Python的機器學習方向是近年來不少大廠非常注重的方向之一，這也讓不少同學都開始轉行學習機器學習領域，這里小千為大家整理了一下大廠在機器學習方向的面試題，大家在面試前看一下說不準就能壓到寶~~

      1.有監(jiān)督學習和無監(jiān)督學習有什么區(qū)別？

      有監(jiān)督學習：對具有標記的訓練樣本進行學習，以盡可能對訓練樣本集外的數(shù)據(jù)進行分類預測。（LR,SVM,BP,RF,GBDT）

      無監(jiān)督學習：對未標記的樣本進行訓練學習，比發(fā)現(xiàn)這些樣本中的結構知識。(KMeans,DL)

      2.什么是正則化？

      正則化是針對過擬合而提出的，以為在求解模型最優(yōu)的是一般優(yōu)化最小的經(jīng)驗風險，現(xiàn)在在該經(jīng)驗風險上加入模型復雜度這一項（正則化項是模型參數(shù)向量的范數(shù)），并使用一個rate比率來權衡模型復雜度與以往經(jīng)驗風險的權重，如果模型復雜度越高，結構化的經(jīng)驗風險會越大，現(xiàn)在的目標就變?yōu)榱私Y構經(jīng)驗風險的最優(yōu)化，可以防止模型訓練過度復雜，有效的降低過擬合的風險。奧卡姆剃刀原理，能夠很好的解釋已知數(shù)據(jù)并且十分簡單才是好的模型。

      3.什么是生成模型和判別模型？

      生成模型：由數(shù)據(jù)學習聯(lián)合概率分布P(X,Y)，然后求出條件概率分布P(Y|X)作為預測的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)。（樸素貝葉斯、Kmeans）

      生成模型可以還原聯(lián)合概率分布p(X,Y)，并且有較快的學習收斂速度，還可以用于隱變量的學習

      判別模型：由數(shù)據(jù)直接學習決策函數(shù)Y=f(X)或者條件概率分布P(Y|X)作為預測的模型，即判別模型。（k近鄰、決策樹、SVM）

      直接面對預測，往往準確率較高，直接對數(shù)據(jù)在各種程度上的抽象，所以可以簡化模型

      4.線性分類器與非線性分類器的區(qū)別以及優(yōu)劣

      如果模型是參數(shù)的線性函數(shù)，并且存在線性分類面，那么就是線性分類器，否則不是。

      常見的線性分類器有：LR,貝葉斯分類，單層感知機、線性回歸；常見的非線性分類器：決策樹、RF、GBDT、多層感知機；SVM兩種都有(看線性核還是高斯核)

      線性分類器速度快、編程方便，但是可能擬合效果不會很好；非線性分類器編程復雜，但是效果擬合能力強；

      5.特征比數(shù)據(jù)量還大時，選擇什么樣的分類器？

      線性分類器，因為維度高的時候，數(shù)據(jù)一般在維度空間里面會比較稀疏，很有可能線性可分

      對于維度極低的特征，你是選擇線性還是非線性分類器？非線性分類器，因為低維空間可能很多特征都跑到一起了，導致線性不可分

      下面是吳恩達的見解：

      1） 如果Feature的數(shù)量很大，跟樣本數(shù)量差不多，這時候選用LR或者是Linear Kernel的SVM

      2.）如果Feature的數(shù)量比較小，樣本數(shù)量一般，不算大也不算小，選用SVM+Gaussian Kernel

      3.）如果Feature的數(shù)量比較小，而樣本數(shù)量很多，需要手工添加一些feature變成第一種情況

      6. 為什么一些機器學習模型需要對數(shù)據(jù)進行歸一化？

      歸一化化就是要把你需要處理的數(shù)據(jù)經(jīng)過處理后（通過某種算法）限制在你需要的一定范圍內。

      1）歸一化后加快了梯度下降求最優(yōu)解的速度。等高線變得顯得圓滑，在梯度下降進行求解時能較快的收斂。如果不做歸一化，梯度下降過程容易走之字，很難收斂甚至不能收斂

      2）把有量綱表達式變?yōu)闊o量綱表達式, 有可能提高精度。一些分類器需要計算樣本之間的距離（如歐氏距離），例如KNN。如果一個特征值域范圍非常大，那么距離計算就主要取決于這個特征，從而與實際情況相悖（比如這時實際情況是值域范圍小的特征更重要）

      3) 邏輯回歸等模型先驗假設數(shù)據(jù)服從正態(tài)分布。

      7.哪些機器學習算法不需要做歸一化處理？

      概率模型不需要歸一化，因為它們不關心變量的值，而是關心變量的分布和變量之間的條件概率，如決策樹、rf。而像adaboost、gbdt、xgboost、svm、lr、KNN、KMeans之類的最優(yōu)化問題就需要歸一化。

      8.標準化與歸一化的區(qū)別

      簡單來說，標準化是依照特征矩陣的列處理數(shù)據(jù)，其通過求z-score的方法，將樣本的特征值轉換到同一量綱下。歸一化是依照特征矩陣的行處理數(shù)據(jù)，其目的在于樣本向量在點乘運算或其他核函數(shù)計算相似性時，擁有統(tǒng)一的標準，也就是說都轉化為“單位向量”。

      9.隨機森林如何處理缺失值

      方法一（na.roughfix）簡單粗暴，對于訓練集,同一個class下的數(shù)據(jù)，如果是分類變量缺失，用眾數(shù)補上，如果是連續(xù)型變量缺失，用中位數(shù)補。

      方法二（rfImpute）這個方法計算量大，至于比方法一好壞？不好判斷。先用na.roughfix補上缺失值，然后構建森林并計算proximity matrix，再回頭看缺失值，如果是分類變量，則用沒有缺失的觀測實例的proximity中的權重進行投票。如果是連續(xù)型變量，則用proximity矩陣進行加權平均的方法補缺失值。然后迭代4-6次。

      10. 如何進行特征選擇？

      特征選擇是一個重要的數(shù)據(jù)預處理過程，主要有兩個原因：一是減少特征數(shù)量、降維，使模型泛化能力更強，減少過擬合;二是增強對特征和特征值之間的理解

      常見的特征選擇方式：

      1） 去除方差較小的特征

      2.）正則化。1正則化能夠生成稀疏的模型。L2正則化的表現(xiàn)更加穩(wěn)定，由于有用的特征往往對應系數(shù)非零。

      3）隨機森林，對于分類問題，通常采用基尼不純度或者信息增益，對于回歸問題，通常采用的是方差或者最小二乘擬合。一般不需要feature engineering、調參等繁瑣的步驟。它的兩個主要問題，1是重要的特征有可能得分很低（關聯(lián)特征問題），2是這種方法對特征變量類別多的特征越有利（偏向問題）。

      4）穩(wěn)定性選擇。是一種基于二次抽樣和選擇算法相結合較新的方法，選擇算法可以是回歸、SVM或其他類似的方法。它的主要思想是在不同的數(shù)據(jù)子集和特征子集上運行特征選擇算法，不斷的重復，最終匯總特征選擇結果，比如可以統(tǒng)計某個特征被認為是重要特征的頻率（被選為重要特征的次數(shù)除以它所在的子集被測試的次數(shù)）。理想情況下，重要特征的得分會接近100%。稍微弱一點的特征得分會是非0的數(shù)，而最無用的特征得分將會接近于0。

      以上就是第一期Python機器學習方向的企業(yè)面試題及其答案了，最后對Python開發(fā)感興趣的同學，不妨來千鋒教育Python培訓班了解一下Python培訓課程，針對不同階段的同學準備了初級入門、高手進階、實戰(zhàn)項目等多種Python視頻教程，絕對能夠幫助你更好的學習Python開發(fā)。想要獲取免費Python學習路線和學習資料可以添加我們的Python技術交流qq群：790693323  加群找群管理領取即可，Python相關技術問題也可以加群解決，等你來哦~~~~