EM算法、HMM、CRF是什么【面试题详解】

RF与GBDT之间的区别与联系【面试题详解】

特征向量的归一化方法有哪些【面试题详解】

监督学习算法有哪些【面试题详解】

Adaboost分类器优缺点有哪些【面试题详解】

神经网络分类器优缺点有哪些【面试题详解】

Logistic回归分类器优缺点有哪些【面试题详解】

K近邻分类器优缺点有哪些【面试题详解】

支持向量机分类器优缺点有哪些【面试题详解】

决策树分类器优缺点有哪些【面试题详解】

贝叶斯分类法有哪些【面试题详解】

特征比数据量还大时，选择什么样的分类器【详细讲解】

数据处理和特征工程的处理有哪些？【详细讲解】

梯度消失问题造成的原因是什么【详细讲解】

数据预处理方法有哪些【详细讲解】

什么是真、伪阳性率【详细讲解】

为什么AUC和logloss比accuracy更常用呢【详细讲解】

AUC是什么【详细讲解】

如何衡量分类器的好坏【详细讲解】

特征选择如何进行【详细讲解】

对偶的概念是什么【详细讲解】

KMeans算法K值的确定方法有哪些【详细讲解】

KMeans算法确定K个初始类簇中心点方法有哪些【详细讲解】

k-means算法的优化方法【详细讲解】

k-means算法的优、缺点有哪些【详细讲解】

k-means算法流程是什么【详细讲解】

k-means算法是什么【详细讲解】

优化k-means的方式有哪些【详细讲解】

随机森林如何评估特征重要性【详细讲解】

随机森林如何处理缺失值 【详细讲解】