今天看了以下美团的机器学习面试题，心有感触，遂书之：

1.CNN的原理：

CNN当前主要用于图像处理领域，主要由特征矩阵不断通过迭代训练，感知训练图片部分特征，通过设置多种特征矩阵，从而实现图片的识别，其中会应用到图片归一化，paddding,学习率的设置等一系列对于图片的预处理；CNN最早在1989年诞生，由于现代计算机技术的发展，数据量逐渐增大；分布式集成技术的发展；硬件的发展（GPU的发展），导致现在CNN被广泛应用于人工智能的图像领域，CNN的并行处理的优势使得成为图片处理的重要模型。

2.RNN,LSRTM原理：

RNN及其变种LSTM被广泛应用于自然语言处理，其主要由多个串联状态组成，其本质任务还是对文本进行有效的编码表示，这也是自然语言处理最重要的任务；在encoder-decoder任务中，通常RNN,LSTM结构包含隐藏变量与观测变量，上一个状态会将自生隐藏状态信息传递给下一个观测状态，从而达到上下信息的交互，RNN只能由上而下传递信息，为了解决这个问题，提出LSTM模型，使得信息能够进行双向传递。

3.你所知道的算法模型:

3.1 分类任务：感知机算法，SVM(支持向量机算法)，KNN(K近邻算法)，核函数（kernal）;

3.2 聚类任务：谱聚类算法，PCA降维算法；

3.3优化任务：最小二乘法；正则化；EM（期望最大）算法，拉格朗日乘子法；