本文主要是介绍[百面机器学习]经典算法QA，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
1、LR想必线性回归，有何异同？
2、决策树有哪些常用的启发函数？
3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗？
4、证明存在一组参数使得高斯核SVM的训练误差为9
5、LR处理多标签分类问题
6、如何对于决策树进行剪枝？
7、误差为0的SVM的分类器一定存在？
1、LR相比线性回归，有何异同？
LR是分类问题，线性回归是回归问题
LR的因变量是离散的，线性回归的因变量是连续的
它们都使用了梯度下降法和极大似然估计法来建模求解
2、决策树有哪些常用的启发函数？
ID3 最大信息增益
C4.5 信息增益比
CART GINI
3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗？
不可分，很容易想到。
4、证明存在一组参数使得高斯核SVM的训练误差为0？
确实存在
5、LR处理多标签分类问题
如果1个样本只对应1个分类，那么使用多项LR就可以。
如果1个样本对应多个分类，那么训练n个二分LR分类器（n是分类的个数）
6、如何对于决策树进行剪枝？
预剪枝
后剪枝
7、误差为0的SVM的分类器一定存在？
一定至少有一个解可以保证这样的分类器存在
这篇关于[百面机器学习]经典算法QA的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
