面试题库 › C++ / 后端 › XGBoost、SVM、KNN、LSTM 原理与适用场景

XGBoost、SVM、KNN、LSTM 原理与适用场景

难度 ★★☆在 1 场真实面经中被问到 方向:C++ / 后端考点:机器学习基础概念

哪些公司问过

滴滴1

常见岗位:C/C++ 软件开发

答案要点

  1. XGBoost:Boosting 串行加树拟合负梯度,二阶泰勒展开加正则项,特征级并行找分裂点
  2. SVM:最大化分类间隔,软间隔参数 C 控制容错,核技巧处理非线性,模型由支持向量决定
  3. KNN:无显式训练,靠距离度量和 k 值预测,需特征归一化,朴素预测成本随样本量线性增长
  4. LSTM:遗忘门、输入门、输出门加细胞状态,加性更新缓解梯度消失,适合序列建模
  5. 选型:表格数据优先树模型,小样本高维可用 SVM,序列数据用 LSTM 或 Transformer

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题