(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)
-
朴素贝叶斯公式推导与实现
-
卷积层相比FC层囿哪些优势
-
如何判断一个算法是线性的还是非线性的?
-
LR的实现优点,如何并行特征有共线性会怎么样?
-
经验风险、期望风险、结构風险
-
实际场景下做softmax容易出现一些问题怎么解决
-
Python迭代器,装饰器
-
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)
-
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
-
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
-
P-R曲线和ROC曲线的区别
-
从方差,偏差噪声的角度解释泛化误差
-
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
-
MLE,MAP和贝叶斯估计的区别
-
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+