点击上方卡片链接就可以进入专栏，专栏右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.9节：决策树-剪枝算法。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！本文大纲一、原理1. 剪枝处理2. 预剪枝3. 后剪枝4. 形式化定义二、面试真题1. 决策树出现过拟合的原因？2. 为什么要对决策树进行剪...

点击上方卡片链接就可以进入专栏，专栏右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.9节：决策树-结点生成算法。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！本文大纲一、原理1. ID3算法2. C4.5算法3. CART算法二、面试真题1. ID3和C4.5算法可以处理实数特征吗？2. 简要...

点击上方卡片链接就可以进入专栏，专栏右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.9节：决策树-特征选择准则。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！PS：这个月工作和生活上有较多事情需要处理，导致专栏拖更了，跟同学们说声抱歉。接下来鬼仔会加快更新速度，保持质量的同时，坚持每周两～三更...

前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.8节：支持向量机（下）。支持向量机 (support vector machine-SVM) 是机器学习中最基础的分类算法之一，很多同学可能都很熟悉，但是一部分同学可能只理解了较为浅层的知识，可以应付一些常见的八股文面试题，但如果面试官不按常规套路出牌，问一些比较冷门或者比较底层的原理问题，很多同学可能就招架不住了。支持向量机的内容较多，分为上下两篇解读：上篇主要讲算法的原理，下篇主要解析高频面试真题。目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更...

大家好，我是鬼仔。过完秋招后面就是春招。二者相比春招规模会小很多，基本是企业的补录阶段。又因为今年求职人数远远大于企业需求人数，所以春招竞争压力会更大。就真心建议大家，能多行业多赛道看，路会好走很多。 今天要和大家聊的是金融科技。关键词：稳定，待遇不低，业务强相关。对于大部分同学而言，比较容易接触的是银行，而且银行业非常重视开发人员的成长，和互联网一样会举办科技竞赛作为筛选人才的主要办法。 一、银行举办科技竞赛的目的 近年来，金融科技竞赛逐渐多了起来，比如招银的fintech训练营、民生信用卡的金融科技竞赛等，奖励更是越来越丰厚，难度...

点击最下面卡片链接就可以进入专栏，右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.8节：支持向量机。支持向量机 (support vector machine-SVM) 是机器学习中最基础的分类算法之一，很多同学可能都很熟悉，但是一部分同学可能只理解了较为浅层的知识，可以应付一些常见的八股文面试题，但如果面试官不按常规套路出牌，问一些比较冷门或者比较底层的原理问题，很多同学可能就招架不住了。支持向量机的内容较多，分为上下两篇解读：上篇主要讲算法的原理，下篇主要解析高频面试真题。目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇...

点击最下面卡片链接就可以进入专栏，右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.7节：坐标轴下降法。坐标轴下降法主要是解决L1范式不可导的问题，常常会在面试中出现，属于高频面试题。目前这篇是试读，后续的文章需要订阅才能查看哦，专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！PS：上周鬼仔事情比较多（又到了绩效考核的季节Orz...），所以停更了一周，这周会补上的～一、Ridge回归和Lasso回归线性回归是最简单的机器学习形式，但直接应用线性回归往往会有过拟合的问题，所以需要加入正则化项。根据正则化...

点击最下面卡片链接就可以进入专栏，右上角有订阅选项，欢迎大家订阅～前言大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.6节：朴素贝叶斯算法。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！一、原理1. 背景知识在机器学习分类算法中，有判别方法和生成方法两大类。大部分的分类算法都是判别方法，包括逻辑回归、KNN、决...

前言 大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.5节：K近邻（KNN）算法。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～ 目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30+篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！ 一、原理 1. KNN算法 K近邻法（k-nearest neighbors，KNN）是一种很朴素的机器学习算法，用样本库中距离最近的K个样本...

大家好，我是鬼仔。今天带来《机器学习高频面试题详解》专栏的第1.4节：概率模型参数估计方法。本节内容是机器学习中很基础但又很重要的知识点，常用的估计方法相信大家都有听过，但是否可以详细地阐述不同方法之间的区别呢？这可就不一定了。 目前这篇是专栏试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！ 一、模型参数估计方法概述 概率模型参数常用的估计方法有以下三种：最大似然估计、最大后验概率估计和贝叶斯估计，下面鬼仔将进行详细的介绍和总结。 首先需要明确似然（likelihood）和概率...

#0offer选手怎么准备来年春招#春招相当于是秋招补录，根据二八定律，秋招期间很多大佬会手握一堆offer，而真正到了签约的时候，每个人也只能选择一个offer，所以公司发出去的offer很多都会失效，当然了，公司也不是傻子，offer一般都是超发的，但总会出现一些意外情况，某些岗位没招满人，这个时候就需要春招了。而春招的对象，除了有秋招没找到满意工作的同学外，还有一批考研失败的同学，所以春招竞争也很激烈。春招的时候，同学们不必一直盯着互联网，多看看其他行业的机会，比如国企招聘、体制内的招聘，这些招聘信息不会像互联网公司那样大肆宣传，所以可以加一些校招群，关注一些公众号，提高自己的信息获取能力。我曾在春招期间参加过事业单位的招聘，其实体制内招聘都是比较晚的，根本没有秋招的概念。除了国考、省考、市考和选调这类公务员岗位，我们还可以关注一些事业单位的招聘，因为公务员岗位较少，上岸难度较大，而事业编岗位要多一些，流程也比较快。比如高中老师（包括小学、初中）也属于事业编职业，我身边有不少同学选择了当老师，幸福感也挺强。高校辅导员现在基本都是合同岗位了，但大部分辅导员待遇都承诺和事业编一致，所以也是一个不错的选择。如果春招继续选择卷互联网的话，还是需要好好刷题，好好复习知识点，如果目标是数据岗或者算法岗，可以关注下我最近在写的机器学习面试题专栏#（打个广告）。总结几句：对自己要有清晰的定位，准备永远都不嫌早不嫌多，心态差了及时调整，面试挂了及时总结，这么多年也该逼自己努力一把了！

#入职一年被校招生倒挂，怎么办#额，我在入职半年就知道被校招生倒挂了，等校招生入职的时候，我们刚好调了一次薪，因为自己一年升了两级，参考往年水平，怎么也不会被倒挂的，但事实是互联网遭遇寒冬，调薪大幅缩减，我还是被校招生倒挂了。。你说我会心态不平衡吗，说实话在得知倒挂的那一瞬间心里会不爽，但过一会就没感觉了。与其他人对比，其实证明不了什么，拿到自己值得的钱就好。如果实在觉得钱特别重要，自己严重货不对价，可以到公开市场询询价看看，没人拦着你跳槽。我之所以还继续留在原公司，原因有很多，钱只是考虑因素之一，还有项目和能力的提升空间，以及城市的选择。钱可以被倒挂，能力和心态可不能被倒挂，不然就真的GG了。其实工薪阶层之间的差距并不会太大，打工人是没法简单靠辛勤劳动给自己的人生提供大的跃迁，这是我们必须看清的现实。真的。和其他人多个十几个、几十个w，能影响到一线城市置业吗？保持一个良好的心态，能让自己做更多自己想做的事，增强自己的抗风险能力，乃至实现一些简单朴实的理想，这才是最重要的。

前言 大家好，我是鬼仔，今天带来《机器学习高频面试题详解》专栏的第1.3节：L1和L2正则化。这是鬼仔第一次开设专栏，每篇文章鬼仔都会用心认真编写，希望能将每个知识点讲透、讲深，帮助同学们系统性地学习和掌握机器学习中的基础知识，希望大家能多多支持鬼仔的专栏～ 目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！ 一、L1和L2正则化概述 使用机器学习算法解决实际问题时，我们往往会先收集一批数据集，根据贝叶斯学派的说法，仅仅使用这些数据是不够的，还需要加入先验知识。我们通常...

前言大家好，我是鬼仔。今天继续带来《机器学习高频面试题详解》专栏的第1.2节：逻辑回归，这是本周鬼仔更新的第二篇专栏文章，鬼仔希望写的每篇专栏文章能够将一个知识点讲透、讲深，也希望读者能从鬼仔的文章中有所收获。欢迎大家订阅该专栏，目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！二、面试真题6. 梯度下降算法有哪几种分类，各有什么优缺点？（1）批量梯度下降(BGD)：批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来进行梯度的更新。 优点：一次迭代是对所有样本进行计算，此时...