BAT机器学习面试1000题系列（第106~110题）

上期思考题及参考解析

105.当机器学习性能遭遇瓶颈时，你会如何优化的？

  可以从这4个方面进行尝试：、基于数据、借助算法、用算法调参、借助模型融合。当然能谈多细多深入就看你的经验心得了。这里有一份参考清单：机器学习性能改善备忘单（http://blog.csdn.net/han_xiaoyang/article/details/53453145）

106.做过什么样的机器学习项目？比如如何从零构建一个推荐系统
  这里有一个推荐系统的公开课http://www.julyedu.com/video/play/18/148，另，再推荐一个课程：机器学习项目班 [10次纯项目讲解，100%纯实战]（点击下方“阅读原文”）

107.什么样的资料集不适合用深度学习?
  @抽象猴，来源：https://www.zhihu.com/question/41233373

  a.数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。

  b.数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域，这些领域的一个共性是局部相关性。图像中像素组成物体，语音信号中音位组合成单词，文本数据中单词组合成句子，这些特征元素的组合一旦被打乱，表示的含义同时也被改变。对于没有这样的局部相关性的数据集，不适于使用深度学习算法进行处理。举个例子：预测一个人的健康状况，相关的参数会有年龄、职业、收入、家庭状况等各种元素，将这些元素打乱，并不会影响相关的结果。

108.广义线性模型是怎被应用在深度学习中?
  @许韩，来源：https://www.zhihu.com/question/41233373/answer/145404190
A Statistical View of Deep Learning (I): Recursive GLMs
  深度学习从统计学角度，可以看做递归的广义线性模型。
  广义线性模型相对于经典的线性模型(y=wx+b)，核心在于引入了连接函数g(.)，形式变为：y=g−1(wx+b)。
  深度学习时递归的广义线性模型，神经元的激活函数，即为广义线性模型的链接函数。逻辑回归（广义线性模型的一种）的Logistic函数即为神经元激活函数中的Sigmoid函数，很多类似的方法在统计学和神经网络中的名称不一样，容易引起初学者（这里主要指我）的困惑。下图是一个对照表

109.准备机器学习面试应该了解哪些理论知识
  @穆文，来源：https://www.zhihu.com/question/62482926

  看下来，这些问题的答案基本都在本BAT机器学习面试1000题系列里了。

本期思考题：

110.标准化与归一化的区别?

在评论区留言，一起交流探讨，让更多小伙伴受益。

参考答案在明天公众号上公布，敬请关注！

往期题目：

BAT机器学习面试1000题系列（第1~60题）

BAT机器学习面试1000题系列（第61~100题）

BAT机器学习面试1000题系列（第101~105题）

 【关注本公众号，点击菜单“有奖游戏”，答题抽大奖】

---

---

课程咨询｜微信：julyedukefu

七月热线：010-82712840