风控算法工程师面试指南
风控模型师面试指南一. 算法1.逻辑回归1.1 逻辑回归的优缺点，在金融领域相比其他算法有什么优势，局限性在哪？ 1）优点： 实现简单，速度快，占用内存小，可在短时间内迭代多个版本的模型。 模型的可解释性非常好，可以直接看到各个特征对模型结果的影响，可解释性在金融领域非常重要，所以在目前业界大部分使…
继续阅读 →STRINGS / NOTES
Strings
hello，各位好，这里记录机器学习、风控算法与阅读思考。
LATEST WRITING
最新文章
面试
[TOC] 机器学习1. 逻辑回归（LR）1.1 基本原理逻辑回归（Logistic Regression，LR）也称为”对数几率回归”，又称为”逻辑斯谛”回归。 1.1.1 知识点提炼 分类，经典的二分类算法！ 逻辑回归就是这样的一个过程：面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭…
继续阅读 →降维方法-总结
1. 降维概述样本的特征数称为维数（dimensionality），当维数非常大时，也就是现在所说的“维数灾难”，具体表现在：在高维情形下，数据样本将变得十分稀疏，因为此时要满足训练样本为“密采样”的总体样本数目是一个触不可及的天文数字，谓可远观而不可亵玩焉…训练样本的稀疏使得其代表总体分布的能力大…
继续阅读 →降维_线性判别分析
1. 算法概述LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”，如下图所示。我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。 2. 算法推导LDA多分类：假定存在$N$个类，且第$i$类示例树为$m_…
继续阅读 →逻辑回归分类和softmax分类
逻辑回归分类和softmax分类1.逻辑回归1.1 算法原理一些回归算法也可以用于分类，反之亦然。逻辑回归就是被广泛用于估算一个实例属于某个特定类别的概率。如果估算概率超过50%就是属于该类，反之则不是。 1.2 假设函数 回顾线性回归中的假设函数$h_\theta(x)=\theta_…
继续阅读 →线性回归
线性回归的代码实现1. 线性回归推导 对于给定了$m$个样本点($x^{(1)}$,$y^{(1)}$)，($x^{(2)}$,$y^{(2)}$)，$\dots$，($x^{(m)}$,$y^{(m)}$)，其中$x^{(i)}\in\R^{n}$。定义假设函数为$h_\theta(x)$，即$…
继续阅读 →聚类算法总结
聚类算法总结聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。 聚类直观上来说是将相似的样本聚在一起，从而形成一个类…
继续阅读 →神经网络公式推导
神经网络的反向传播公式1. 逻辑回归反向传播公式的推导逻辑回归是最简单的神经网络，先入手逻辑回归，有助于后面的理解。 上图是一个逻辑回归正向传播的示意图。具体细节不再描述。 损失函数为：$$L(a,y) = -yloga -(1-y)log(1-a)$$反向传播的目的为了求$dw和db$，…
继续阅读 →