转转一面。机器学习岗位，目测凉
双非本硕，主要是机器学习方向
会发现自己的基础还是很薄弱，很多东西有点浮于表层。
1.什么是过拟合，有哪些解决办法？dropout是什么原理，花书中有详细的，答的不好。L1正则和L2正则都是如何解决过拟合问题的。
2.集成学习方法中，bagging和boosting有什么区别？除了并行和串行，他们还有什么区别？哪一个泛化能力更好？
3.交叉熵是什么？出题计算交叉熵，虽然知道公式，一直没有认真看过交叉熵具体是什么。心里凉了半截
4.为什么要使用激活函数？激活函数sigmoid和relu有什么区别？各有什么优缺点
5.CNN给图像和卷积核，求输出形状，输入32*32*3，10个卷积核，3*3，步长为1，答错，RGB图像通过卷积核会有整合到一个特征图。。。
6.LSTM模型介绍，和RNN区别是什么，自己逻辑表达不够好，回答的很乱
7.常用评价标准，AUC.ROC
8.介绍比赛
反问：公司方向，这哪还敢问啊，问了也去不了
每一个面试官给人的感觉都很温馨，强大又温柔
补天等春招
#转转面经##转转##面试题目#
