leetcode积分怎么用 ——

leetcode积分怎么用机器学习的面试面试知识点参考一、机器学习单模型1、LR的损失函数的公式和函数2、LR的推导过程3、LR如何解决共线性，为什么深度学习不强调4、LR如何防止过拟合5、LR分布式训练怎么做6、LR为什么使用Sigmoid 7、SVM的损失函数8、SVM的推导过程9、SVM怎么扩展到多分类问题10、SVM需要解决的重要数学问题是什么11、LR和SVM的区别12、Gini系数、信息增益率的公式13、CART回归和分类时节点如何划分的14、决策树将一个特征全部乘以2会有什么影响15、反向传播算法的推导16、贝叶斯原理17、L_BFGS，DFP推导18、Kmeans算法，如何选择k的个数19、DBSCAN介绍20、GMM算法21、UBM-GMM模型集成学习1、Boosting和Bagging的比较2、XGB的推导3、XGB为什么要用二阶信息不用一阶4、XGB的VC维5、LGB、XGB的区别和联系，并行是如何并行的6、GBDT的原理，以及常用的调参的参数7、XGB与GBDT的比较8、RF怎么进行