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：

5317
AdaBoost 有哪些优势和局限，为什么对噪声敏感？
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
5318
CatBoost 的核心原理与主要设计是什么？
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
5319
XGBoost、LightGBM 和 CatBoost 有哪些区别，如何选型？
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
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6 份题集
5321
Bagging 如何通过重采样和预测聚合改善泛化？
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1 份题集
5322
Boosting 如何用前向加法模型逐步学习？
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
5323
Stacking 如何训练基模型和元模型，怎样避免数据泄漏？
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
5324
树模型与树集成如何计算和解释特征重要性？
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
5325
LightGBM 的核心原理与主要优化是什么？
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
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 份题集