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：

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
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