贪心学院面试整理1

方差和偏差

能否用平方损失作为损失函数

指数族分布

项目1

文本分类可以详见左边特征工程

数据不平衡处理方法
欠采样：

1. 随机删除：可能会丢失信息在里面
2. 原型生成（PG）：
   
   过采样
3. 随机复制：单纯复制容易过拟合
4. 样本构建（SMOTE）：
   
   

模型算法


MetaCost算法


Focal Loss
更加关注难分类样本

G-Mean



ROC曲线：
优点：兼顾正例和负例

PR曲线：
基本只看正例：
纵坐标：precision
横坐标：recall

UDA

回译
EDA

Jordon RNN和Elman RNN
https://blog.csdn.net/qq_31375855/article/details/106795105

1. 多模态文本分类
   
   
   Representation：Joint Representation；Coordinated Representation
   模态对齐：显式对齐，隐式对齐
   多模态融合分类：Pixel Level，Feature Level，Decision Level
   
   Co-learning:协同学习
   
   

Group Convolution

通道之间的全连接参数非常大，不利于计算，所以要转换成局部连接

对平移和缩放有不变性，对旋转不变性质较弱。

遮挡敏感性，遮挡了需要识别的物体后，识别的准确率迅速下降。

RNN的梯度消失