
AlexNet
VGGNet
经过1*1 过滤层相当于进行一次非线性变换。
ResNet网络可以持续加深
InceptionNet
9、目标函数 = 损失函数 + 正则化项
欠拟合和过拟合。欠拟合是高偏差。过拟合是高方差。
10、深度学习库
tensorflow, keras, mxnet, pandas, mllib
k-means，k中心点，k近邻
11、聚类算法
k-means、knn、gmm