版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/miclover_feng/article/details/82806657
1、对于Xgboost模型，如果loss很低，但分类精度很低，原因？如何解决，从模型内部考虑？
2、gbdt,xgboost,lgbm的区别
3、梯度下降法，牛顿法，拟牛顿法区别
5、什么是梯度消失，饱和，如何改善
6、lr的推导
7、bagging.boosting.stacking区别
8、CNN与RNN的区别
9、如何防止过拟合
2018/08/16 百度面试
编程题：求解二叉树的最大高度（递归与非递归） 二叉树的深度，
研究研究Tensorflow框架中GPU的卷积操作是怎样实现的，
一本数据结构和算法相关书籍搞深，搞透