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