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。