随笔分类 - AI问题汇总
摘要：机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作 L1-norm 和L2-norm，中文称作 L1正则化 和 L2正则化，或者 L1范数 和 L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项，所谓"惩罚"是指对损失函数中的某些参数做一些限制。范数的
阅读全文
摘要：1）什么是置信概率？ 置信概率是用来衡量推断结果的概率，该值越大说明推断结果确定性越大，该值越小说明推断结果不确定性越大。 2）什么是交叉验证？ 交叉验证指将含有N个样本的数据集，分成K份，每份N/K个样本。选择其中1份作为测试集，另外K-1份作为训练集，测试集就有K种情况。将K种情况下，模型的泛化
阅读全文
摘要：1）什么是超参数? 超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。 2）超参数有哪些调优手段？ ①网格搜索 网格搜索指查找搜索范围内的所有的点来确定最优值。如果采用较大的搜索范围以及较小的步长，网格搜索有很大概率找到全局最优值。然而，这种搜索方案十分消耗计算资源和时间，特别是
阅读全文
摘要：1）什么是A/B测试? A/B测试就是两种模型同时运行，并在实际环境中验证其效果的方式。在互联网公司中，A/B测试是验证新模块、新功能、新产品是否有效，新算法、新模型的效果是否有提升，新设计是否收到用户欢迎，新更改是否影响用户体验的主要测试方法。在机器学习领域中，A/B测试是验证模型最终效果的主要手
阅读全文
摘要：1）回归问题模型评估指标？ 平均绝对误差：单个观察值与算数平均值的偏差的绝对值的平均。均方误差：单个样本到平均值差值的平方平均值。MAD(中位数绝对偏差)：与数据中值绝对偏差的中值。R2决定系数：趋向于1，模型越好；趋向于0，模型越差。 2）分类问题模型评估指标？ 查准率：分类正确数量 /（分类正确
阅读全文
摘要：1）什么是特征归一化 对数值类型的特征做归一化，可以将所有的特征都统一到一个大致相同的数值区间内。 2）为什么要特征归一化 为了消除数据特征之间的量纲影响，使得不同指标之间有可比性。归一化后加快了梯度下降求最优解的速度。归一化有可能提高精度。 3）特征归一化常用方法 线性函数归一化：它对原始数据进行
阅读全文
摘要：区别： 线性回归假设响应变量服从正态分布，逻辑回归假设响应变量服从伯努利分布线性回归优化的目标函数是均方差（最小二乘法)，而逻辑回归优化的是似然函数（交叉熵）线性回归要求自变量与因变量呈线性关系，而逻辑回归研究的是因变量取值的概率与自变量的概率逻辑回归处理的是分类问题，线性回归处理的是回归问题，这也
阅读全文
