機器學習面試（二）

1.爲什麼需要對數值型特徵做歸一化？（ 變爲一個簡單的分佈學習在學習一個複雜分佈時更加快速，可以使學習收斂更快， 減弱離羣點的影響，讓模型更加魯棒降低過擬合的風險。 對樹模型無效，分類樹和迴歸樹都一樣沒有作用，只有使用梯度下降類型的模型效果好。 ） 2.特徵組合？（ 可以根據決策樹根結點到葉節點的路徑來進行構建，可以找到不同劃分下的最優特徵組合； 可以直接暴力多項式組合；可以基於業務場景進行相應的

>>阅读原文<<