机器学习面试题汇总(机器学习基础)
机器学习基础面试题
1.请简要说说一个完整机器学习项目的流程
2.简单说下有监督学习和无监督学习的区别
3.线性分类器与非线性分类器的区别以及优劣
4.对于维度很高的特征你选择线性分类器还是非线性分类器？维度很低的特征又该如何选择？
5.什么是生成模型和判别模型?
6.常见的生成式模型和判别式模型有哪些？
7.解释置信区间
8.什么是过拟合？
9.什么是正则化?
10.什么是L1正则化和L2正则化？
11.为什么L1正则化相较于L2正则化会产生更加稀疏的矩阵？
12.正则化为什么能防止过拟合？
13.机器学习中经常使用的最优化方法有哪些？
14.简述一下梯度下降法
15.如何处理样本不均衡问题？
16.如何衡量分类器的好坏？
17.介绍一下ROC和AUC
18.为什么要使用ROC曲线？
19.什么是交叉验证？
20.简述交叉验证常见的几种方法
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):
