常见的机器学习算法有哪些
哪些公司问过
亦庄某厂1
答案要点
- 监督学习:线性/逻辑回归、SVM、决策树、随机森林、GBDT/XGBoost、KNN、朴素贝叶斯
- SVM 寻找最大间隔超平面,核函数处理非线性,适合中小规模高维数据
- 随机森林:样本和特征双重随机的多棵决策树投票,抗过拟合
- K-Means:迭代分配样本到最近中心并更新中心,需预设 K、对初值敏感
- 强化学习:DQN 基于价值,Actor-Critic 结合策略与价值,MADDPG 用于多智能体
易错点
- 只罗列算法名字,说不出原理和适用场景
- 把 K-Means 当成有监督分类算法
- 混淆 Bagging 与 Boosting 的思路
面试官常见追问
- 随机森林和 GBDT 有什么区别?
- K-Means 的 K 怎么选?
- 为什么说 SVM 只依赖支持向量?
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。