hguo11的博客

相关网络图的

批量梯度下降和随机梯度下降法的缺点

面试题总结

面试题：如何解决欠拟合

更多请关注"百面机器学习"相同点（1）两者的作用是用来降维的（2）两者都假设符合高斯分布不同点（1）LDA是有监督的降维方法，PCA是无监督的。（2）LDA降维最多降到类别数K-1的维数，PCA没有这个限制。（3）LDA更依赖均值，如果样本信息更依赖方差的话，效果将没有PCA好。（4）LDA可能会过拟合数据。喜欢就关注一下啦~~~...

机器学习面试题总结的

降维的必要性和目的是什么？

面试题：逻辑回归与朴素贝叶斯有什么区别

面试题：线性回归和逻辑回归的区别

面试题：如何开展监督学习

面试题：机器学习的学习方式主要有哪些？

机器学习面试题：监督学习有哪些步骤

机器学习面试题，机器学习学习方式主要有哪些？

这是整理的一些机器学习的面试题，详细的话可以关注日“百面机器学习”，回复干货领取神经网络中怎么降维？标准化和归一化有什么区别？LSTM为啥比RNN在梯度消失上要好？为啥L1正则先验分布是Laplace分布，L2正则先验分布是Gaussian分布？为什么归一化能加快梯度下降法求优化速度？简单说下Adaboost？SVM和LR区别和联系？机器学习中的距离和相似度度量方式有哪些？AU...

问题引入降维的算法有很多，那么在神经网络中适如何降维的呢？问题回答神经网络中可以通过autoencoder来实现降维，NN（神经网络）来对数据进行大量的降维是从2006开始的，这起源于science上的一篇文章：reducing the dimensionality of data with neural networks，作者就是鼎鼎有名的Hinton。autoencod一个e的基本结构如...

这里写自定义目录标题问题引入问题回答功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入问题引入其实这算是个经典的问题了...

海康1.电话面试： 介绍你做的项目？ 特征选择方法? 解释logostic回归？ 说一下Xgboost？Xgboost和GBDT的区别？发布2.杭州面 问项目问的很细，重点看项目？  你觉得你项目中哪部分做的好？  如果再给你一次机会，你会从哪些方面考虑？ Xgboost特点(我用的这个比较多)？