1、过拟合和欠拟合怎么判断，如何解决？答：主要可以通过训练误差和测试误差入手判断是否过拟合或欠拟合。一般而言训练误差很低，但是测试误差较高，过拟合的概率较大，如果训练误差和测试误差都很高，一般是欠拟合。过拟合可以从增加样本量，减少特征数，降低模型复杂度等方面入手，实际的例子比如线性回归中，对于几十个样本的数据点就没必要用几十个变量去拟合。欠拟合则反之，需要考虑模型是否收敛，特征是否过少，模型是否过于...
机器学习算法题线性回归和逻辑回归的异同？ SVM和LR(逻辑回归)有什么不同？线性回归的输入变量和输出变量都是连续的，逻辑回归的输入变量是连续的，输出变量是类别（或者说是离散的、枚举的）。SVM和LR一般都用于处理分类问题，不同的是二者的实现原理，SVM是以支持向量到分类平面的距离最大化为优化目标，得到最优分类平面，LR是把输出类别以概率的方式表示，常用的是logistic sigmoid函数，然后通过极大似然或其他方法来构造最优...
个人微信公众号1、深度学习基础
1、为什么需要做特征归一化、标准化
1.使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使得模型更准确率 2、加快算法的收敛速度
2、常用的归一化和标准化方法有哪些？
1、线性归一化（min-max标准化） x’ = (x-min(x)) / (max(x)-min(x))，其中max是样本数据的最大值，min是样本数据的最小值 适用于数值比较集中的情况，可使用经验值常量来来代替max，min 2、标准差归一化（z-score 0...
转：https://www.baidu.com/link?url=d3iK-zj5jeKsVZ94M7Oo6n9tth1Wn-9IkZUo-2Mpcsmc5ov_EUxzBq2kXzm-7I0L1k2wd3oHrHVBJ3-YDC1Iu8l5I98zv-qzixjzYh2BLu662rzKkHrao0xjINLY6Wlj&wd=&eqid=f5f07060001bc0c9000000035f4248d5数据库中的主键、索引和外键（数据分析岗经常问）
决策树ID3和C4.5的差别？各自优点？
Boost算法
CART（回归树用平方误差最小化准则，分类树用基尼指数最小化准则）
GBDT与随机森林算法的原理以及区别。
优化算...
原文地址：
https://blog.csdn.net/weixin_40411446/article/details/80398641
作者：诶呀吗_Bug 来源：CSDN
-----------------------------------------------------------------------------------------------
机器学习常见问题
1) 几种模型（ SVM，LR，GBDT，EM ）的原理以及公式推导； 2) RF,GBDT 的区别； GBDT,XgBoost的区别（烂大街的问题最好从底层原理去分析回答）； 3) 决策树处理连续值的方法； 4)...
前 言
辗转几年Java开发，换了几份工作，没一个稳定的学习、工作过程。中间也相亲几次，都是没啥结果。换工作频繁也严重打乱了和姑娘接触的节奏。糟心工作连着遇到几次，也怪自己眼光有问题。
2018也找了2次工作，中间有4、5个月没有工作。看了个世界杯，看了个亚运会。也怪自己这段时间一直是换工作、找工作，节奏太乱了。当然，节奏不乱也可能不会比现在好吧。谁说的准呢？
Java转机器学习——为啥呢？
主要有以下三方面原因：
1...
转至：https://blog.csdn.net/yph001/article/details/80941415?utm_source=blogkpcl4一、机器学习算法工程师笔试题机器学习笔试题目—-网易2016春招
BAT机器学习面试1000题系列
机器学习-算法工程师 -面试/笔试准备-重要知识点梳理
总结一点面试问题－－算法工程师（机器学习）
2018 年大疆机器学习算法工程师春季提前批笔试题
网易机器学习算法工程师笔试编程题
机器学习笔试题目
百度机器学习笔试题二、机器学习算法工程师面试题...
到这我们已经分享第三期Python机器学习方向的面试题了，是不是感觉前两期的面试题非常有用呢？最后一期20道题送给大家。 1.人工智能与机器学习的区别？ 基于经验数据的特性而设计和开发的算法被称为机器学习。而人工智能不但包括机器学习，还包括诸如知识表示，自然语言处理，规划，机器人技术等其它方法。 2.在机器学习中分类器指的是什么？ 在机器学习中，分类器是指输入离散或连续特征值的向量，并输出单个...
机器学习方向的企业面试题昨天我们分享了第一期，今天我们继续分享第二期，还是老规矩喜欢记得收藏分享给小伙伴~~ 1.什么是偏差与方差？ 泛化误差可以分解成偏差的平方加上方差加上噪声。偏差度量了学习算法的期望预测和真实结果的偏离程度，刻画了学习算法本身的拟合能力，方差度量了同样大小的训练集的变动所导致的学习性能的变化，刻画了数据扰动所造成的影响，噪声表达了当前任务上任何学习算法所能达到的期望泛化误...
机器学习方向的企业面试题昨天我们分享了第一期，今天小千继续分享第二期，还是老规矩喜欢记得收藏分享给小伙伴~~ 1.什么是偏差与方差？ 泛化误差可以分解成偏差的平方加上方差加上噪声。偏差度量了学习算法的期望预测和真实结果的偏离程度，刻画了学习算法本身的拟合能力，方差度量了同样大小的训练集的变动所导致的学习性能的变化，刻画了数据扰动所造成的影响，噪声表达了当前任务上任何学习算法所能达到的期望泛化误...
Python的机器学习方向是近年来不少大厂非常注重的方向之一，这也让不少同学都开始转行学习机器学习领域。这里小千为大家整理了一下大厂在机器学习方向的面试题，大家在面试前看一下说不准就能压到宝~~ 1.有监督学习和无监督学习有什么区别？ 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（LR,SVM,BP,RF,GBDT） 无监督学习：对未标记的样本进行训练学习，比发现这些样本中...
Python的机器学习方向是近年来不少大厂非常注重的方向之一，这也让不少同学都开始转行学习机器学习领域，这里小千为大家整理了一下大厂在机器学习方向的面试题，大家在面试前看一下说不准就能压到宝~~ 1.有监督学习和无监督学习有什么区别？ 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（LR,SVM,BP,RF,GBDT） 无监督学习：对未标记的样本进行训练学习，比发现这些样本中...
期思考题及参考解析150.假设你需要调整参数来最小化代价函数（cost function），可以使用下列哪项技术？ A． 穷举搜索 B． 随机搜索 C． Bayesian优化 D． 以上任意一种 答案：（D）151.在下面哪种情况下，一阶梯度下降不一定正确工作（可能会卡住）？ 答案：（B） 这是鞍点（Saddle Point）的梯度下降的经典例子。另，本题来源于：https://www.analyticsvidhya.com/blog/2017/01/must-know-questions-deep-l...
上期思考题及参考解析145.在训练神经网络时，损失函数(loss)在最初的几个epochs时没有下降，可能的原因是？（） A 学习率(learning rate)太低 B 正则参数太高 C 陷入局部最小值 D 以上都有可能 答案：（A）146.下列哪项关于模型能力（model capacity）的描述是正确的？（指神经网络模型能拟合复杂函数的能力） A 隐藏层层数增加，模型能力增加 B Dropout的比例增加，模型能力增加 C 学习率增加，模型能力增...
期思考题及参考解析140.梯度下降算法的正确步骤是什么？计算预测值和真实值之间的误差重复迭代，直至得到网络权重的最佳值把输入传入网络，得到输出值用随机值初始化权重和偏差对每一个产生误差的神经元，调整相应的（权重）值以减小误差答案：正确步骤排序是：4, 3, 1, 5, 2141.已知： - 大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。 - 每一个神经元都有输入、处理函数和输出。 - 神经元组合...
