机器学习面试题

机器学习面试题——线性回归LR与逻辑回归LR

机器学习面试题——线性回归LR与逻辑回归LR提示：平时除了练习数据结构与算法之外，还需要学习这些机器学习知识文章目录机器学习面试题——线性回归LR与逻辑回归LR@[TOC](文章目录)题目逻辑回归LR详细推导
冰露可乐·2022-12-17 15:20

本人心血总结，机器学习、算法面经总结与解析

网址：机器学习面试题汇总与解析（蒋豆芽面试题总结
qq_32468785·2022-12-16 10:51

机器学习面试题总结

文章目录https://github.com/zhengjingwei/machine-learning-interview一、机器学习相关1、基本概念2、经典机器学习**特征工程**解答**一、机器学习相关****1、基本概念****2、经典机器学习****特征工程****基础算法原理和推导****KNN****支持向量机****朴素贝叶斯模型****线性回归****逻辑回归**如果一个样本只对
neronjust·2022-12-11 05:13

机器学习面试题之线性回归

1.简单介绍一下线性回归线性就是两个或者多个变量之间的关系符合一次函数关系，对应到图像上就是一条直线，这叫线性关系。那如果变量之间的关系不符合一次函数，图像就不是直线，也不满足线性关系。而回归是指预测，希望通过计算回归到真实值。线性回归是用于预测问题的有监督学习，通过学习x到y的一个映射关系，希望利用学习到的这个映射关系实现对未知的数据进行预测，另外线性回归还是一个连续值。2.线性回归的假设函数是
schedule list·2022-12-10 08:37

深度学习机器学习面试题——GAN

深度学习机器学习笔试面试题——GAN提示：互联网大厂可能会考的笔试面试题GAN是用来干什么的，怎么用的，介绍一下GANs的优缺点是什么?GAN为什么不好收敛为什么GAN中的优化器不常用SGD生成对抗网络在哪里用到的，起什么作用，损失函数是什么训练GAN的一些技巧说说GAN的训练过程Pix2pix和cycleGan的区别文章目录深度学习机器学习笔试面试题——GAN@[TOC](文章目录)GAN是用来
冰露可乐·2022-12-09 09:14

机器学习面试题

分类模型SVM在特征空间上找到最佳的分离超平面，使得训练集上的正负样本间隔最大。是用来解决二分类问题的有监督学习算法，在引入核方法后也可以解决非线性问题。逻辑回归二分类任务求解参数极大似然估计（对式子取对数、极值对应的参数）损失函数（交叉熵损失与极大似然一致、平方损失）、梯度下降/牛顿法集成学习baggingbagging采用了一种有放回的抽样方法来生成训练数据。通过多轮有放回的对初始训练集进行随
路过的风666·2022-12-02 18:06

【机器学习】推荐系统、机器学习面试题整理

目录：1、排序模型为什么一般都是从LR到GBDT再到DNN进行迭代的？LRGBDTDNN2、分类问题为什么大都使用交叉熵作为损失函数而不是MSE？3、过拟合与欠拟合过拟合over-fitting欠拟合under-fitting如何判断过拟合还是欠拟合如何防止过拟合如何解决欠拟合4、梯度与学习率什么是梯度？梯度的几何意义梯度下降法及相关概念5、L1正则化、L2正则化L1正则化和L2正则化的定义：L1
长相忆兮长相忆·2022-12-01 02:40

机器学习面试题——集成学习、Adaboost、随机森林、GBDT、xgBoost、LightGBM

机器学习面试题——集成学习、Adaboost、随机森林、GBDT、xgBoost、LightGBM提示：东西多而杂乱，但是也要过一遍，因为大厂笔试经常考，难保面试也考……机器学习面试题汇总与解析——集成学习
冰露可乐·2022-11-30 16:31

面试 | 22道机器学习常见面试题目

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|视觉算法分享22道常考的机器学习面试题，给正在准备面试的朋友们。(1)无监督和有监督算法的区别？
小白学视觉·2022-11-28 11:02

收藏 | 190 道机器学习面试题

来源：CSDN本文约33000字，建议阅读60分钟本文为大家总结了往年BAT机器学习面试题，干货满满，值得收藏。刷题，是面试前的必备环节。想要入职大厂可谓是千军万马过独木桥。
数据派THU·2022-11-27 20:14

太给力了！整理了机器学习面试200题！

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。1.请简要介绍下SVM。SVM，全称是supportvectormachine，中文名叫支持向量机。
菜鸟学Python·2022-11-27 20:11

机器学习面试题之KNN

机器学习面试题之KNN——k近邻1.简述一下KNN算法的原理KNN算法利用训练数据集对特征向量空间进行划分。
因吹吹斯汀·2022-11-26 14:35

【BAT机器学习面试题】前100题汇总及勘误（上）

来源：七月在线实验室ID：julyedulab  近期，七月团队整理了BAT机器学习面试1000题系列，侧重机器学习、深度学习。我们将通过这个系列索引绝大部分机器学习和深度学习的笔试面试题、知识点，它将是一个足够庞大的机器学习和深度学习面试库/知识库，通俗成体系且循序渐进。  今天将会发布【BAT机器学习面试1000题系列】前100道题的汇总和勘误。此外，有三点得强调下：  1.虽然本系列主要是机
深度学习世界·2022-11-25 05:02

机器学习面试题——决策树DT（Decision Tree），二叉树或多叉树分支决策分类

机器学习面试题——决策树DT（DecisionTree），二叉树或多叉树分支决策分类提示：决策树算法起源于E.B.Hunt等人于1966年发表的论文“experimentsinInduction”，但真正让决策树成为机器学习主流算法的还是
冰露可乐·2022-11-20 11:50

机器学习面试题

BAT机器学习面试系列1.请简要介绍下SVM。SVM，全称是supportvectormachine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。扩展：支持向量机学习方法包括构建由简至繁的模型：线性可分支持向量机、线性支持向量机及非线性支持向量机。当训练数据线性可分时，通过硬间隔最大化，学习一个线性的分类器，即线性可分支持向量机，又称
didaida00·2022-11-19 11:01

机器学习面试题——评价指标

ML之评价指标平时傻傻地分不清，到底啥是ROC,AUC，下面我理解一下：说说机器学习评价指标AUC是什么？AUC是否对正负样本比例敏感？分类模型如何评价准确率与精准率的区别AUC的意义和两种计算方法讲讲分类，回归，推荐，搜索的评价指标ABtest的原理推荐系统中的评价指标知识，你看了不代表你会了，而是要自己记笔记，或者给别人讲懂，才算是真的深刻理解了搞懂评价指标之前，需要知道啥是TP,FP,TN,
冰露可乐·2022-11-10 23:19

经典机器学习面试题

下面是自己感觉可能用的到面试题吧，机器学习和数据挖掘1.请简要介绍下SVM。SVM，全称是supportvectormachine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。扩展：支持向量机学习方法包括构建由简至繁的模型：线性可分支持向量机、线性支持向量机及非线性支持向量机。当训练数据线性可分时，通过硬间隔最大化，学习一个线性的分类
.含笑.·2022-11-09 21:00

深度学习机器学习面试题——损失函数

深度学习机器学习面试题——损失函数提示：重要的深度学习机器学习面试题，大厂可能会在笔试面试中考说一下你了解的损失函数？说说你平时都用过什么损失函数，各自什么特点？交叉熵函数与最大似然函数的联系和区别？
冰露可乐·2022-11-09 17:18

机器学习面试题总结

文章目录1.TFIDF优点和缺点2.相似度计算有哪些方法（Jaccard、欧氏距离、Cosine）3.朴素贝叶斯算法，对缺失值、异常值是否敏感4.朴素贝叶斯为什么适合增量计算5.朴素贝叶斯的优缺点6.逻辑回归和朴素贝叶斯的区别？7.线性回归和逻辑回归的区别？8.随机梯度下降（SGD）和批量梯度下降（BGD）的区别9.什么是AUC10.模型中的w参数，为什么不能过大？11.什么是正则化项？12.过拟
幼稚的人呐·2022-11-09 17:17

人工智能机器学习面试题和答案

机器学习面试题和答案1、机器学习是什么？机器学习是人工智能的一种形式，它处理系统编程和自动化数据分析，使计算机能够通过经验学习和行动，而无需明确编程。
海澜明月·2022-11-09 17:15

机器学习面试题集-图解准确率，精确率，召回率

https://www.toutiao.com/a6692359723615781389/今天进入第二章：模型评估1.什么是模型评估模型训练后要对其进行评估，看模型表现如何，哪里可以改进分类、排序、回归、序列预测不同问题指标不同什么时候评估？两个阶段：离线评估和在线评估2.算法工程师应当具备的基本功知道每种评估指标的精确定义选择合适的评估指标根据评估指标的反馈调整模型3.什么是准确率定义：指分类正
喜欢打酱油的老鸟·2022-10-25 21:36

机器学习面试题——朴素贝叶斯

机器学习面试题——朴素贝叶斯提示：这些知识点也是大厂笔试经常考的题目，我记得阿里和京东就考！！！
冰露可乐·2022-10-17 07:31

总结了 200 道 BAT 机器学习面试题，值得收藏 (附参考答案)

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。
Python数据挖掘·2022-10-11 07:08

总结了200道经典的机器学习面试题（附参考答案）

本文总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。
samll-guo·2022-10-11 07:38

总结了200道经典的机器学习面试题 (附参考答案)

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。
俊红的数据分析之路·2022-10-11 07:35

机器学习中的生成式模型VS判别式模型，分类，特点

基础知识：【1】机器学习面试题——支持向量机SVM【2】机器学习面试题——朴素贝叶斯文章目录机器学习中的生成式模型VS判别式模型，分类，特点@[TOC](文章目录)判别式模型生成式模型【基本概念】【适用环境
冰露可乐·2022-10-10 20:02

常见的机器学习面试题

1.请详细说说支持向量机（supportvectormachine，SVM）的原理。一般不会问，但是你要用自己的话说出来。2.哪些机器学习算法不需要做归一化处理？解析：在实际应用中，通过梯度下降法求解的模型一般都是需要归一化的，比如线性回归、logistic回归、KNN、SVM、神经网络等模型。但树形模型不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、随机森
king1043·2022-10-09 10:11

机器学习面试题1~60

原文链接：https://mp.weixin.qq.com/s?__biz=MzI4MTQ2NjU5NA==&mid=2247485444&idx=1&sn=adafa4394cc0fecd33c374e3f62c4f2a&chksm=eba98b89dcde029fd4baea2e360c1bd5c4be0dc7faf5980a26788b5d22f250d5d98c91b37354&scene
我是小x·2022-10-09 10:03

深度学习/机器视觉/数字IC/FPGA/算法手撕代码目录总汇

目录FPGA/数字IC手撕代码总汇常用算法手撕代码总汇FPGA工程师经典面试题数字IC经典面试题深度学习/人工智能/机器学习面试题数字图像/计算机视觉面试题FPGA/数字IC手撕代码总汇更新中常用算法手撕代码总汇更新中
fpga和matlab·2022-10-08 07:39

太给力了！40000字整理了机器学习面试200题！

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。1.请简要介绍下SVM。SVM，全称是supportvectormachine，中文名叫支持向量机。
Sim1480·2022-10-01 07:47

机器学习面试题——PCA与LDA

机器学习面试题——PCA与LDA提示：不知道今后互联网大厂考还是不考，准备着PCA介绍一下PCA算法步骤PCA原理PCA降维之后的维度怎么确定说说PCA的优缺点推导一下PCA降维方法有哪些？
冰露可乐·2022-09-28 19:01

机器学习面试题（二）

1.生成模型与判别模型的区别？监督学习方法分为生成方法和判别方法，所学到的模型分别称为生成模型和判别模型。生成方法由数据学习联合概率分布P(X,Y)，然后求出条件概率P(Y|X)作为预测的模型，即生成模型：P(X,Y)P(X)P(X,Y)P(X)这样的方法称为生成方法，因为模型表示了给定输入X产生输出Y的生成关系。典型的生成模型有：朴素贝叶斯和隐马尔可夫模型。判别方法由数据直接学习决策函数f（X）
hbhszw_yiyan·2022-09-11 07:36

深度学习机器学习面试题汇——模型优化，轻量化，模型压缩

深度学习机器学习面试题汇——模型优化，轻量化，模型压缩提示：互联网大厂可能考的面试题若CNN网络很庞大，在手机上运行效率不高，对应模型压缩方法有了解吗介绍一下模型压缩常用的方法？为什么用知识蒸馏？
冰露可乐·2022-08-13 07:07

机器学习面试题库：101-110题（11day）

机器学习面试题库：101-110题（11day）SVM核函数有四种：1.线性核函数2.多项式核函数3.sigmoid核函数4.高斯径向基核函数KNN算法不需要训练参数,而所有神经网络都需要训练参数,因此神经网络帮不上忙
空城不空99·2022-07-17 07:38

深度学习机器学习面试题——自然语言处理NLP,transformer,BERT,RNN,LSTM

深度学习机器学习面试题——自然语言处理NLP,transformer,BERT,RNN,LSTM提示：互联网大厂常考的深度学习基础知识LSTM与Transformer的区别讲一下Bert原理，Bert好在哪里
冰露可乐·2022-07-08 07:33

机器学习面试题

BAT机器学习面试1000题系列转自：http://blog.csdn.net/v_july_v/article/details/78121924BAT机器学习面试1000题系列请简要介绍下SVMSVM，全称是supportvectormachine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。扩展：这里有篇文章详尽介绍了SVM的原理
bebr·2022-06-30 07:40

机器学习面试题——支持向量机SVM

机器学习面试题——支持向量机SVM提示：机器学习面试题汇总与解析——SVM这些知识点可能经常会出现在互联网大厂的笔试中，因此不仅是面试可以用，笔试也会用的，阿里，京东都会考这样的题文章目录机器学习面试题
冰露可乐·2022-06-27 23:04

深度学习机器学习面试题——卷积与池化

深度学习机器学习面试题——卷积与池化提示：说说有哪些卷积卷积实现原理？
冰露可乐·2022-06-21 07:53

200道BAT机器学习面试题分享

来源：CSDN作者：qinjianhuang整理编辑：Mr.Ma-master导读刷题，是工作面试前的必备环节。小编根据网络在线发布的BAT机器学习面试1000题系列，整理了一份面试刷题宝典。干货满满，值得收藏。精选了200道题目并整理编辑如下：原文作者整理的1000道链接附在最后，供参考。题目1.请简要介绍下SVM。SVM，全称是supportvectormachine，中文名叫支持向量机。SV
Mr.Ma-master·2022-06-10 07:34

Python干货：破解40大机器学习面试题（包含初中高级）

机器学习（ML）是我们世界的未来。在未来的几年中，几乎每种产品都将包含ML组件。ML预计将从2020年的$7.3B增长到2024年的$30.6B。对ML技能的需求遍及整个行业。机器学习面试是一个严格的过程，在此过程中，应聘者会评估其基本概念知识以及对ML系统，实际应用和特定产品需求的理解。如果您正在寻找机器学习的职业，那么了解面试的期望至关重要。因此，为帮助您准备，我收集了40个机器学习面试问题。
土豆编程·2022-05-09 07:15

Python实现数据预处理-离散值处理

关于特征值离散化的相关内容可以看机器学习面试题之机器学习基础（一）1.pandas进行特征离散处理importpandasaspddf=pd.DataFrame([['green','M',10.1,'
jaffe_wei·2022-04-02 07:40

机器学习面试题60~100

61.说说梯度下降法  @LeftNotEasy，本题解析来源：http://www.cnblogs.com/LeftNotEasy/archive/2010/12/05/mathmatic_in_machine_learning_1_regression_and_gradient_descent.html  下面是一个典型的机器学习的过程，首先给出一个输入数据，我们的算法会通过一系列的过程得到一
我是小x·2022-03-17 07:44

机器学习面试题集-如何画 ROC 曲线

本文结构：什么是ROC？怎么解读ROC曲线？如何画ROC曲线？代码什么是AUC？代码ROC曲线和P-R曲线对比？ROC曲线和AUC常被用来评价一个二值分类器的优劣。先来看一下混淆矩阵中的各个元素，在后面会用到：1.ROC：ReceiverOperatingCharacteristicCurve是评价二值分类器的重要指标横坐标为假阳性率（FalsePositiveRate，FPR）=FP/N,预测为
不会停的蜗牛·2022-02-19 04:13

机器学习面试题-转载

原文链接1比较Boosting和Bagging的异同二者都是集成学习算法，都是将多个弱学习器组合成强学习器的方法。Bagging：从原始数据集中每一轮有放回地抽取训练集，训练得到k个弱学习器，将这k个弱学习器以投票的方式得到最终的分类结果。Boosting：每一轮根据上一轮的分类结果动态调整每个样本在分类器中的权重，训练得到k个弱分类器，他们都有各自的权重，通过加权组合的方式得到最终的分类结果。2
Leslie__l·2022-02-11 11:32

机器学习面试题

原文链接http://blog.csdn.net/hguo11/article/details/78059085海康1.电话面试：介绍你做的项目？ 特征选择方法?解释logostic回归？说一下Xgboost？Xgboost和GBDT的区别？发布2.杭州面问项目问的很细，重点看项目？你觉得你项目中哪部分做的好？如果再给你一次机会，你会从哪些方面考虑？Xgboost特点(我用的这个比较多)
真小假·2022-02-11 07:02

收藏 | 总结经典的机器学习面试题

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。本文作者根据网络在线发
SophiaCV·2021-09-17 18:00

收藏 | 200 道机器学习面试题

本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。
小白学视觉·2021-08-25 10:00

如何解决样本不均衡的问题

机器学习面试题中有这么一道题：如果正样本有10000，负样本有1000，该怎么训练？这个问题属于机器学习样本训练中的样本不均衡问题。
环境与方法·2021-06-25 16:04

机器学习面试题集-图解准确率，精确率，召回率

今天进入第二章：模型评估1.什么是模型评估模型训练后要对其进行评估，看模型表现如何，哪里可以改进分类、排序、回归、序列预测不同问题指标不同什么时候评估？两个阶段：离线评估和在线评估2.算法工程师应当具备的基本功知道每种评估指标的精确定义选择合适的评估指标根据评估指标的反馈调整模型3.什么是准确率定义：指分类正确的样本占总样本个数的比例是分类问题中最简单的评价指标例如有个模型将100个肿瘤分为恶性（
不会停的蜗牛·2021-06-19 07:05

机器学习面试题

1.什么是数据标准化，为什么要进行数据标准化？我认为这个问题需要重视。数据标准化是预处理步骤，将数据标准化到一个特定的范围能够在反向传播中保证更好的收敛。一般来说，是将该值将去平均值后再除以标准差。如果不进行数据标准化，有些特征（值很大）将会对损失函数影响更大（就算这个特别大的特征只是改变了1%，但是他对损失函数的影响还是很大，并会使得其他值比较小的特征变得不重要了）。因此数据标准化可以使得每个特
AI信仰者·2021-06-14 12:33
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他