-
⽼板给了你⼀个关于癌症检测的数据集，你构建了⼆分类器然后计算了准确率为 98%， 你是否对这个模型很满意？为什么？如果还不算理想，接下来该怎么做？
首先模型主要是找出患有癌症的患者，模型关注的实际是坏样本。其次一般来说癌症的数据集中坏样本比较少，正负样本不平衡。
准确率指的是分类正确的样本占总样本个数的比率
Accuracy = n correct n total \text { Accuracy }=\frac{n_{\text {correct }}}{n_{\text {total }}} Accuracy =ntotal ncorrect其中 n c o r r e c t n_{correct} ncorrect为正确分类样本的个数， n t o t a l n_{total} ntotal为总样本分类的个数。
当好样本(未患病)的样本数占99%时，模型把所有的样本全部预测为好样本也可以获得99%的准确率，所以当正负样本非常不平衡时，准确率往往会偏向占比大的类别，因此这个模型使用准确率作为模型的评估方式并不合适。
鉴于模型关注的实际是坏样本，建议使用召回率(Recall )作为模型的评估函数。
Recall 是分类器所预测正确的正样本占所有正样本的比例，取值范围为[0,1]，取值越大，模型预测能力越好。
R = T P T P + F N R=\frac{TP}{TP+FN} R=TP+FNTP其次，使用类别不平衡的解决方案：
常见的处理数据不平衡的方法有：重采样、Tomek links、SMOTE、NearMiss等
除此之外：还可以使用模型处理：使用多种树模型算法，使用多种重采样的训练集，对少数样本预测错误增大惩罚，避免使用Accuracy，可以用confusion matrix，precision，recall，f1-score，AUC，ROC等指标。
-
怎么判断⼀个训练好的模型是否过拟合？ 如果判断成了过拟合，那通过什么办法 可以解决过拟合问题？
模型在验证集合上和训练集合上表现都很好，而在测试集合上变现很差。
解决过拟合的办法：
-
特征降维
-
添加正则化，降低模型的复杂度
-
Dropout
-
Early stopping
-
交叉验证
-
决策树剪枝
-
选择合适的网络结构
-
-
对于线性回归，我们可以使⽤ Closed-Form Solution, 因为可以直接把导数设置 为 0，并求出参数。在这个 Closed-Form ⾥涉及到了求逆矩阵的过程，什么时候不能求出其逆矩阵？这时候如何处理？
-
什么是闭式解(Closed-Form Solution)
解析解(Analytical solution) 就是根据严格的公式推导，给出任意的自变量就可以求出其因变量，也就是问题的解，然后可以利用这些公式计算相应的问题。所谓的解析解是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。用来求得解析解的方法称为解析法(Analytical techniques)，解析法即是常见的微积分技巧，例如分离变量法等。解析解是一个封闭形式(Closed-form) 的函数，因此对任一自变量，我们皆可将其带入解析函数求得正确的因变量。因此，解析解也被称为封闭解(Closed-form solution)。
数值解(Numerical solution) 是采用某种计算方法，如有限元法， 数值逼近法，插值法等得到的解。别人只能利用数值计算的结果，而不能随意给出自变量并求出计算值。当无法藉由微积分技巧求得解析解时，这时便只能利用数值分析的方式来求得其数值解了。在数值分析的过程中，首先会将原方程加以简化，以利于后来的数值分析。例如，会先将微分符号改为差分（微分的离散形式）符号等，然后再用传统的代数方法将原方程改写成另一种方便求解的形式。这时的求解步骤就是将一自变量带入，求得因变量的近似解，因此利用此方法所求得的因变量为一个个离散的数值，不像解析解为一连续的分布，而且因为经过上述简化的操作，其正确性也不如解析法可靠。
简而言之，解析解就是给出解的具体函数形式，从解的表达式中就可以算出任何对应值；数值解就是用数值方法求出近似解，给出一系列对应的自变量和解。
参考：https://blog.csdn.net/weicao1990/article/details/90742414
-
什么时候不能求出其逆矩阵
满秩矩阵或者方阵才有逆矩阵，当一个矩阵不满秩，在对角线上存在为0的特征值，求逆的时候 1 0 \frac{1}{0} 01无法计算从而不可逆，那我们给它加上一个单位矩阵，这样它就不为0了，
求解的时候加上单位矩阵其实就是对线性回归引入正则化的过程
-
-
关于正则，我们⼀般采⽤ L2 或者 L1, 这两个正则之间有什么区别？ 什么时候需要⽤ L2， 什么时候需要⽤ L1?
L1正则化（也叫Lasso回归）是在目标函数中加上与系数的绝对值相关的项，而L2正则化（也叫岭回归）则是在目标函数中加上与系数的平方相关的项。
Lasso 和岭回归系数估计是由椭圆和约束函数域的第一个交点给出的。因为岭回归的约束函数域没有尖角，所以这个交点一般不会产生在一个坐标轴上，也就是说岭回归的系数估计全都是非零的。然而，Lasso 约束函数域在每个轴上都有尖角，因此椭圆经常和约束函数域相交。发生这种情况时，其中一个系数就会等于 0。
L2正则化会使参数的绝对值变小，增强模型的稳定性（不会因为数据变化而产生很大的震荡）；而L1正则化会使一些参数为零,可以实现特征稀疏, 增强模型解释性。
-
正则项是否是凸函数？请给出证明过程。
相关概念：凸集，凸函数
因此证明正则项是否是凸函数，需要证明：
-
f ( x ) f(\boldsymbol{x}) f(x) 在 D D D 上二阶连续可微
-
$f(\boldsymbol{x}) $的Hessian(海塞)矩阵在 D D D上是半正定
-
半正定矩阵的判定定理之一：若实对称矩阵的所有顺序主子式均为非负，则该矩阵为半 正定矩阵。
-
-
什么叫 ElasticNet? 它主要⽤来解决什么问题？ 具体如何去优化？
弹性回归是岭回归和lasso回归的混合技术，它同时使用 L2 和 L1 正则化。当有多个相关的特征时，弹性网络是有用的。lasso回归很可能随机选择其中一个，而弹性回归很可能都会选择。
β ^ = argmin β ( ∥ y − X β ∥ 2 + λ 2 ∥ β ∥ 2 + λ 1 ∥ β ∥ 1 ) \hat{\beta}=\underset{\beta}{\operatorname{argmin}}\left(\|y-X \beta\|^{2}+\lambda_{2}\|\beta\|^{2}+\lambda_{1}\|\beta\|_{1}\right) β^=βargmin(∥y−Xβ∥2+λ2∥β∥2+λ1∥β∥1)- 在高度相关变量的情况下，它支持群体效应。
- 它对所选变量的数目没有限制
- 它具有两个收缩因子 λ1 和 λ2。
-
基于 Coordinate Descent 算法给出 LASSO 的优化推导过程。
-
请推导逻辑回归模型： ⽬标函数的构建，最优解的求解过程（SGD）需要详细写出。
-
在数据线性可分的情况下，为什么逻辑回归模型的参数会变得⽆穷⼤？怎么避免？
-
逻辑回归是线性还是⾮线性模型？ 为什么？ 请给出推导过程。
logistic回归属于线性模型还是非线性模型？
-
我们在使⽤逻辑回归模型的时候，通常把连续性变量切分成离散型变量，为什么？ 有什么好处？
-
朴素⻉贝叶斯应为叫 Naïve Bayes, 请说出朴素⻉贝叶斯模型的构建过程以及预测过程， 并说出为什么叫"naive"?
-
什么叫⽣成模型，什么叫判别模型？ 朴素⻉贝叶斯，逻辑回归，HMM，语⾔模型 中哪⼀个是⽣成模型，哪⼀个是判别模型？
生成式模型先对数据的联合分布 进行建模，然后再通过贝叶斯公式计算样本属于各类别的后验概率 。
判别式模型 直接进行条件概率建模，由数据直接学习决策函数 或条件概率分布 作为预测的模型。判别方法不关心背后的数据分布，关心的是对于给定的输入，应该预测什么样的输出。
-
特点
生成式模型 的特点在于，其可以从统计的角度表示数据的分布情况，能反映同类数据本身的相似度，不关心各类的边界在哪；
而判别式模型 直接学习的是条件概率分布，所以其不能反映训练数据本身的特性 ，其目的在于寻找不同类别之间的最优分界面，反映异类数据之间的差异。
由生成模型可以得到判别模型，但由判别模型得不到生成模型。
当存在隐变量（当我们找不到引起某一现象的原因的时候，我们就把这个在起作用但是无法确定的因素，叫"隐变量"） 时，仍可以利用生成方法学习，此时判别方法不能用。因为生成式模型同时对 x 和 y 建立概率模型，所以如果 x 中有出现没有观察到的量或者只有部分 y 的时候，就可以很自然地使用 EM 算法 来进行处理。极端情况下，在完全没有 y 信息的情况下，GM 仍然是可以工作的------无监督学习可以看成是 GM 的一种。
优点 缺点 代表算法 生成式模型 1. 由于统计了数据的分布情况，所以其实际带的信息要比判别模型丰富，对于研究单类问题来说也比判别模型灵活性强； 2. 模型可以通过增量学习得到（增量学习是指一个学习系统能不断地从新样本中学习新的知识，并能保存大部分以前已经学习到的知识。）； 3. 收敛速度更快，当样本容量增加的时，生成模型可以更快的收敛于真实模型； 4. 隐变量存在时，也可以使用。 1. 学习和计算过程比较复杂，由于学习了更多的样本信息，所以计算量大，如果我们只是做分类，就浪费了这部分的计算量； 2. 准确率较差； 3. 往往需要对特征进行假设，比如朴素贝叶斯中需要假设特征间独立同分布，所以如果所选特征不满足这个条件，将极大影响生成式模型的性能。 朴素贝叶斯、贝叶斯网络、隐马尔可夫模型、隐马尔可夫模型 判别式模型 1. 由于关注的是数据的边界，所以能清晰的分辨出多类或某一类与其他类之间的差异，所以准确率相对较高； 2. 计算量较小，需要的样本数量也较小； 1. 不能反映训练数据本身的特性； 2. 收敛速度较慢 k 近邻法、决策树、逻辑斯谛回归模型、最大熵模型、支持向量机、条件随机场 -
-
决策树与随机森林的区别是什么？ 如果让你选择，你会使⽤哪个模型，为什么？
-
请介绍 k-means 算法的流程， 写出 k-means 模型的⽬标函数。K-means 求解 过程跟 EM 算法之间有什么关系？ K-MEANS ⽬标函数是否是 convex?
-
什么叫 EM 算法？有哪些经典模型的求解过程会⽤到 EM 算法？
-
EM 算法是否⼀定会收敛？EM 算法给出的全局最优还是局部最优？
-
请解释什么叫 MLE，什么叫 MAP? 请说明它们之间的区别。 在数据量⽆穷多的 时候，是否 MAP 趋近于 MLE 估计？
-
请解释什么叫召回率，精确率，F1 Measure，ROC, AUC? 什么时候需要⽤到这 些？
-
数据集拥有⾮常多的特征，但样本个数有限，所以计划做特征选择，有哪些⽅法 可以⽤来做特征选择呢？
-
随机森林和 Gradient Boosting Tree 之间的区别是什么？
-
在构建决策树模型的时候，我们⼀般不会构建到底，也就做⼀些剪枝的操作，为 什么？ 然⽽，在构建随机森林的时候剪枝的操作不像决策树⾥那么重要，为什么？
-
什么样的数据是不均衡数据（imbalance data）？ 需要怎么样的处理？
-
什么是 kernel trick? 它有什么好处？并写出 RBF kernel, Gaussian Kernel 的公 式。
-
什么 Mercer's Theorem， 阐述⼀下具体的细节。
-
使⽤⾮线性 Kernel 有哪些优缺点？重点介绍⼀下效率上的缺点，并说明为什么会 产⽣效率上的缺点？
-
SVM 是 margin-based classifier, 试着推导 SVM，并说明什么是 KKT 条件。
-
如果不考虑 kernel， 逻辑回归和 SVM 的区别是什么？
-
在随机梯度下降法⾥怎么有效地选择学习率?有哪些常⻅见的动态改变学习率的策略？
-
深度学习是什么？ 它跟所谓的传统的学习模型有什么本质的区别？从模型的 Capacity, Hierarchical Representation 的⻆角度举例说明。
-
PCA 的原理是什么？ 推导⼀下 PCA 的过程。
-
什么叫 PAC 理论？ 它主要⽤来解决什么问题？
-
解释⼀下矩阵分解算法以及怎么⽤到推荐系统⾥，并利⽤梯度下降法来推导矩阵 分解过程。
-
模型参数和超参数的区别是什么？
-
什么叫因变量，以及因变量模型？
-
超参数的选择⽅法有哪些？⾄少列出 4 种以上来说明，并说出其优缺点。
-
什么是 XGBoost 模型？说明⼀下其技术细节。
-
怎么把 K-means 算法应⽤到⼤规模的数据上？ 有什么 Scalable 的⽅法？(hint:mini-batch, triangle inequality)
-
K-means 算法与 GMM 之间有什么关系？
-
在深度学习模型⾥，有哪些技术可以⽤来避免过拟合现象？
-
CNN ⾥⾯ POOLING 的作⽤是什么？ 卷积的作⽤是什么？
-
在分类问题⾥，最后⼀层通常使⽤ softmax，请写 softmax 函数。
-
描述⼀下 SGD, Adagrad, Adam 算法之间的区别，什么时候使⽤ SGD？ Adagrad？ Adam 算法？
-
简 单 描 述 ⼀ 下 什 么 是 Variational Autoencoder(VAE), 什 么 是 Generative Adversial Network(GAN)
-
Dropout 和 Bagging 模型的关系是什么？ 为什么 Dropout 可以起到避免过拟合 的作⽤？
-
对于拥有两层隐含层的神经⽹络（MLP）, 请⼿动推导其 BP 算法的细节。
-
使⽤ KNN 会遇到⼀些效率上的问题，请说明如何使⽤ LSH（latent semantic hashing）来做近似操作？
-
在朴素⻉贝叶斯和语⾔模型中我们通常会使⽤ smoothing 技术，请简述⼏个常⻅见 的 smoothing ⽅法以及它们优缺点。