logo头像

贾维斯的小屋

机器学习面试问题/基础知识汇总

更新日期:2019年6月8日

本页面是《机器学习面试问题/基础知识》的系统目录,都是作者在学习过程中的总结,不定期更新。写这些主要是为了掌握机器学习中的主要基础知识与面试中可能问到的问题。由于作者水平有限,错误在所难免,欢迎大家批评指正!

  • 机器学习基础:

  • 机器学习算法:

    • 线性模型
    • 逻辑回归、最大熵模型
    • 决策树
    • 朴素贝叶斯
    • SVM
    • 集成学习、随机森林
    • GBDT
    • XGBoost
    • 聚类
    • 降维
    • EM算法
    • 隐马尔科夫模型
    • 计算学习理论PAC
    • 强化学习
  • 深度学习算法:

    • 反向传播算法
    • 优化算法
    • 正则化
    • 玻尔兹曼机、深度信念网络
    • CNN
    • RNN
    • 自编码器
    • 深度强化学习

微信打赏

赞赏是不耍流氓的鼓励