一份深度学习相关的面试题

1、请计算数组[1，2，3]中的元素3的Softmax值

假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的Softmax值就是

也就是说，是该元素的指数，与所有元素指数和的比值

2、什么是过拟合？ 防止过拟合有哪些措施？

3、对于二分类问题，分别描述逻辑回归、朴素贝叶斯、KNN算法。它们的优劣势是什么？他们自身有什么过拟合的能力？

4、支持向量机SVM中支持向量是什么？ 这个模型的优劣势有哪些？ 模型自身怎么防止过拟合？如何求解（不需要推导过程，只需要写推导思路） ， 支持向量核函数的作用及常见的核函数形式？

5、什么是集成学习？ 什么情况下集成学习学习器能够获得较好的泛华性能？

6、神经网络中常用的激活函数有哪些？如果采用线性激活函数，网络会变成怎样？神经网络的梯度消失和梯度爆炸是什么原因？有哪些神经网络的优化算法？

7、请解释drop和batch normalization的原理？

8、训练神经网络时，一般需要调整哪些超参数？这些超参数对训练过程会有哪些影响？

9、请描述PCA算法的作用。使用哪些场景和数据？使用时需要注意哪些问题？ 该算法有哪些实现的形式？

10、有哪些常见的数据预处理、特征工程、特征筛选的方法？

原文地址：https://www.cnblogs.com/llfctt/p/9572854.html