《机器学习算法面试》专题

主要内容：机器学习术语,假设函数&损失函数,拟合&过拟合&欠拟合机器学习是一门专业性很强的技术，它大量地应用了数学、统计学上的知识，因此总会有一些蹩脚的词汇，这些词汇就像“拦路虎”一样阻碍着我们前进，甚至把我们吓跑。因此认识，并理解这些词汇是首当其冲的任务。本节将介绍机器学习中常用的基本概念，为后续的知识学习打下坚实的基础。 机器学习术语 1) 模型 模型这一词语将会贯穿整个教程的始末，它是机器学习中的核心概念。你可以把它看做一个“魔法盒”，你向它许愿（输入数

从零开始 让 TX2 动起来 安装OpenCV 安装TensorFlow

这个章节介绍scikit-learn 所提供之机器学习资料集，最常用的主要有: 手写数字辨识 鸢尾花资料集 Ex 1: The digits 手写数字辨识 Ex 3: The iris 鸢尾花资料集

监督学习使用标记数据对 (x,y) 学习函数：X\rightarrow Y 。但是，如果我们没有标签呢？这类没有标签的学习方式被称为无监督学习。 无监督学习：如果训练样本全部无标签，则是无监督学习。例如聚类算法，就是根据样本间的相似性对样本集进行聚类试图使类内差距最小化，类间差距最大化。 主要用途： 自动组织数据。 理解某些数据中的隐藏结构。 在低维空间中表示高维数据。

迭代与梯度下降求解 求导解法在复杂实际问题中很难计算。迭代法通过从一个初始估计出发寻找一系列近似解来解决优化问题。其基本形式如下

对于给定训练集 {D}' ，我们希望基于学习算法 L 学得的模型所对应的假设 h 尽可能接近目标概念 c。 为什么不是希望精确地学到目标概念c呢？因为机器学习过程受到很多因素的制约： 获得训练结果集 {D}' 往往仅包含有限数量的样例，因此通常会存在一些在 {D}' 上“等效”的假设，学习算法无法区别这些假设。 从分布 D 采样得到的 {D}' 的过程有一定偶然性，即便对同样大小的不同训练集，学得结果也可能有所不同。

主成分分析是一种降维方法，通过将一个大的特征集转换成一个较小的特征集，这个特征集仍然包含了原始数据中的大部分信息，从而降低了原始数据的维数。换句话说就是减少数据集的特征数量，同时尽可能地保留信息。降维是将训练数据中的样本(实例)从高维空间转换到低维空间，该过程与信息论中有损压缩概念密切相关。同时要明白的，不存在完全无损的降维。

机器学习即Machine Learning，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。目的是让计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能。简单来讲，机器学习就是人们通过提供大量的相关数据来训练机器。

欧氏距离 也称欧几里得距离，是指在m维空间中两个点之间的真实距离。欧式距离在ML中使用的范围比较广，也比较通用，就比如说利用k-Means对二维平面内的数据点进行聚类，对魔都房价的聚类分析（price/m^2 与平均房价）等。 两个n维向量a($$x_{11},x_{12}.....x_{1n}$$)与 b($$x_{21},x_{22}.....x_{2n}$$)间的欧氏距离 python 实现

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

主要作者：@徐英凯｜闪银机器学习工程师 审校顾问：@卢誉声｜Autodesk 软件研发工程师、@高扬｜欢聚时代资深大数据技术专家、@罗远飞｜第四范式机器学习工程师 Toolbox C/C++ Vowpal Wabbit MultiBoost Shogun Java Mahout Weka Mallet JSAT Python Scikit-learn PyBrain nltk Theano Pyl

什么是机器学习？ 机器学习是自动从数据中提取知识的过程，通常是为了预测新的，看不见的数据。一个典型的例子是垃圾邮件过滤器，用户将传入的邮件标记为垃圾邮件或非垃圾邮件。然后，机器学习算法从数据“学习”预测模型，数据区分垃圾邮件和普通电子邮件。该模型可以预测新电子邮件是否是垃圾邮件。 机器学习的核心是根据数据来自动化决策的概念，无需用户指定如何做出此决策的明确规则。 对于电子邮件，用户不提供垃圾邮件的

提前批 过去有点久了，可能有些回忆不准确了 百度机器学习一面 （电话，很简短） 询问想做的方向 问了LSTM GRU的结构和区别 Attention 原理 Bert 原理 对做NLP怎么看 百度机器学习二面 过项目，问项目涉及到的机器学习算法 概率题 贝叶斯相关 手撕算法 二分查找 先写无重复的 再写有重复找第一个 百度机器学习三面 证明根号二是无理数 用梯度渐近法求根号2 用牛顿法求根号2 手撕

30分钟 自我介绍 项目拷打 Kmeans与Kmeans++的区别 Kmeans一定会收敛吗（EM算法来证明） LightGBM比XGBoost的最大提升在于直方图加速，请详细介绍一下原理和过程 为什么sigmoid、tanh和relu能被用作激活函数 神经网络梯度爆炸问题怎么解决 无手撕题

#24届软开秋招面试经验大赏# 认准拉普拉斯，秋招必上岸 就业咨xun可私。 荣耀的面试体验真的很不错，面试官都是用“您”提问。而且面试过程也挺像唠嗑，还是很舒服的。 之前听说荣耀要变成国企，还有说要单独上市的，也不知道谁说得对。 整体来看，面试难度不高，而且今年好像给的很大方。 面了半小时，难度两颗星。 1 自我介绍 2 实习介绍 项目介绍 科研介绍 3 讲一下科研，挺感兴趣这个东西 4 说一下