传统机器学习算法:SVM、LR、随机森林、LDA、DBSCAN
哪些公司问过
答案要点
- SVM:最大间隔超平面,由支持向量决定,核函数处理非线性
- LR:线性模型加 Sigmoid 输出概率,交叉熵损失,适合二分类与 CTR 预估
- 随机森林:多棵决策树 Bagging,样本与特征随机,投票或平均,减少过拟合,可并行
- DBSCAN:基于密度聚类,无需预设类别数,可发现任意形状簇并识别噪声
- LDA:有监督降维,使类间距离大、类内距离小
易错点
- 把 LDA 和主题模型 LDA 混为一谈
- 认为 SVM 不需要特征缩放
- DBSCAN 对密度差异大的数据直接使用
- 说随机森林中的树是串行训练的
面试官常见追问
- SVM 的核函数有什么作用?
- 逻辑回归为什么用交叉熵而不是均方误差?
- 随机森林为什么能减少过拟合?
- DBSCAN 的参数怎么选?
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。