2017校招数据分析岗笔试#92;/面试知识点总结

回归模子中，y是一个定型变量，好比y=0或1，logistic要领首要应用于研究某些变乱产生的概率。

对数据和场景的顺应手段有范围，不如决定树算法顺应性那么强

常识点5：分类的评判指标

精确率和召回率普及用于信息检索和统计分类规模

1)精确率(precision rate)：提取出的正确信息条数/提取出的信息条数

2)召回率(recall rate)：提取出的正确信息条数/样本中的信息条数

ROC和AUC是评价分类器的指标

3)ROC曲线：

ROC存眷两个指标

True Positive Rate ( TPR，真正率 )?= TP / [ TP + FN] ，TPR代表猜测为正现实也为正占总正实例的比例

False Positive Rate( FPR，假正率 )?= FP / [ FP + TN] ，FPR代表猜测为正但现实为负占总负实例的比例

在ROC 空间中，每个点的横坐标是FPR，纵坐标是TPR

4)AUC：AUC(Area Under Curve)

被界说为ROC曲线下的面积，显然这个面积的数值不会大于1。又因为ROC曲线一样平常都处于y=x这条直线的上方，以是AUC的取值范畴在0.5和1之间。行使AUC值作为评价尺度是由于许多时辰ROC曲线并不能清楚的声名哪个分类器的结果更好，而AUC作为数值可以直观的评价分类器的优劣，值越大越好。

5)怎样停止过拟合?

过拟合示意在实习数据上的偏差很是小，而在测试数据上偏差反而增大。其缘故起因一样平常是模子过于伟大，过度得去拟合数据的噪声和outliers。

常见的办理步伐是正则化是：增大数据集，正则化

正则化要领是指在举办方针函数或价钱函数优化时，在方针函数或价钱函数后头加上一个正则项，一样平常有L1正则与L2正则等。法则化项的引入，在实习(最小化cost)的进程中，当某一维的特性所对应的权重过大时，而此时模子的猜测和真实数据之间间隔很小，通过法则化项就可以使整体的cost取较大的值，从而在实习的进程中停止了去选择那些某一维(或几维)特性的权重过大的环境，即过度依靠某一维(或几维)的特性。

L1正则与L2正则区别：

L1：计较绝对值之和，用以发生稀少性(使参数矩阵中大部门元素变为0)，由于它是L0范式的一个最优凸近似，轻易优化求解;

L2：计较平方和再开根号，L2范数更多是防备过拟合，而且让优化求解变得不变很快速;

以是优先行使L2 norm是较量好的选择。

常识点6：二叉树(前、中、后遍历)

(这里的前中后是指的根节点的遍历序次)

1)前序遍历(DLR)，起首会见根结点，然后遍历左子树，最后遍历右子树;

2)中序遍历(LDR)，起首遍历左子树，然后会见根结点，最后遍历右子树;

3)后序遍历(LRD)，起首遍历左子树，然后会见遍历右子树，最后会见根结点。