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：

5359
如何选择超参数搜索方法，并比较效果与计算成本？
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3 份题集
5360
大规模数据上的 K-Means 如何加速并控制聚类质量？
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2 份题集
5362
局部敏感哈希 LSH 如何加速近似近邻搜索？
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1 份题集
5363
朴素贝叶斯中的零概率问题如何产生，怎样用平滑处理？
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
5364
概率语言模型为什么需要平滑，常见方法有何取舍？
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1 份题集
5365
如何理解预测误差中的偏差、方差和噪声及其取舍？
模型基础与推理机器学习与推荐系统
概念解释
进阶
暂无面经5 份题集
5367
决策树如何学习划分规则并完成分类或回归？
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4 份题集
5368
ID3、C4.5 与 CART 的划分准则和适用能力有什么区别？
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
5369
条件概率、先验、后验和联合概率有什么关系，贝叶斯公式如何使用？
模型基础与推理机器学习与推荐系统
原理机制
基础
暂无面经4 份题集
5370
贝叶斯决策如何根据后验概率选择行动？
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1 份题集