经典算法Q&A

目录

 

1、LR想必线性回归，有何异同？

2、决策树有哪些常用的启发函数？

3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗？

4、证明存在一组参数使得高斯核SVM的训练误差为9

5、LR处理多标签分类问题

6、如何对于决策树进行剪枝？

7、误差为0的SVM的分类器一定存在？

---

1、LR相比线性回归，有何异同？

LR是分类问题，线性回归是回归问题

LR的因变量是离散的，线性回归的因变量是连续的

它们都使用了梯度下降法和极大似然估计法来建模求解

2、决策树有哪些常用的启发函数？

ID3 最大信息增益

C4.5 信息增益比

CART GINI

3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗？

不可分，很容易想到。

4、证明存在一组参数使得高斯核SVM的训练误差为0？

确实存在

5、LR处理多标签分类问题

如果1个样本只对应1个分类，那么使用多项LR就可以。

如果1个样本对应多个分类，那么训练n个二分LR分类器（n是分类的个数）

6、如何对于决策树进行剪枝？

预剪枝

后剪枝

7、误差为0的SVM的分类器一定存在？

一定至少有一个解可以保证这样的分类器存在