真面经，好答案。面试之前，先来面栈。

模型基础与推理

本分类共 8 个专题 · 1061 道题

已筛选

共 1061 道题

排序：

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
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4 份题集
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5 份题集
5329
随机森林训练时如何选择主要超参数？
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
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5 份题集
5331
XGBoost 如何加速分裂搜索并支持并行与大规模训练？
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
5332
逻辑回归与 GBDT 有什么区别，什么场景适合各自使用？
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
5333
决策树及树集成模型如何处理缺失特征？
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
5334
线性链 CRF 如何建模并解码序列标注？
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