版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_17677907/article/details/88096512
-
l1 l2正则化和区别
-
XGBoost和提升树
-
二叉平衡树是什么样的
-
linux指令 & && | || 重定向 > >>
-
写快排和堆排,然后比较
-
怎么防止过拟合
-
L1和L2正则
-
ID3树用什么指标选择特征
-
Bagging和boosting的区别
-
Top k用什么排序算法?数据量很大怎么优化?堆排序,分而治之再加上堆排序在合并求top k
-
lr和svm,比较优缺点
扫描二维码关注公众号,回复: 5411167 查看本文章 -
讲讲随机森林的原理?主要是随机属性引入加集成。
-
Linux 复制命令是什么?查询帮助用什么命令?cp --help
-
给你两个有序数组,合并排序一下?我说用Python直接合并排序下就是。。他就问你不会底层语言写对吧,我说不会。。其实后来我想了下我会写。。直接头部一个个判断添加到新的数组就行。。
-
xgboost和gbdt区别?一个利用牛顿法二阶导数信息,正则项加上了树的复杂度,缺失值样本不同权重处理?一个一阶导啥的。
-
随机森林和gbdt谁主要降低偏差和方差?gbdt,随机森林。
-
问二分查找的实现原理
-
用两个栈模拟队列的出对入队
-
问梯度下降算法与牛顿算法的优缺点
-
问BP的过程,然后链式求导怎么做
-
问SVM与贝叶斯的优缺点
-
问KNN如何解决数据维度问题(不会)
-
SVM如何防止过拟合
-
rf和xgboost,比较优缺点
-
TCP3次握手
首先是知识图谱构建,我的简历里写了命名实体识别和关系抽取
面试官没细问,问我知识三元组是如何标注的,我就解释了一下,然后问我搭建什么模型,我就说已经有很多成熟的模型可以用了,当我提到LSTM和CRF
我说命名实体识别的模型是我老大建的,我负责使用及改进,基于远程监督的关系抽取模型是我建的,就问了我原理,