
面试面经
文章平均质量分 81
Britesun
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
梯度消失问题与如何选择激活函数
梯度消失问题与如何选择激活函数什么是梯度消失?梯度消失有什么影响?是什么原因?解决方案有哪些?如何选择激活函数?1. 什么是梯度消失?梯度消失,常常发生在用基于梯度的方法训练神经网络的过程中。当我们在做反向传播,计算损失函数对权重的梯度时,随着越向后传播,梯度变得越来越小,这就意味着在网络的前面一些层的神经元,会比后面的训练的要慢很多,甚至不会...转载 2018-09-23 16:32:44 · 476 阅读 · 0 评论 -
[面试笔试整理1]:深度学习机器学习面试问题准备(必会)
此系列三篇文章的原文链接 面试笔试整理1:深度学习机器学习面试问题准备(必会) 1、神经网络基础问题(1)Backpropagation(要能推倒) 后向传播是在求解损失函数L对参数w求导时候用到的方法,目的是通过链式法则对参数进行一层一层的求导。这里重点强调:要将参数进行随机初始化而不是全部置0,否则所有隐层的数值都会与输入相关...转载 2018-09-26 15:28:44 · 483 阅读 · 0 评论 -
[面试笔试整理2]:机器学习面试问题准备(进阶)
面试笔试整理4:机器学习面试问题准备(进阶) 一、问题杂烩1、PCA的第二主成分 第二个主成分时域第一成分方向正教的差异性次大方向。 2、什么时候用组合的学习模型 只有当各个模型之间没有相关性的时候组合起来是最好用的。但是一般来说,弱相关的模型组合比较好用。 3、多重共线性 多重共线性是指当两个特征的相关性很大的时候,会对参数模型...转载 2018-09-26 15:30:36 · 497 阅读 · 0 评论 -
[面试笔试整理3]:项目问题准备
面试笔试整理5:项目问题准备 1、课题从目的 -> 意义 -> 难点 -> 如何解决的 -> 用了什么方法为什么要用这些方法 -> 创新点。 2、实习经历 实习期间主要负责华为HC大会的推荐算法以及数据分析,用过SQL Server,制作过报表。 3、自己曾经做过一些比赛,但是结果不是很好,不过还是准备写到简历里转载 2018-09-26 15:34:21 · 324 阅读 · 0 评论 -
LR的公式推导和过拟合问题解决方案
原文链接 Stanford机器学习课程笔记——LR的公式推导和过拟合问题解决方案 1. Logistic Regression 前面说的单变量线性回归模型和多变量线性回归模型,它们都是线性的回归模型。实际上,很多应用情况下,数据的模型不是一个简单的线性表示就可以搞定的...转载 2018-10-09 15:53:06 · 1615 阅读 · 0 评论