机器学习面试题汇总(支持向量机相关)
支持向量机面试题,SVM面试题
1.SVM的原理是什么?
2.SVM推导
3.简述SVM软间隔
4.如何使用SMO最优化方法求解SVM模型?
5.SMO算法中对于每次选中的α如何进行优化?
6.SMO算法中如何选择每次优化的两个α?
7.SMO算法优化的终止条件是什么?
8.什么是核函数,为什么SVM要引入核函数?
9.SVM常用的核函数有哪些,如何选择核函数?
10.为什么要将求解SVM的原始问题转换为其对偶问题?
11.SVM为什么采用间隔最大化?
12.SVM对噪声敏感的原因
13.为什么SVM对缺失某些特征数据敏感?
14.SVM的优缺点
15.SVM为什么用在大数据有哪些缺陷?
16.如何防止SVM过拟合(提高泛化能力)?
17.SVM如何调节惩罚因子C?
18.如何处理SVM中样本不平衡的问题?
19.支持向量机(SVM)中的支持向量是什么意思?
20.SVM如何处理多分类问题?
面试题答案总结请扫描小程序码在面试题相关小程序中查看:
获取更多校园招聘资讯请关注校园招聘公众号校招辅助(xiaozhaofuzhu):