超级会员免费看
本文主要梳理了机器学习面试中常见的算法思想，包括监督学习的分类和回归问题，如kNN、决策树、朴素贝叶斯、逻辑回归和支持向量机等。此外，还介绍了无监督学习的k-均值聚类和关联分析的Apriori算法。通过理解这些基础算法，可以帮助求职者更好地准备机器学习岗位的面试。
前言：
找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机的研究生都会接触这个，如果你的研究方向是机器学习／数据挖掘之类，且又对其非常感兴趣的话，可以考虑该岗位，毕竟在机器智能没有达到人类水平之前，机器学习可以作为一种重要的手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。
监督(supervised)
分类(classification)
1.knn(k Nearest Neighbors)算法：
关键公式：
订阅专栏 解锁全文
扫一扫
评论 2
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
