真面经，好答案。面试之前，先来面栈。

机器学习与推荐系统

本分类共 8 个专题 · 1061 道题

已筛选

共 366 道题

排序：

5349
EM 如何迭代估计隐变量模型，收敛与最优性有哪些条件？
模型基础与推理机器学习与推荐系统
原理机制
深入
暂无面经1 份题集
5350
MLE 与 MAP 如何估计参数，先验和数据量怎样影响结果？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经6 份题集
5351
高维小样本数据应如何选择特征并验证效果？
模型基础与推理机器学习与推荐系统
方案设计
进阶
暂无面经4 份题集
5352
SVM 的核技巧如何工作，核函数应满足什么条件？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经3 份题集
5353
SVM 的对偶问题如何建立，并由对偶解恢复分类器？
模型基础与推理机器学习与推荐系统
原理机制
深入
暂无面经2 份题集
5354
逻辑回归与 SVM 有什么联系和区别？
模型基础与推理机器学习与推荐系统
比较选型
进阶
暂无面经2 份题集
5355
PCA 如何寻找主成分，如何推导其优化和矩阵求解？
模型基础与推理机器学习与推荐系统
原理机制
深入
暂无面经3 份题集
5356
PAC 学习理论描述什么问题，误差、置信度与样本量有什么关系？
模型基础与推理机器学习与推荐系统
概念解释
深入
暂无面经1 份题集
5357
矩阵分解协同过滤如何学习特征，Funk SVD 与传统 SVD 有什么区别？
模型基础与推理机器学习与推荐系统
原理机制
进阶
暂无面经2 份题集
5358
模型参数与超参数有什么区别？
模型基础与推理机器学习与推荐系统
概念解释
基础
暂无面经6 份题集