1、深度学习如何解决过拟合
dropout：减少参数，模型复杂度减低
batchnorm：每一层做归一化，使参数的绝对值变小
2、梯度消失，爆炸如何产生，如何解决？
产生：反向传播+梯度下降
解决：减小层数；调整学习率；跳过连接（shortcut），lstm，batchnorm
3、rnn梯度消失有何不同
维度不同：时间维度（会消失），纵向维度
含义不同：重要信息的消失
4、交叉熵的由来
熵：-plogp
kl散度：|pa-pb|
交叉熵：palogpb
5、监督学习
6、判别式模型与生成式模型
7、偏差与方差以及过拟合
8、如何解决过拟合
9、xgboost原理
10、xgboost并行
11、xgboost特征分裂
高频面试题
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 今天青石的票圈出镜率最高的，莫过于张艺谋的新片终于定档了。 一张满溢着水墨风的海报一次次的出现在票圈里，也就是老谋...
