【面經】機器學習相關

文章目錄

• 機器學習面試題彙總
• • 1. 必備技能
  • 2.面試中問到的問題
  • 3.可能問到的代碼題

機器學習面試題彙總

1. 必備技能

2.面試中問到的問題

• Adam和SGD優化器哪個更好，好在哪裡，哪個使模型更加容易發散?
• KNN和SVM的細節
• 離線過采樣和線上過采樣哪個更快？
• 如何針對已有的網絡做改進，提升速度？
• 如何解決類别不平衡問題？
• 訓練網絡的名額，除了基本的的acc,loss，roc、auc有了解嗎？
• 資料增強用過哪些
• 推導logistic回歸
• bagging boosting 的差別，誰是更關注方差 ，誰是更關注偏差
• SVM, FM, 協同過濾，樹
• SVM大概說一下（不用寫公式）
• XGB lightgbm GBDT的關系和差別
• 模拟退火算法介紹
• lightgbm GBDT xgb，問的超級細，可能持續了7 8分鐘，XGB殘差怎麼用一次和二次梯度求，分裂點怎麼求，思想原理是什麼。XGB實際使用中重要的超參數，你們比賽中用的目标函數是什麼，為什麼lightgbm速度更快，其并行計算如何實作（這點沒回答上）
• 如何防止過拟合,項目中用過哪些手段

3.可能問到的代碼題

• 實作softmax，包括init，forward，backward。
• kmeans聚類，手寫
• 先問我bagging boosting 的差別，我愉快的回答了，然後題就來了，bagging 中随機有放回采樣，假如一共有N個樣本 采樣了N次，得到N個采樣資料，去重後有X個資料 求E（X），我隻列出了暴力計算的方法，是有簡單的我沒想出來,各位大神知道的可以講講