機器學習算法工程師面試需要做那些準備？1. 工業(yè)中的大型模型基本上都是logistic區(qū)域和線性區(qū)域，因此SGD和lbfgs的理解是非常重要的，并行推導對于理解LR是如何并行的是非常重要的2。其次，常

機器學習算法工程師面試需要做那些準備？

1. 工業(yè)中的大型模型基本上都是logistic區(qū)域和線性區(qū)域，因此SGD和lbfgs的理解是非常重要的，并行推導對于理解LR是如何并行的是非常重要的

2。其次，常用的機器學習算法，如SVM、gbdt、KNN等，應該了解其原理，能夠在壓力下快速響應。算法的優(yōu)缺點和適應場景應該基本清楚

3基本算法數(shù)據(jù)結構應該熟練，鏈表二叉樹，快速行合并，動態(tài)返回等

L1正則化假設參數(shù)的先驗分布是拉普拉斯分布，L2正則化假設參數(shù)的先驗分布為高斯分布，保證了模型的穩(wěn)定性，即參數(shù)值不會太大或太小。在實際應用中，如果特征是高維稀疏的，則采用L1正則化；如果特征是低維稀疏的，則采用L1正則化；如果特征是稠密的，則采用L2正則化。最后附上圖表。右邊是L1正則，最優(yōu)解在坐標軸上，這意味著某些參數(shù)為0。