添加若干道【机器学习】面试题

Author: amusi

docs/机器学习.md

@@ -101,6 +101,7 @@ $$J(\phi(z),y;w)=-yln(\phi(z))-(1-y)ln(1-\phi(z))$$
 - [【机器学习】逻辑回归（Logistic Regression）](https://www.cnblogs.com/Belter/p/6128644.html)
 - [机器学习算法--逻辑回归原理介绍](https://blog.csdn.net/chibangyuxun/article/details/53148005)
 - [逻辑回归算法面经](https://zhuanlan.zhihu.com/p/46591702)
+- [Logistic Regression 模型简介](https://tech.meituan.com/2015/05/08/intro-to-logistic-regression.html)
 
 ### 为什么逻辑回归模型要使用 sigmoid 函数
 
@@ -112,6 +113,18 @@ $$J(\phi(z),y;w)=-yln(\phi(z))-(1-y)ln(1-\phi(z))$$
 
 - [为什么逻辑回归 模型要使用 sigmoid 函数](https://blog.csdn.net/weixin_39881922/article/details/80366324)
 
+### LR可以用核函数么？
+
+- [ ] TODO
+
+### 逻辑斯蒂回归能否解决非线性分类问题？
+
+- [ ] TODO
+
+**参考资料**
+
+- [逻辑斯蒂回归能否解决非线性分类问题？](https://www.zhihu.com/question/29385169)
+
 ## 线性回归
 
 ### 基本原理
@@ -691,6 +704,10 @@ CART在生成子树时，是选择一个特征一个取值作为切分点，生
 
 - [ ] TODO
 
+### 随机森林和 GBDT的区别
+
+- [ ] TODO
+
 ## XGBoost
 
 ### 基本原理
@@ -801,12 +818,14 @@ TODO
 **参考资料**
 
 - [Singular_value_decomposition](https://en.wikipedia.org/wiki/Singular_value_decomposition)
-
 - [关于SVD(Singular Value Decomposition)的那些事儿](https://www.cnblogs.com/tgycoder/p/6266786.html)
-
 - [奇异值分解(SVD)原理与在降维中的应用](https://www.cnblogs.com/pinard/p/6251584.html)
 - [第14章 利用SVD简化数据](https://www.cnblogs.com/apachecnxy/p/7640987.html)
 
+### 手撕 SVD
+
+- [ ] TODO
+
 ### 特征值和SVD的区别
 
 - [ ] TODO
@@ -1178,6 +1197,18 @@ L2正则化参数
 
 从上述公式可以看到，λ越大，θj衰减得越快。另一个理解可以参考图2，λ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。
 
+### 机器学习中常常提到的正则化到底是什么意思？
+
+- [ ] TODO
+
+**参考资料**
+
+- [机器学习中常常提到的正则化到底是什么意思？](https://www.zhihu.com/question/20924039)
+
+### 为什么 L2 正则化可以防止过拟合？
+
+- [ ] TODO
+
 ## 过拟合和欠拟合
 
 ### 基本原理
@@ -1292,5 +1323,9 @@ L2正则化参数
 
 - [机器学习中常常提到的正则化到底是什么意思？](https://www.zhihu.com/question/20924039)
 
+## 聚类算法中的距离度量有哪些？
+
+- [ ] TODO
+
 ## TODO
 

docs/面试经验.md

@@ -166,8 +166,8 @@
 - [ ] [大华、虹软 算法面试分享](https://www.nowcoder.com/discuss/97981?type=0&order=0&pos=15&page=1)
 - [ ] [网易互娱人工智能研究工程师一面](https://www.nowcoder.com/discuss/97689?type=0&order=0&pos=227&page=1)
 - [ ] [网易：我可能面了假的视觉岗](https://www.nowcoder.com/discuss/97487?type=0&order=0&pos=23&page=1)
-- [ ] [2019秋招｜阿里蚂蚁-机器学习算法工程师-共四面 面经](https://zhuanlan.zhihu.com/p/42705310)
-- [ ] [2018秋招算法岗面经与提问总结（蚂蚁/美图/宜信/滴滴）](https://www.nowcoder.com/discuss/93743)
+- [x] [2019秋招｜阿里蚂蚁-机器学习算法工程师-共四面 面经](https://zhuanlan.zhihu.com/p/42705310)
+- [x] [2018秋招算法岗面经与提问总结（蚂蚁/美图/宜信/滴滴）](https://www.nowcoder.com/discuss/93743)
 - [x] [19校招AI算法面经（百度+京东+美团+地平线offer）](https://www.nowcoder.com/discuss/95895?type=0&order=0&pos=28&page=1)
 - [x] [浙江大华 算法岗 1、2面面经](https://www.nowcoder.com/discuss/92585?type=0&order=0&pos=69&page=1)
 - [x] [CVTE图形计算 面经（两面技术已过）](https://www.nowcoder.com/discuss/88069)