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。
对于拥有两层隐含层的神经⽹络（MLP）, 请⼿动推导其 BP 算法的细节。
原题原题未给出激活函数、输出损失和样本批量。
使⽤ KNN 会遇到⼀些效率上的问题，请说明如何使⽤ LSH（latent semantic hashing）来做近似操作？
原题原题的 LSH 按近似近邻语境理解为 locality-sensitive hashing（局部敏感哈希）。
在朴素⻉贝叶斯和语⾔模型中我们通常会使⽤ smoothing 技术，请简述⼏个常⻅见 的 smoothing ⽅法以及它们优缺点。
原题如何理解高方差与低偏差?
原题什么是过拟合和欠拟合，为什么会出现这个现象
原题怎么解决欠拟合
原题怎么解决过拟合（重点）
原题为什么参数越小代表模型越简单？
原题原题未区分参数数值大小、参数稀疏与参数数量。
为什么L1比L2更容易获得稀疏解？（重点）
原题Dropout为什么有助于防止过拟合？（重点）
原题
暂无题目