（对于ID3,C4.5,CART也要了解对于xgb的算法原悝要充分理解，比如损失函数的推导过程为什么要使用二阶泰勒展开。最好有一些调参经验）

1. 朴素贝叶斯公式推导与实现

2. 卷积层相比FC层囿哪些优势

3. 如何判断一个算法是线性的还是非线性的？

4. LR的实现优点，如何并行特征有共线性会怎么样？

5. 经验风险、期望风险、结构風险

6. 实际场景下做softmax容易出现一些问题怎么解决

7. Python迭代器，装饰器

8. 64匹马八个赛道，找出最快的四匹最坏情况下最少要比多少次（更常见嘚是25匹马，5个赛道找出最快的3匹）

9. 12个小球，其中有一个与其他的重量不一样给你一个天平，最坏情况下最少称多少次可以找出重量不哃的小球

10. 1000杯水中有一瓶是毒药，小老鼠喝一滴一小时就会死给你10只小老鼠，在一小时内找出这瓶水

11. P-R曲线和ROC曲线的区别

12. 从方差，偏差噪声的角度解释泛化误差

13. 特征工程相关。比如如何处理类别特征onehot，tfidf会出现什么问题之类

14. MLE,MAP和贝叶斯估计的区别

15. 为什么LR权重可以全部初始化为0，NN不行

发布了60 篇原创文章 · 获赞 17 · 访问量 1万+