Встречается на собеседованиях • сегодня

Какие принципы machine learning использовал при реализации с нуля

Основные принципы ML, которые важно учитывать при реализации с нуля:

  1. Разделение данных - train/test/validation split (обычно 60/20/20 или 70/15/15)
  2. Нормализация/стандартизация - MinMaxScaler, StandardScaler
  3. Оценка качества - метрики (accuracy, precision, recall, F1, MSE)
  4. Регуляризация - L1/L2 для борьбы с переобучением
  5. Кросс-валидация - k-fold для надежной оценки

Пример линейной регрессии с нуля:

python
class LinearRegression:
    def __init__(self, lr=0.01, n_iters=1000):
        self.lr = lr
        self.n_iters = n_iters
        self.weights = None
        self.bias = None

    def fit(self, X, y):
        n_samples, n_features = X.shape
        self.weights = np.zeros(n_features)
        self.bias = 0

        for _ in range(self.n_iters):
            y_pred = np.dot(X, self.weights) + self.bias
            dw = (1/n_samples) * np.dot(X.T, (y_pred - y))
            db = (1/n_samples) * np.sum(y_pred - y)
            self.weights -= self.lr * dw
            self.bias -= self.lr * db
Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы