机器学习面试
来源:互联网 发布:java groupingby 编辑:程序博客网 时间:2024/05/16 19:51
1、L1正则和L2正则的区别?
L1正则:可以产生稀疏的模型,可以实现特征的自动选择
L2正则:可以防止过拟合,提升模型的泛化能力
2、什么方法可以防止过拟合问题的发生?
可以增加样本,可以增加正则项
3、常见的核函数有哪些?
线性核、多项式核、高斯核、拉普拉斯核和Sigmoid核
0 0
- 机器学习面试总结
- 面试:机器学习--贝叶斯
- 面试:机器学习--决策树
- 面试:机器学习--Adaboosting
- 机器学习面试材料
- 机器学习面试
- 机器学习面试经验总结
- MT机器学习面试
- NY机器学习面试
- 机器学习面试准备
- 机器学习面试
- 机器学习面试2
- 机器学习面试算法
- 机器学习面试知识点
- 机器学习面试心得
- 机器学习面试
- 机器学习面试
- 秒针机器学习面试
- [leetcode]18. 4Sum
- 致雅嵌入式工作室——arduino板和树莓派板开箱验货(图片)
- 数据仓库03
- 我是如何自学 Android 的?
- 读书笔记之计算机操作系统的启动——《操作系统真相还原》
- 机器学习面试
- 数据结构--线性表
- 玲珑杯1029【大数分解质因子+排列组合】
- nodejs学习2-模块
- ubuntu密码正确,一直无法进入桌面系统,又跳回到登录界面
- 《JAVA与模式》之代理模式
- [完]Numpy中矩阵对象(matrix)的属性和方法
- Javascript的10个设计缺陷
- Jmeter入门实践