面试题库 › 算法 / 大模型 › 树模型、GBDT+LR 与神经网络的差异与适用场景

树模型、GBDT+LR 与神经网络的差异与适用场景

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:树模型与集成学习

哪些公司问过

美团1携程1

常见岗位:机器学习算法(泛)、NLP / 语音

答案要点

  1. 树模型按阈值分裂,输出分段常数,擅长表格数据,对量纲不敏感、可处理缺失值
  2. 神经网络学习平滑的分布式表示,适合非结构化数据和大规模稀疏 ID(Embedding)
  3. GBDT+LR:GBDT 叶子节点编码作为特征交给 LR,实现自动特征组合;DNN 端到端
  4. 高维稀疏下 LR 可能优于 GBDT:每个特征有独立权重,正则化可控,训练快
  5. GBDT 在稀疏特征上分裂增益小,易在少量样本上过拟合,也不擅长外推

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