监督学习
简单介绍决策树算法
原题决策树和条件概率分布的关系？
原题信息增益比相对信息增益有什么好处？
原题ID3算法>C4.5算法> CART算法
原题决策树的缺失值是怎么处理的
原题决策树的目标函数是什么？
原题决策树怎么处理连续性特征？
原题决策树对离散值的处理
原题决策树怎么防止过拟合？
原题如果特征很多，决策树中最后没有用到的特征一定是无用吗？
原题决策树的优缺点？
原题树形结构为什么不需要归一化?
原题如果特征很多，决策树中最后没有用到的特征一定是无用吗？
原题简述朴素贝叶斯算法原理和工作流程
原题条件概率、先验概率、后验概率、联合概率、贝叶斯公式的概念
原题为什么朴素贝叶斯如此“朴素”？
原题什么是贝叶斯决策理论？
原题朴素贝叶斯算法的前提假设是什么？
原题为什么属性独立性假设在实际情况中很难成立，但朴素贝叶斯仍能取得较好的效果?
原题什么是朴素贝叶斯中的零概率问题？如何解决？
原题朴素贝叶斯中概率计算的下溢问题如何解决？
原题当数据的属性是连续型变量时，朴素贝叶斯算法如何处理？
原题朴素贝叶斯有哪几种常用的分类模型？
原题为什么说朴素贝叶斯是高偏差低方差？
原题朴素贝叶斯为什么适合增量计算？
原题高度相关的特征对朴素贝叶斯有什么影响？
原题朴素贝叶斯的应用场景有哪些？
原题朴素贝叶斯有什么优缺点？
原题朴素贝叶斯与 LR 区别？
原题贝叶斯优化算法(参数调优)
原题朴素贝叶斯分类器对异常值敏感吗?
原题朴素贝叶斯算法对缺失值敏感吗？
原题一句话总结贝叶斯算法
原题朴素贝叶斯与LR的区别？（经典问题）
原题SVM直观解释
原题解出对偶问题的解$\alpha^{*}=\left(\alpha_{1}^{*}, \alpha_{2}^{*}, \ldots, \alpha_{N}^{*}\right)$后，怎么求原问题的解$w^{*}, b^{*}$？
原题什么样的函数可以作为核函数？
原题SVM 为什么采用间隔最大化
原题为什么要将求解 SVM 的原始问题转换为其对偶问题
原题为什么 SVM 要引入核函数
原题为什么SVM对缺失数据敏感
原题SVM 核函数之间的区别
原题LR和SVM的联系与区别
原题SVM的原理是什么？
原题SVM如何处理多分类问题？
原题简述一下KNN算法的原理
原题如何理解kNN中的k的取值？
原题在kNN的样本搜索中，如何进行高效的匹配查找？
原题KNN算法有哪些优点和缺点？
原题不平衡的样本可以给KNN的预测结果造成哪些问题，有没有什么好的解决方式？
原题为了解决KNN算法计算量过大的问题，可以使用分组的方式进行计算，简述一下该方式的原理。
原题正文中的“分组”指先按质心分组，再在选中组中搜索。
K-Means与KNN有什么区别
原题KD树改进
原题简单介绍一下线性回归。
原题线性回归的假设函数是什么形式？
原题线性回归的损失函数是什么形式？
原题简述岭回归与Lasso回归以及使用场景。
原题线性回归要求因变量服从正态分布吗？
原题简单介绍一下逻辑回归
原题简单介绍一下Sigmoid函数
原题逻辑回归的损失函数是什么
原题逻辑回归如何进行多分类？
原题逻辑回归的优缺点
原题逻辑斯特回归为什么要对特征进行离散化。
原题线性回归与逻辑回归的区别
原题为什么逻辑回归比线性回归要好？
原题逻辑回归有哪些应用
原题如果label={-1, +1}，给出LR的损失函数？
原题逻辑回归在训练的过程当中，如果有很多的特征高度相关或者说有一个特征重复了100遍，会造成怎样的影响？
原题LR为什么使用sigmoid函数？
原题LR如何进行并行计算？
原题LR和SVM有什么不同吗
原题
暂无题目