机器学习

[模式识别与机器学习]马春鹏 中文版翻译pdf【网盘链接】

为什么xgboost不用后剪枝【面试题详解】

xgb和lgb在特征、数据并行上存在什么差异【面试题详解】

xgboost对特征缺失敏感吗，对缺失值做了什么操作，存在什么问题【面试题详解】

Lightgbm相对于xgboost的优缺点【面试题详解】

XGB和lightGBM在节点分裂时候的区别是什么【面试题详解】

XGBoost和GBDT的区别有哪些【面试题详解】

XGB特征重要性程度是怎么判断的【面试题详解】

xgb的预排序算法是怎么做的呢【面试题详解】

RF和xgboost哪个对异常点更敏感【面试题详解】

xgb何时停止分裂 【面试题详解】

凸包是什么【面试题详解】

Gradient boosting算法（GBM）和随机森林都是基于树的算法，它们有什么区别【面试题详解】

如何在一个数据集上选择重要的变量【面试题详解】

Ridge回归优于Lasso回归是什么时候【面试题详解】

真阳性率和召回有什么关系？写出方程式【面试题详解】

KNN和KMEANS聚类（kmeans clustering）有什么不同【面试题详解】

模型受到低偏差和高方差问题的困扰使用哪种算法来解决问题【面试题详解】

VC维是什么【面试题详解】

特征选择包括什么？【面试题详解】

机器学习特征工程操作是什么？意义什么【面试题详解】

OOB是什么？随机森林中OOB是如何计算的 优缺点是什么【面试题详解】

xgboost怎么给特征评分【面试题详解】

采用 EM 算法求解的模型有哪些，为什么不用牛顿法或梯度下降法【面试题详解】

解决bias和Variance问题的方法是什么【面试题详解】

偏差与方差是什么【面试题详解】

常用的聚类划分方式有哪些？列举代表算法【面试题详解】

KNN最近邻分类算法的过程是怎么样的【面试题详解】

SVM、LR、决策树的对比【面试题详解】

怎么处理特征向量的缺失值【面试题详解】