全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 7716 道题

排序:

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
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
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
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
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
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
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
5361
VAE 如何建模和训练,编码器、解码器与潜变量各起什么作用?
模型基础与推理多模态与生成模型
原理机制
进阶
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
5376
KNN 如何进行分类或回归,K 与距离如何影响结果?
模型基础与推理机器学习与推荐系统
原理机制
进阶