文件名称：Machine_Learning_Resources:机器学习面试复习资源
文件大小：16.6MB
文件格式：ZIP
更新时间：2024-05-20 16:36:07
:backhand_index_pointing_right: 此repo主要是为了整理机器学习面试相关知识点的有用链接 （注：目前不打算将一些基础算法的内容加入这个repo里，比如LR、SVM算法在《统计学习方法》里已经得到了很好的解释，面试时可能考到的手推公式在书里已经写的很好了，所以推荐直接看书即可。） 一、特征工程 （一）特征预处理 （二）特征表达 （三）特征选择 二、算法基础 （一）评价指标 （二）正则项 正则化与数据先验分布的关系 L1在0点处不可导怎么办？可采用坐标轴下降、最小角回归法 L1为什么比L2的解更稀疏 （三）损失函数 常见损失函数 常见损失函数2 （四）模型训练 经验误差与泛化误差、偏差与方差、欠拟合与过拟合、交叉验证 （五）优化算法 梯度下降法、牛顿法和拟牛顿法 最小二乘法 和 最大似然估计的对比联系 最大似然估计 和 EM 浅谈最优化问题的KKT条件 深度学习优化算法SGD、Momentum、Adagrad等 最大似然
【文件预览】：
Machine_Learning_Resources-master
----pdf()
--------compare_svm_lr.md(3KB)
--------gbdt_wepon.pdf(1.29MB)
--------feature_selection_kaggle.pdf(13MB)
--------IQ.md(460B)
--------feature_selection.pdf(4.37MB)
--------statistic.md(1KB)
--------lr_pros_and_cons.md(2KB)
----README.md(8KB)