机器学习面试知识点汇总

线性回归 & 逻辑回归

【机器学习】逻辑回归

支持向量机

【机器学习】支持向量机 SVM

决策树

【机器学习】决策树(上)——ID3、C4.5、CART
【机器学习】决策树(中)——Random Forest、Adaboost、GBDT
【机器学习】决策树(下)——XGBoost、LightGBM
随机森林(Random Forest)面试高频题
GBDT(Gradient Boosting Decision Tree)面试高频题

LSTM

手把手教你构建一个LSTM时序网络

K-means

【机器学习】K-means
KMeans 算法
K-means算法 面试高频题

主成分分析

机器学习】降维——PCA

正则化

一文看懂机器学习中的正则化(Regularization)
L1正则化与L2正则化
机器学习中正则化项L1和L2的直观理解

从贝叶斯的角度来看,正则化等价于对模型参数引入 先验分布:
LR正则化与数据先验分布的关系?
L1、L2正则化详解

数据规范化(BN)

【DL】数据规范化:你确定了解我吗?

集成学习

集成学习(Ensemble learning)面试高频题

数据初始化

【DL】参数初始化:你真的了解我吗?

上一篇:Android Broadcast Receiver 使用入门


下一篇:K-Means(K-均值)聚类算法机器学习