笼统专题面试问题汇总
以下为《笼统专题面试问题汇总》的无排版文字预览，完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。
笼统专题
介绍一下人工智能十大算法？
决策树、随机森林、SVM、KNN、Kmeans、神经网络、逻辑回归、线性回归、朴素贝叶斯、降维算法(PCA与LDA)
什么是弱人工智能，强人工智能，超人工智能？
弱人工智能
也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能
强人工智能（Strong AI）
又称通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。
超人工智能（Super Intelligence，缩写 ASI）
假设计算机程序通过不断发展，可以比世界上最聪明，最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。
什么是有监督，什么是无监督？
有监督：数据有标签，训练得到模型，再用模型去预测，常用算法是回归与分类。
无监督：数据没有标签，直接对数据建模。常用算法是聚类。
介绍一下模型评价的性能度量指标？
回归任务中：均方某某：
分类任务中：
TP:正例被判为正例的数量 FP：负例被判为正例的数量（存伪）
TN:负例被判为负例的数量 FN:正例被判为负例的数量(去真)
准确率：表现判别正确的指标，Accuracy=(TP+TN)/total
精确率/查某某：被判为正例样本中真实正例的比例，Precision=TP/(TP+FP)
召回率/查某某：所有真实正例中被判为正例的比例，Recall=TP/(TP+FN)
F1-Measure(F1Score):精确率与召回率的加权调和平均。（用调和平均是因为，如果用算数平均，此高彼低平均也高，调和平均是二者都高才高，符合我们要求）
ROC：以P(TP)为纵轴，P(FP)为横轴，由P(FP)=0处开始从左向右移动分类阈值线，根据与统计图相交情况画出来的P(TP)与P(FP)二者关系的曲线。
AUC：在ROC曲线下的面积。AOC越高，分类器效果越好。
什么是成本函数？
成本是衡量模型与训练样本符合程度的指标，可以理解为针对所有训练样本，模型拟合出来的值与训练样本真实值的误差平均值。成本函数即成本与模型参数之间的函数关系。
为什么需要设置交叉验证数据集？
验证集是随机选取的，所以使用验证集可以调整模型参数，优化模型性能；使用交叉验证集的目的是为了验证是否过拟合，即验证模型的泛化性能。
损失函数、代价(成本)函数、目标函数的区别？
损失函数：用以计算单个训练样本的误差。
成本函数：代价函数是定义在整个训练集上面的，也就是所有样本的误差的总和的平均，即损失函数的总和的平均
目标函数：根据不同学习任务有所不同。例如线性回归的目标函数是一个线性函数。有时目标函数是代价函数+正则化项。
请列举一些常见的分类与回归中的代价函数。
交叉熵代价函数，对数似然代价函数，二次代价函数。
信息熵专题
什么是Gini系数，它的主要作用是什么？
Gini系数是一种与信息熵类似的做特征选择的方式，可以用来衡量数据的不纯度，常用其构造二叉决策树。
介绍一下熵，信息量，信息熵？
熵(entropy)在统计学中是一个很重要的概念,用于特征的选择,衡量结果的不确定性,?信息熵越小, 结果越简单。?
信息量：信息的大小，单位为比特，I(x)=--∑p(x)log(p(x))。
信息熵：H(x)=E(I(x)),信息量分布的期望。
介绍一下梯度下降算法和牛某某，并说一下二者区别？
梯度下降算法：一阶近似，xk+1=xk-α%絰f(xk)
牛顿 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 经元的权重提前饱和。
缺点2：sigmoid函数的输出不是零均值的，故权值变化要么全正要么全某某。
缺点3：解析式包含幂运算，计算复杂耗时。
什么是超参数？介绍几个你熟悉的超参数
超参数是在开始学习过程之前设置值的参数，它定义了模型更高层次的概念，如复杂度或学习性，另外它不可被训练。
常见的超参数有：K均指聚类中的簇数，学习率，深度神经网络的隐层数等。
为什么说神经网络是一个黑箱模型？
因为神经网络最后训练出的模型难以解释，无法理解它的各参数的现实含义（比如权值），我们对它只是知其然不知其所以然。
说出3种流行的激活函数？
sigmoid,tanh,ReLU等
什么是反向传播？它是如何工作的？
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
- XX省XX、XX、XX、天一中学2021届高三4月联考语文试题
- 19 八省联考语文试题（适用地区XX，广东，湖北）
- A*算法实验
- 结合螺旋转化和模型驱动的多模式深度学习方案
- “互联网 ”商业企划书
- 论文写作帮助
- (完整版)《机器学习》课程教学大纲
- 人工智能与大数据技术课程课程报告格式（春学期）
- 20.**_*简介
- 机器学习教学大纲-他人
以上为《笼统专题面试问题汇总》的无排版文字预览，完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。