处理分类问题常用算法(二)-----算法岗面试题
回归的区别 参考回答： 线性回归用来做预测,LR用来做分类。线性回归是来拟合函数,LR是来预测函 ...
原文：处理回归问题常用算法------算法岗面试题
L 和L 正则化的区别 参考回答： L 是模型各个参数的绝对值之和,L 为各个参数平方和的开方值。L 更趋向于产生少量的特征,其它特征为 ,最优的参数值很大概率出现在坐标轴上,从而导致产生稀疏的权重矩阵,而L 会选择更多的矩阵,但是这些矩阵趋向于 。 问题：LossFunction有哪些，怎么用 参考回答： 平方损失 预测问题 交叉熵 分类问题 hinge损失 SVM支持向量机 CART回归树的 ...
2019-06-03 20:43 0 618 推荐指数：
相关推荐
处理聚类问题常用算法-----算法岗面试题
● 什么是DBSCAN 参考回答： DBSCAN是一种基于密度的空间聚类算法,它不需要定义簇的个数,而是将具有足够高密度的区域划分为簇,并在有噪声的数据中发现任意形状的簇,在此算法中将簇定义为密度相连的点的最大集合。 ● k-means算法流程 参考回答： 从数据集中随机选择k ...
处理分类问题常用算法(一)-------算法岗面试题
交叉熵公式 参考回答： 交叉熵：设p(x)、q(x)是X中取值的两个概率分布，则p对q的相对熵是： 在一定程度上，相对熵可以度量两个随机变量的“距离”，且有D(p||q) ≠D(q| ...
推荐系统的常用算法----算法岗面试题
● 请你说一说推荐算法，fm，lr，embedding 参考回答： 推荐算法： 基于人口学的推荐、基于内容的推荐、基于用户的协同过滤推荐、基于项目的协同过滤推荐、基于模型的协同过滤推荐、基于关联规则的推荐 FM： LR： 逻辑回归本质上是线性回归，只是在特征 ...
深度学习(一)-------算法岗面试题
● BatchNormalization的作用 参考回答： 神经网络在训练的时候随着网络层数的加深,激活函数的输入值的整体分布逐渐往激活函数的取值区间上下限靠近,从而导致在反向传播时低层的神经 ...
深度学习(二)-----算法岗面试题
● 深度学习了解多少，有看过底层代码吗？caffe,tf? ● 除了GMM-HMM，你了解深度学习在语音识别中的应用吗？ 参考回答： 讲了我用的过DNN-HMM，以及与GMM-HMM的 ...
算法岗面试题积累一
1: LSTM结构推导，为什么比RNN好？答案：推导forget gate，input gate，cell state， hidden information等的变化；因为LSTM有进有出且当前的ce ...
深度学习(三)----算法岗面试题
● 神经网络为啥用交叉熵。 参考回答： 通过神经网络解决多分类问题时，最常用的一种方式就是在最后一层设置n个输出节点，无论在浅层神经网络还是在CNN中都是如此，比如，在AlexNet中最后的输出层有1000个节点，而即便是ResNet取消了全连接层，也会在最后有一个1000个节点的输出层 ...