真面经，好答案。面试之前，先来面栈。

全部题目

已筛选

共 6433 道题

排序：

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
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