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：

5296
K-Means 有哪些优势和局限，哪些数据需要改用其他聚类方法？
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4 份题集
5297
主题建模产生大量重叠关键词时，应如何诊断并改善主题区分度？
模型基础与推理机器学习与推荐系统
故障排查
进阶
暂无面经1 份题集
5304
SetFit 如何利用少量标注训练文本分类器？
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
5310
AdaBoost 如何训练弱学习器并更新样本与模型权重？
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
5311
AdaBoost 如何用于回归任务？
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
5312
Bagging 与 Boosting 有什么区别，如何从偏差和方差理解？
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
5313
Boosting 模型如何控制迭代规模和过拟合？
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1 份题集
5314
AdaBoost 与 GBDT 的训练机制有什么区别？
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1 份题集
5315
集成学习如何选择基学习器，为什么常用决策树？
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
5316
Bagging 与 AdaBoost 嵌套时，组合顺序会怎样影响模型？
模型基础与推理机器学习与推荐系统
比较选型
深入
暂无面经1 份题集