4.什么是结构误差和经验误差？训练模型的时候如何判断已经达到最优？
6.如何选择合适的模型评估指标？AUC、精准度、召回率、F1值都是什么？如何计算？有什么优缺点？
9.如何评判模型是过拟合还是欠拟合？遇到过拟合或欠拟合时，你是如何解决？
12.你是如何理解模型的偏差和方差？什么样的情况是高偏差，什么情况是高方差？
13.奥卡姆剃刀定律是什么？对机器学习模型优化有何启发？举例说明
14.线性模型和非线性模型的区别？哪些模型是线性模型，哪些模型是非线性模型？
15.生成式模型和判别式模型的区别？哪些模型是生成式模型，哪些模型是判别式模型？
16.概率模型和非概率模型的区别？哪些模型是概率模型，哪些模型是非概率模型？
17.参数化模型和非参数化模型的区别？哪些模型是参数化模型，哪些模型是非参数化模型？
1.简述解决一个机器学习问题时，你的流程是怎样的？
1. 确定问题：有监督问题还是无监督问题？回归问题还是分类问题？
2. 数据收集与处理
3. 特征工程：包括特征构建、特征选择、特征组合等
4. 模型训练、调参、评估：包括模型的选择，选择最优的参数
5. 模型部署：模型在线上运行的效果直接决定模型的成败
2.损失函数是什么，如何定义合理的损失函数？
机器 学习模型关于单个样本的预测值与真实值的差称为**损失**。用于计算损失的函数称为**损失函数**。损失函数是$f(x)$和$y$的非负实值函数函数。
原文链接：https://blog.csdn.net/ccsss22/article/details/126495476?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851498816800225598566%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851498816800225598566&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-29-126495476-null-null.nonecase&utm_term=AI%E9%9D%A2%E8%AF%95
