常见的分类方法有哪些
哪些公司问过
陌陌2
答案要点
- 线性模型:逻辑回归;支持向量机,核函数处理非线性
- 树模型:决策树;Bagging 如随机森林降方差,Boosting 如 XGBoost 降偏差
- 概率模型:朴素贝叶斯;基于距离:KNN
- 深度学习适合图像、文本等复杂数据
- 评估:准确率、精确率、召回率、F1,不均衡时看 AUC 和 PR 曲线
易错点
- 只列名字,不说各自特点
- 类别不均衡时只看准确率
- 分不清 Bagging 和 Boosting
面试官常见追问
- 详细解释一下逻辑回归
- Bagging 和 Boosting 的区别?
- 判别式模型和生成式模型的区别?
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。