| 百面机器学习算法总结索引（声明：以下所有内容及其链接内容来自于百面机器学习一书，仅供自己方便学习和复习，不做任何商业用途，所有链接内容继承本声明） |
| 第一节：特征归一化 |
| 2.在对数据进行预处理时，应该怎样处理类别型特征？ |
| 3.如何处理高纬度组合特征？什么是组合特征？ |
| 4. |
| 5.有哪些文本表示模型？它们各有什么优缺点？ |
| 6.Word2vec是如何工作的？它和LDA有什么区别和联系？ |
| 7.在图像分类任务中，训练数据不足会带来什么问题？如何缓解数据量不足带来的问题？ |
| 第二节：模型评估 |
| 8.准确率Accuracy的局限性 |
| ９．精确率和召回率的权衡 |
| １０．ＲＭＳＥ平方根误差的意外？ |
| １１.什么是ＲＯＣ曲线？如何绘制ＲＯＣ曲线？如何计算ＡＵＣ？ＲＯＣ曲线相对Ｐ－Ｒ曲线有什么特点？ |
机器学习算法总结知识点索引
猜你喜欢
转载自blog.csdn.net/qq_29678299/article/details/88659426
今日推荐
周排行