AI人工智能-机器学习相关面试八股合集2021-2025归纳
·
机器学习
1.机器学习模型
1.1有监督学习模型
1.2无监督学习模型
1.3概率模型
1.4什么是监督学习？什么是非监督学习？
所有的回归算法和分类算法都属于监督学习。并且明确的给给出初始值，在训练集中有特征和标签，并且通过训练获得一个模型，在面对只有特征而没有标签的数据时，能进行预测。
监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。
非监督学习：直接对输入数据集进行建模，例如强化学习、K-means聚类、自编码、受限波尔兹曼机。
半监督学习：综合利用有类标的数据和没有类标的数据，来生成合适的分类函数。
目前最广泛被使用的分类器有人工神经网络、支持向量机、最近邻居法、高斯混合模型、朴素贝叶斯方法、决策树和径向基函数分类。
无监督学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了。
回归，分类，聚类方法的区别和联系并举例，简要介绍算法思路。
生成模式vs判别模式
生成模型：
由数据学得联合概率分布函数P（X,Y），求出条件概率分布P(Y|X)的预测模型。
朴素贝叶斯、隐马尔可夫模型、高斯混合模型、文档主题生成模型（LDA）、限
制玻尔兹曼机。
判别式模型：
由数据直接学习决策函数Y=f(X)，或由条件分布概率P（Y|X）作为预测模型。
K近邻、SVM、决策树、感知机、线性判别分析（LDA）、线性回归、传统的神
经网络、逻辑斯蒂回归、boosting、条件随机场。
完整pdf可查看下方图片自娶即可~
码道开发者社区，聚焦华为云码道 CodeArts 代码智能体，沉淀 Agent、Skill、鸿蒙开发实战内容，供开发者查阅资料、交流技术、分享工程实践
更多推荐
22
0- 0
已为社区贡献6条内容
所有评论(0)