机器学习面试题

Posted 2021-04-27 BAT笔试面试

机器学习

Python

1 、 机器学习好文章
2 、 机器学习中常见的几种损失函数
3 、 常用的模型评价指标有哪些？
4 、 常用python机器学习相关的库有哪些
5 、 特征向量的缺失值处理有哪些方法？
6 、 归一化、标准化、正则化的区别
7 、 特征向量的归一化方法有哪些？
8 、 哪些机器学习算法不需要做归一化处理？
9 、 为什么一些机器学习模型需要对数据进行归一化？
10 、 特征比数据量还大时，选择什么样的分类器？
11 、 单介绍一下ID3、C4.5、CART原理，区别与联系
12 、 简单介绍一下决策树
13 、 决策树的优点及缺点有哪些？
14 、 简单介绍一下CART决策树
15 、 随机森林有哪些优缺点？
16 、 随机森林的“随机”体现在哪些方面？
17 、 如何对决策树进行剪枝？
18 、 Xgboost与GBDT的区别与联系是什么？
19 、 介绍一下GBDT的基本原理
20 、 XGBoost有什么优点
21 、 常用的损失函数有哪些？
22 、 LR的原理和Loss的推导
23 、 RF与GBDT之间的区别
24 、 L1和L2正则的区别，如何选择L1和L2正则
25 、 L1范式和L2范式的区别
26 、 什么是过拟合，产生的原因，以及解决的方法有哪些？
27 、 什么是过拟合？如何解决过拟合
28 、 解决过拟合的一种方法是增加数量集，如何增加数据集呢？
29 、 为什么要将求解SVM的原始问题转换为其对偶问题？
30 、 SVM为什么采用间隔最大化？
31 、 SVM的原理是什么？
32 、 SVM如何处理多分类问题？
33 、 SVM与树模型之间的区别
34 、 SVM的模型的推导
35 、 聚类相关面试题
36 、 机器学习常用的距离度量方法有哪些？
37 、 基于内容推荐算法有什么优缺点
38 、 常见的推荐算法有哪些
39 、 机器学习中有哪些优化方法
40 、 有监督学习和无监督学习有什么区别
41 、 收集的AI、机器学习面试题
42 、 机器学习常用的评价指标有哪些？
43 、 集成学习中的Bagging方法和Boosting方法有什么区别？
44 、 集成学习有哪些方法，各有什么特点？
45 、 对于维度极低的特征，你是选择线性还是非线性分类器？
46 、 线性分类器与非线性分类器的区别以及优劣
47 、 什么是生成模型和判别模型？
48 、 什么是"泛化能力"?
49 、 有监督学习和无监督学习的区别
50 、 机器学习项目的一般流程？
51 、 请描述梯度消失和梯度膨胀
52 、 列举优化算法及其优缺点

推荐阅读

加小编微信（备注：机器学习）

拉你入“机器学习交流群”