无监督学习面试题25 题
- 01 层次聚类是什么？和 K-means 有什么区别？
- 02 常见降维方法怎么选？PCA、t-SNE、UMAP 有什么区别？
- 03 聚类结果如何做业务解释和验证？
- 04 聚类效果怎么评估？没有标签怎么衡量好坏？
- 05 无监督异常检测有哪些常见方法？
- 06 DBSCAN 聚类的原理是什么？相比 K-means 有什么优势？
- 07 K-means 和 KNN 有什么区别？（经典易混）
- 08 K-means 聚类的原理是什么？
- 09 K-means 为什么对初始化敏感？K-means++ 怎么改进？
- 10 K-means 有哪些缺点？K-means++ 解决了什么问题？
- 11 K-means 怎么确定簇数 K？肘部法和轮廓系数是什么？
- 12 PCA 的解释方差比怎么理解？
- 13 高斯混合模型（GMM）是什么？和 K-means 有什么关系？
- 14 PCA 和 LDA 有什么区别？都是降维为什么不一样？
- 15 PCA（主成分分析）的原理是什么？
- 16 聚类为什么通常需要特征缩放？
- 17 自编码器如何用于无监督异常检测？
- 18 DBSCAN 的 eps 和 min_samples 如何选择？
- 19 Isolation Forest 如何做异常检测？
- 20 Mini-Batch K-means 适合什么场景？
- 21 关联规则挖掘中的支持度、置信度和提升度是什么？
- 22 聚类稳定性如何评估？
- 23 主题模型 LDA 的基本思想是什么？
- 24 PCA Whitening 是什么？有什么作用和风险？
- 25 t-SNE/UMAP 可视化结果有哪些常见误读？
没有符合条件的题目。