仅供参考:
用过哪些机器学习算法
1.说一下xgboost的原理
2.GBDT的原理以及常用的调参的参数
3.一个数组,找出第k大的数
4.快排的思想是什么,排序算法哪些时间复杂度比较低
5.特征选择方法都有用过哪些,特征重要性
6.除了k-means,还可以用什么聚类方法,或者你还熟悉什么聚类方法
7.朴素贝叶斯原理
8.TF-IDF原理
9.你都知道哪些分类算法
10.LDA的原理是什么?
11.你用过Python 那么你Python都用过哪些机器学习的库?
12.逻辑回归的思想和过程,损失函数是什么,如何训练得到最优参数
13.如何判断模型有没有过拟合
14.user-cf、item-cf公式,原理区别
15.有监督和无监督算法都有哪些,大概讲讲
有监督:linear model、logisit model、决策树、随机森林、朴素贝叶斯、KNN、SVM
无监督:kmeans、PCA
16.lr与线性回归的区别
https://blog.csdn.net/qq_38328378/article/details/81349922
线性回归与逻辑回归是机器学习中比较基础又很常用的内容。线性回归主要用来解决连续值预测的问题,逻辑回归用来解决分类的问题,输出的属于某个类别的概率,工业界经常会用逻辑回归来做排序。
手写代码:
topk
手撸代码,不用库函数求一个数的立方根,要求误差小于0.01
手写代码实现lr的训练与预测
如何判断单链表中是否有环?
LR、SVM(推导及原理)、树模型(xgboost推导及原理)、集成学习(原理和区别)
已有 0 条评论