模型评估与调优面试题25 题
- 01 超参数怎么调优？网格搜索、随机搜索、贝叶斯优化有什么区别？
- 02 多分类评估怎么做？macro、micro、weighted 平均有什么区别？
- 03 分类模型阈值如何选择？
- 04 回归模型有哪些评估指标？MAE、MSE、RMSE、R² 怎么选？
- 05 混淆矩阵、精确率、召回率、F1 分别是什么？
- 06 精确率和召回率为什么此消彼长？分类阈值怎么选？
- 07 什么是交叉验证？K 折交叉验证怎么做？
- 08 校准曲线和 Brier Score 有什么用？
- 09 学习曲线是什么？怎么用它诊断过拟合和欠拟合？
- 10 准确率有什么局限？为什么类别不平衡时不能只看准确率？
- 11 AUC 为什么衡量排序能力？
- 12 P-R 曲线和 ROC 曲线有什么区别？什么时候用哪个？
- 13 ROC 曲线和 AUC 是什么？AUC 有什么概率含义？
- 14 离线指标和线上指标不一致怎么办？
- 15 嵌套交叉验证解决什么问题？
- 16 机器学习模型上线为什么需要 A/B 测试？
- 17 模型评估指标如何和业务目标对齐？
- 18 模型指标为什么要看置信区间？
- 19 为什么时间序列或业务数据常按时间切分训练集和测试集？
- 20 Bootstrap 如何用于模型评估？
- 21 模型公平性指标有哪些？
- 22 模型回归测试应该验证什么？
- 23 模型上线后如何监控数据漂移和效果衰减？
- 24 排序模型常用的 NDCG、MAP 怎么理解？
- 25 Top-K 场景下 Precision 和 Recall 怎么评估？
没有符合条件的题目。