【新人求大米】机器学习知识面试前的Check List

可以把general ML的部分摘出来吗

有用的！谢谢分享

谢谢楼主分享，mark了 很有用！

感谢楼主！请问深度推荐学习是哪本书呀

mayuki 发表于 2021-01-31 16:21:25
只有width没有depth用处不大，没有几个职位会覆盖面那么大。说起来可笑，很多人面试扯半天CNN，LSTM经历结果问个最基础的linear regression往深了点问就歇菜，只有很junior

因为工作中只需要bert不需要linear regression啊

大部分人一般不会注意linear regression模型的系统全面的推导过程。回归模型可以有三个看的角度

1. 当作一个function approximation的问题，就是fit一个（超）平面，使得数据点到该平面的欧几里得距离的平均值最小。这个角度就是大家最熟悉的least square。这里没有任何统计概念，没有随机变量，没有概率分布。但是变量之间的colinearity需要注意 （牵扯到least square问题里面矩阵求逆（其实不是求逆，是用迭代法接一个线性方程组）。 ----所以这个角度看其实是一个线性代数问题。

2. 假设Y服从正态分布N(a+Xb，sigma),  即E(Y)=a+Xb. sigma对所有数据点都相等（假设）。注意这里认为X不被认为是随机变量，Y被认为是随机变量。 可以用MLE方法得到a，b，sigma的区间估计。之后对新的数据点就能得到prediction interval。 --这个角度应该是问问题最多的，可以问很多统计推断的问题：对a，b，sigma和其他一些统计量的假设检验，区间估计等，会用到t-test，F-test等。

3. 假设Y和X服从联合正态分布（Y，X）~N（mu_X, mu_Y, sigma_X, sigma_Y, rho). 这里X，Y都被认为是随机变量。 这个角度用的不多。这要是上面第二个角度。

多谢楼主分享

不錯，感謝樓主分享～

谢谢分享 很全面