先验后验概率与模型训练即参数估计
哪些公司问过
答案要点
- 先验 P(θ) 是观测前的信念,后验 P(θ|D)∝P(D|θ)P(θ) 是结合数据后的更新
- 训练即参数估计:假设数据服从带参数分布,用数据估计参数
- MLE 等价于最小化负对数似然:交叉熵对应类别分布,MSE 对应高斯噪声
- MAP 加入先验,对数下变为正则项:高斯先验对应 L2,拉普拉斯先验对应 L1
- 超参数不由训练估计,需要靠验证集或交叉验证选择
易错点
- 把后验写成似然,混淆 P(θ|D) 和 P(D|θ)
- 说正则化与概率无关,忽略其 MAP 先验解释
- 把超参数调优也当成参数估计的一部分
面试官常见追问
- 朴素贝叶斯公式是什么?
- MLE 和 MAP 在数据量变大时有什么关系?
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。