机器学习基础与优化
- 原文作者
- 李文乐 其中第 1—9 题来自李文乐编写的文档：第 1—5 题为 CRF，第 6—9 题为 HMM。
梯度下降法和牛顿法能保证找到函数的极小值点吗，为什么？
原题解释一元函数极值判别法则。
原题解释多元函数极值判别法则。
原题什么是鞍点？
原题解释什么是局部极小值，什么是全局极小值。
原题推导多元函数牛顿法的迭代公式。
原题老板给了你个关于癌症检测的数据集，你构建了分类器然后计算了准确率为 98%， 你是否对这个模型很满意？为什么？如果还不算理想，接下来该怎么做？
原题题干未给出类别比例、验证划分及漏报、误报代价。
怎么判断个训练好的模型是否过拟合？ 如果判断成了过拟合，那通过什么办法 可以解决过拟合问题？
原题对于线性回归，我们可以使 Closed-Form Solution, 因为可以直接把导数设置 为 0，并求出参数。在这个 Closed-Form 涉及到了求逆矩阵的过程，什么时候不能求出其逆矩阵？这时候如何处理？
原题关于正则，我们⼀般采⽤ L2 或者 L1, 这两个正则之间有什么区别？ 什么时候需要⽤ L2， 什么时候需要⽤ L1?
原题
暂无题目