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。
什么 Mercer’s Theorem， 阐述⼀下具体的细节。
原题使⽤⾮线性 Kernel 有哪些优缺点？重点介绍⼀下效率上的缺点，并说明为什么会 产⽣效率上的缺点？
原题SVM 是 margin-based classifier, 试着推导 SVM，并说明什么是 KKT 条件。
原题如果不考虑 kernel， 逻辑回归和 SVM 的区别是什么？
原题在随机梯度下降法⾥怎么有效地选择学习率?有哪些常⻅见的动态改变学习率的策略？
原题深度学习是什么？ 它跟所谓的传统的学习模型有什么本质的区别？从模型的 Capacity, Hierarchical Representation 的⻆角度举例说明。
原题PCA 的原理是什么？ 推导⼀下 PCA 的过程。
原题什么叫 PAC 理论？ 它主要⽤来解决什么问题？
原题解释⼀下矩阵分解算法以及怎么⽤到推荐系统⾥，并利⽤梯度下降法来推导矩阵 分解过程。
原题模型参数和超参数的区别是什么？
原题
暂无题目