机器学习高频面试题及详细答案（实战通俗版）_1.docxVIP

机器学习高频面试题及详细答案（实战通俗版）

一、机器学习基础概念（高频必问）

1、监督学习、无监督学习、半监督学习的区别？分别举3个常用算法

详细答案：

三者核心区别是训练数据是否带有标签，也是项目中选择算法的首要依据。

1）监督学习：训练集所有样本都有明确标签（目标值），模型通过学习“特征-标签”的映射关系，用来做预测和分类。

常用算法：逻辑回归、决策树、随机森林、线性回归、SVM

2）无监督学习：训练集无任何标签，模型自主挖掘数据内部的分布规律、聚类结构、关联特征，多用于数据探索、降维、分群。

常用算法：K-Means、层次聚类、DBSCAN、PCA降维、关联规则挖掘

3）半监督学习：训练集少量样本有标签，大量样本无标签，结合两者优势，解决标注数据成本高、样本少的业务场景。

常用算法：自训练算法、协同训练、半监督SVM、标签传播算法

2、偏差、方差的区别？对应的模型问题是什么？如何解决？

详细答案：

偏差：模型预测值和真实值的平均差距，反映模型拟合能力强弱。偏差大，代表模型过于简单，无法捕捉数据规律，出现欠拟合。

方差：模型在不同训练数据集上的预测结果波动幅度，反映模型泛化稳定性。方差大，代表模型过度贴合训练数据，对新数据适配性差，出现过拟合。

对应问题与解决方案：

1）高偏差（欠拟合）：模型太简单、特征太少、训练不充分

解决：增加特征维度、提升模型复杂度、减少正则化、延长训