秋招机器学习面试题问题总结

1、LR为什么用Sigmod函数,这个函数的优缺点各是什么,为什么不用其他的函数?LR的损失函数是什么?


2、决策树如果防止过拟合的,损失函数是什么?


3、KKT条件有哪些,什么条件下用KKT条件。


4、L1正则化为什么能够得到稀疏解,L2为什么能够得到趋于0的解,它们的图像是怎样的?


5、GBDT的损失函数是什么?


6、SVM的损失函数是什么?如何推导SVM?为什么引入核函数,以及为什么叫核函数?


7、什么叫做对偶问题,在SVM中如何引入对偶问题的?


8、分类算法和回归算法的评价指标有哪些?


9、如何画出ROC曲线?


10、如何解释偏差、方差?


11、说说有哪些回归算法和分类算法?


12、拉格朗日为什么会出现在机器学习的优化模型中?


13、进程和线程的区别?


14、malloc和new的区别?


15、说一下多态产生的过程,以及虚函数的原理?


16、如果用一个变量去判断括号的合法性?


17、KNN和K-means的算法过程是怎么样?


18、朴素贝叶斯为什么称为朴素?它的目标函数是什么?


19、分类问题的评价标准有哪些?ROC和AUC分别是什么,坐标的意义是?


20、机器学习中 常见的优化方法有哪些?


21、说说什么是牛顿法?


22、说说OSI七层模型,以及每一层上有什么协议?


以上就是秋招过程中,面试官常常问的问题,当然前提是先手撸代码之后,才给你聊。不然,没戏了。以上问题,来自百度,美团,58同城,百度外卖,途家,太简单的问题没有总结,作为参考,面试的岗位是:机器学习算法工程师。


你可能感兴趣的:(机器学习算法,面试题,机器学习面试题,机器学习面试总结,秋招)