正则化参数如何确定 机器学习算法工程师面试需要做那些准备？
机器学习算法工程师面试需要做那些准备？1. 工业中的大型模型基本上都是logistic区域和线性区域，因此SGD和lbfgs的理解是非常重要的，并行推导对于理解LR是如何并行的是非常重要的2。其次，常
机器学习算法工程师面试需要做那些准备？
1. 工业中的大型模型基本上都是logistic区域和线性区域，因此SGD和lbfgs的理解是非常重要的，并行推导对于理解LR是如何并行的是非常重要的
2。其次，常用的机器学习算法，如SVM、gbdt、KNN等，应该了解其原理，能够在压力下快速响应。算法的优缺点和适应场景应该基本清楚
3基本算法数据结构应该熟练，链表二叉树，快速行合并，动态返回等
L1正则化假设参数的先验分布是拉普拉斯分布，L2正则化假设参数的先验分布为高斯分布，保证了模型的稳定性，即参数值不会太大或太小。在实际应用中，如果特征是高维稀疏的，则采用L1正则化；如果特征是低维稀疏的，则采用L1正则化；如果特征是稠密的，则采用L2正则化。最后附上图表。右边是L1正则，最优解在坐标轴上，这意味着某些参数为0。