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 · 1155 道题

已筛选

共 389 道题

排序：

5320
什么是集成学习，常见组合框架有哪些？
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3 个题集来源
5326
GBDT 如何拟合负梯度并完成分类或回归？
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3 个题集来源
5327
随机森林如何训练和预测，随机性为何有助于泛化？
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 个题集来源
5328
随机森林与 GBDT 的机制和适用条件有什么区别？
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3 个题集来源
5330
XGBoost 如何通过目标函数和梯度信息学习树模型？
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 个题集来源
5343
线性回归如何表示、拟合和解释变量关系？
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 个题集来源
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3 个题集来源
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3 个题集来源
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 个题集来源
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3 个题集来源