推薦系統(tǒng) 百面百搭 更新

推薦系統(tǒng) 百面百搭：https://github.com/km1994/RES-Interview-Notes

NLP 百面百搭地址：https://github.com/km1994/NLP-Interview-Notes

個(gè)人筆記：https://github.com/km1994/nlp_paper_study

關(guān)注公眾號(hào) 【關(guān)于NLP那些你不知道的事】 加入 【NLP && 推薦學(xué)習(xí)群】一起學(xué)習(xí)！?。?/span>

機(jī)器學(xué)習(xí)基礎(chǔ)

Batch Normalization 相關(guān)問(wèn)題

1. 什么是 Batch Normalization？

2. Batch Normalization 多卡同步 的動(dòng)機(jī)？

3. Batch Normalization 多卡同步 的原理？

4. Batch Normalization 多卡同步 的操作(pytorch)？

• 答案【點(diǎn)擊原文獲取】

邏輯斯蒂回歸（LR, Logistic Regression)是什么、怎么推導(dǎo)？

• 答案【點(diǎn)擊原文獲取】

交叉熵與softmax 是 什么？有什么區(qū)別？

1. 交叉熵 數(shù)學(xué)原理？

2. 交叉熵 損失函數(shù)？

3. 交叉熵不適用于回歸問(wèn)題？

4. 交叉熵與softmax 的 區(qū)別？

5. 為什么softmax分母是所有類別的加權(quán)和？

6. 為什么要引入指數(shù)形式？

7. 為什么不用2、4、10等自然數(shù)為底而要以 e 為底呢？

8. 為什么分母是所有類別的加權(quán)和？

9. 為什么要引入指數(shù)形式？

• 答案1【點(diǎn)擊原文獲取】

• 答案2【點(diǎn)擊原文獲取】

交激活函數(shù) 是 什么？有什么作用？

1. 激活函數(shù)的主要作用？

• 答案1【點(diǎn)擊原文獲取】

泛化誤差（過(guò)擬合） 問(wèn)題？

• 答案【點(diǎn)擊原文獲取】

SVM 是什么、怎么推導(dǎo)？

1. SVM 基本原理、意義?

2. SVM推導(dǎo)?

3. SVM 核函數(shù) 是什么？

4. SVM 核函數(shù)作用 是什么？

5. SVM 核函數(shù) 有哪些？

6. SVM 核函數(shù) 怎么選擇？

7. SVM 軟間隔與損失函數(shù)

• 答案-》10. SVM【點(diǎn)擊原文獲取】

約束優(yōu)化問(wèn)題的對(duì)偶問(wèn)題

• 答案-》11. 約束優(yōu)化問(wèn)題的對(duì)偶問(wèn)題

Dropout 是什么？

1. 為什么 需要用 Dropout？

2. Dropout 原理？

3. Dropout 訓(xùn)練與測(cè)試

4. Dropout 為什么可以減輕過(guò)擬合？

5. BN和Dropout共同使用出現(xiàn)的問(wèn)題?

• 答案-》11.Dropout【點(diǎn)擊原文獲取】

評(píng)價(jià)指標(biāo)？

• 答案-》12. 評(píng)價(jià)指標(biāo)【點(diǎn)擊原文獲取】

正則化L1,L2？

1. 什么是正則化?

2. L1正則化 是什么？

3. L2正則化 是什么？

4. L1和L2正則化的區(qū)別？

• 答案-》13.正則化L1,L2【點(diǎn)擊原文獲取】

權(quán)重初始化？

1. 是否可以將權(quán)重初始化為0？

• 答案-》14.權(quán)重初始化【點(diǎn)擊原文獲取】

決策樹是什么、怎么推導(dǎo)？

1. 決策樹是什么？

2. ID3 是什么？

1. 什么是 信息增益？

3. C4.5 是什么？

1. 什么是 增益率

4. CART決策樹 是什么？1."基尼指數(shù)" (Gini index) 是什么？

5. 剪枝策略？

6. 缺失值處理？

1. 如何在屬性值缺失的情況F進(jìn)行劃分屬性選擇?

2. 給定劃分屬性?若樣本在該屬性上的值缺失，如何對(duì)樣本進(jìn)行劃分?

7. LR、決策樹、SVM的選擇與對(duì)比

• 答案-》15. 決策樹【點(diǎn)擊原文獲取】

優(yōu)化算是什么？

1. 優(yōu)化算法是什么？

2. 梯度下降法的含義 是什么？

3. 什么是 批量梯度下降法 （Batch Gradient Descent）？

4. 隨機(jī)梯度下降（Stochastic Gradient Descent） 是什么？

5. 什么是 小批量梯度下降（Mini-Batch Gradient Descent）

6. 動(dòng)量法（Momentum）？

7. Nesterov Momentum（Nesterov Accelerated Gradient？

8. Adagrad法

9. Adadelta/RMSprop

10. Adam：Adaptive Moment Estimation自適應(yīng)矩估計(jì)

• 答案-》17.優(yōu)化算法【點(diǎn)擊原文獲取】

線性判別分析是什么？

1. 線性判別分析(linear discriminant analysis，LDA)是什么？

2. LDA與PCA 異同點(diǎn) 是什么？

3. LDA優(yōu)缺點(diǎn) 是什么？

• 答案-》18. 線性判別分析

KMeans是什么？

1. KMeans是什么？

2. KMeans 優(yōu)缺點(diǎn) 是什么？

• 答案-》21.KMeans

牛頓法 是什么？

1. 牛頓法 是什么？

• 答案-》22. 牛頓法

缺失值的處理？

1. 缺失值的原 是什么？

2. 具體算法的缺失值處理？

• 答案-》23. 缺失值的處理

模型評(píng)估中常用的驗(yàn)證方法

1. Holdout檢驗(yàn) 是什么？

2. 交叉檢驗(yàn) 是什么？

3. 自助法 是什么？

• 答案-》24. 模型評(píng)估中常用的驗(yàn)證方法

主成分分析

1. 主成分分析 是什么？

• 答案-》25. 主成分分析

Softmax函數(shù)的特點(diǎn)和作用是什么

1. Softmax函數(shù)的特點(diǎn)和作用是什么？

• 答案-》26.Softmax函數(shù)的特點(diǎn)和作用是什么

樣本不均衡是什么

1. 導(dǎo)致模型性能降低的本質(zhì)原因是什么？

2. 導(dǎo)致模型性能降低的解決辦法是什么？

• 答案-》27.樣本不均衡

損失函數(shù)

• 答案-》 28.損失函數(shù)

貝葉斯決策論

• 答案-》29.貝葉斯決策論

采樣

• 答案-》30.采樣