KNN K近邻面试整理
1. 介绍 KNNKNN 是一种基本的分类与回归方法，给定一个数据集，在数据集中找出与新实例最近的 k 个实例，选择这个 k 个实例中出现次数最多的类别作为新实例的类别。
KNN 主要有三个基本的要素：k 值的选择、距离度量、分类决策规则
2. KNN 实现过程
计算当前待分类实例与训练数据集中的每
...
SVM支持向量机面试整理
口述 SVMSVM 叫做支持向量机，它是一种二分类模型。它的基本模型是定义在特征空间的间隔最大的线性分类器。
根据训练数据的不同，SVM 主要分为三种情况：
第一种情况就是，当训练数据线性可分的时候，我们是通过硬间隔最大化，来学习一个线性分类器，也就是线性可分的支持向量机。硬间隔就是说，硬性要求所有
...
LR逻辑斯蒂回归面试整理
简单介绍 LR 模型LR 是一个经典的分类算法，LR 是假设输入数据（标签）是服从伯努利分布的。LR 的形式就是 $P(Y=1 | x) = \frac {\exp (w \cdot x)}{1 + \exp {w \cdot x}}$.
可以从三个方面来理解 LR：
可以将 LR 看作是参数化的
...