第四章:速记Day4-灵析社区

英勇黄铜

问题 1:工业界中遇到上亿的图像检索任务,如何提高图像对比效率?

假设原图像输出的特征维度为2048维,通过哈希的索引技术,将原图的2048维度映射到128维度的0/1值中,再进⾏特征维度对⽐。

问题 2:物体检测方法列举

  • Deformable Parts Model
  • RCNN
  • Fast-RCNN
  • Faster-RCNN
  • RFCN
  • Mask-RCNN

问题 3:请写出 SVM 模型的三种类型,并写出它们分别适用于怎样的训练集

SVM 模型有3种:

(1)线性可分支持向量机:适用于训练数据线性可分。

(2)线性支持向量机:适用于训练数据近似线性可分,也就是存在一些特异点。

(3)非线性支持向量机:适用于训练数据线性不可分。

问题 4:请描述选择排序的基本思想

在排序 n 个元素时,首先在未排序的数列中,找到最小(或最大)的元素,然后将其存放到数列的起始位置;

接着从剩下的元素中继续这种选择和交换方式,即第二次遍历时,在剩下的元素中找到次小(或次大)的元素,将其与第二个元素的位置交换;

直至剩下最后一个元素。

问题 5:查看机器的内存使用信息的命令

/proc/meminfo

问题 6:请描述归并排序的基本思想

该排序算法利用的是解决问题的一个常用思想,divide-and-conquer,即分而治之的思想。将 n 个元素每次 二等分,变为两个 n/2 个元素组,直至 1 个元素——1 个元素,自然是排好序了。

然后,再两两合并元素组,最终合并为一个元素组。因为需要归并,所以必然需要一个额外的 n 空间来实现归并。

问题 7:请简述描述梯度下降法的原理

梯度下降法是根据设定的学习率和计算得到的代价函数关于参数θ的偏导数,迭代同步更新参数θ的参数最优化学习算法。

问题 8:k-近邻算法在 「k值过小」时会导致什么问题?

容易学习噪声,过拟合,抗异常值能力差

问题 9:简述朴素贝叶斯的「朴素」

它假定所有的特征在数据集中的作用是同样重要和独立的,而这个假设在现实世界中是很不真实的,因此说朴素贝叶斯很“朴素”。

问题 10:概括决策树模型的主要优缺点

决策树模型主要的优点是模型具有可读性,分类速度快,最主要的缺点是过拟合严重。

阅读量:2020

点赞量:0

收藏量:0