文末免费送电子书：七月在线干货组最新 升级的《2021最新大厂AI面试题》免费送！

问题1：过拟合 怎么解决

过拟合：是指训练误差和测试误差之间的差距太大。换句换说，就是模型复杂度高于实际问题，模型在训练集上表现很好，但在测试集上却表现很差。

欠拟合：模型不能在训练集上获得足够低的误差。换句换说，就是模型复杂度低，模型在训练集上就表现很差，没法学习到数据背后的规律。

如何解决欠拟合？

欠拟合基本上都会发生在训练刚开始的时候，经过不断训练之后欠拟合应该不怎么考虑了。但是如果真的还是存在的话，可以通过增加网络复杂度或者在模型中增加特征，这些都是很好解决欠拟合的方法。

如何防止过拟合？

获取和使用更多的数据（数据集增强）、降低模型复杂度、L1\L2\Dropout正则化、Early stopping（提前终止）

问题2：朴素贝叶斯为啥朴素

之所以被称为“朴素”， 是因为它假定所有的特征在数据集中的作用是同样重要和独立的，正如我们所知，这个假设在现实世界中是很不真实的，因此，说是很“朴素的”。

人工智能三大应用方向CV、NLP、推荐系统， 其中计算机视觉(CV)作为人工智能技术的领头羊，被广泛应用到∶人脸识别、安防监控、无人驾驶、医疗影像等各个领域﹔也催生了一批除BAT和安防老大海康威视之外的CV独角兽，比如︰商汤、旷视、依图、云从科技、字节跳动等;最近百度官宣造车计划，带火无人驾驶领域，CV方向就业前景一片大好。

本次特训课程是CV就业班的前期先导课，讲解了卷积神经网络基础知识、图像搜索、车辆重识别及实战演练，如有就业或提升能力的需求，可继续学习CV就业班课程(就业班课程配置CPU+大GPU双云平台、随时“硬Train—发”)。

课程限时1分秒杀： https://www.julyedu.com/course/getDetail/337

课程限时1分秒杀： https://www.julyedu.com/course/getDetail/337

问题3：python装饰器

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。

如：使用python装饰器获取某个函数的运行时间

问题4：python生成器

介绍python生成器需要先介绍可迭代对象和迭代器。可迭代对象（Iterable Object），简单的来理解就是可以使用 for 来循环遍历的对象。比如常见的 list、set和dict。

可迭代对象具有__iter__ 方法，用于返回一个迭代器，或者定义了getitem方法，可以按 index 索引的对象（并且能够在没有值时抛出一个 IndexError 异常），因此，可迭代对象就是能够通过它得到一个迭代器的对象。所以，可迭代对象都可以通过调用内建的 iter() 方法返回一个迭代器。

生成器其实