朴素贝叶斯、KNN 与 KMeans 的原理和公式
哪些公司问过
京东1平安科技1
答案要点
- 贝叶斯定理 P(y|x)=P(x|y)P(y)/P(x),分类取后验最大类
- 朴素假设:给定类别特征条件独立,预测 argmax P(y)ΠP(xi|y)
- 拉普拉斯平滑解决零概率,取对数防止连乘下溢
- KNN 无显式训练,预测时找 K 个最近邻按多数投票或距离加权
- KMeans 最小化 J=ΣkΣx∈Ck ||x-μk||²,交替分配样本和更新质心
易错点
- 把条件独立说成特征之间完全独立,假设是在给定类别下成立
- 忘记零概率问题和平滑处理
- 混淆 KNN 与 KMeans:前者是有监督分类,后者是无监督聚类
面试官常见追问
- KNN 的 K 和距离怎么选?
- KMeans 有哪些问题?
- 朴素贝叶斯是生成模型还是判别模型?
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。