真面经，好答案。面试之前，先来面栈。

机器学习基础概念知识点

题集来源：Rocky Ding（WeThinkIn）收录项目：AIGC-Interview-Book查看原题集

题目目录

30 道原题

  1. 什么是机器学习？机器学习一共有哪些学习方式？

    原题
    关联题目机器学习是什么，与传统规则编程有什么区别？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经关联题目强化学习、监督学习和无监督学习有什么区别？模型训练与对齐 / 强化学习与奖励比较选型基础0篇相关面经

  2. 机器学习有哪些学习方式？

    原题
    关联题目强化学习、监督学习和无监督学习有什么区别？模型训练与对齐 / 强化学习与奖励比较选型基础0篇相关面经

  3. 什么是模型的偏差和方差？

    原题
    关联题目如何理解预测误差中的偏差、方差和噪声及其取舍？模型基础与推理 / 机器学习与推荐系统概念解释进阶0篇相关面经

  4. 训练集/验证集/测试集划分

    原题
    关联题目为什么要区分训练集、验证集和测试集，应如何划分？模型基础与推理 / 机器学习与推荐系统方案设计基础0篇相关面经

  5. 什么是奥卡姆剃刀原理？

    原题
    关联题目奥卡姆剃刀原理如何用于模型选择，有什么边界？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经

  6. 什么是没有免费的午餐定理？

    原题
    关联题目没有免费的午餐定理对机器学习选型有什么启示？模型基础与推理 / 机器学习与推荐系统概念解释进阶0篇相关面经

  7. 判别式模型和生成式模型的本质区别？

    原题
    关联题目生成式模型与判别式模型有什么区别，如何判断具体模型属于哪一类？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经

  8. 如何理解：“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限”这个行业基本认知？

    原题
    关联题目数据、特征与模型如何共同影响机器学习效果？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经

  9. 什么是AutoML？

    原题
    关联题目AutoML 通常自动化哪些环节，有哪些成本和边界？模型基础与推理 / 机器学习与推荐系统概念解释进阶0篇相关面经

  10. 什么是熵？

    原题
    关联题目信息熵如何衡量离散随机变量的不确定性？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经