面试题库 › 算法 / 大模型 › LR、SVM 与树模型(含 XGBoost)的原理对比

LR、SVM 与树模型(含 XGBoost)的原理对比

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:线性模型与逻辑回归

哪些公司问过

虾皮1贝壳找房1

常见岗位:人工智能、NLP / 语音

答案要点

  1. LR:sigmoid 输出概率,交叉熵损失,线性边界,可解释、速度快
  2. SVM:最大间隔、支持向量、合页损失,核技巧处理非线性,适合中小规模高维数据
  3. 分类树:按阈值递归划分,ID3 用信息增益、C4.5 用增益率、CART 用基尼系数
  4. XGBoost:二阶泰勒展开 + 叶子数与权重正则 + 缺失值处理 + 列采样 + 并行
  5. 选型:大规模稀疏特征常用 LR,表格数据首选树模型集成,小样本非线性可试 SVM

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