人工智能面试题 · 技术原理 · XGBoost
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 54 道 · 更新 2026-08-05
筛选题目已选：技术原理 · XGBoost
考察点
技术栈
第 41 题介绍一下XGBoost，与GBDT相比有什么不同？ 考察对XGBoost算法原理的理解及其与GBDT的差异第 42 题我看你用了一个XGBoost模型，是树模型吗？ 考察对XGBoost模型本质的理解和表达准确性第 43 题XGBoost 与其他常见机器学习模型（如随机森林、逻辑回归、深层神经网络）在原理和使用场景上有什么区别？ 考察对 XGBoost 核心原理的理解及模型选型判断第 44 题请介绍你了解的二分类算法，并解释在具体项目中为什么选择 LightGBM 而不是随机森林、逻辑回归或 XGBoost？ 考察分类算法知识体系与基于业务场景的模型选型能力第 45 题介绍下XGBoost，相对GBDT有哪些改进？ 考察对梯度提升框架的深入理解与比较能力第 46 题请讲一下 LightGBM 和 XGBoost 在原理上的具体区别。 考察对两种主流梯度提升框架底层机制的理解与对比能力第 47 题请解释轻梯度提升机（LightGBM）的核心原理及其与XGBoost的主要区别。 考察对LightGBM算法原理的理解和对比分析能力第 48 题介绍GBDT和XGBoost的主要区别。 考察对GBDT与XGBoost核心机制差异的理解第 49 题是否熟悉 XGBoost？请简要说明它的核心原理和适用场景。 考察候选人对 XGBoost 原理的理解深度与适用场景判断第 50 题请比较XGBoost、GBDT和LightGBM在原理与使用上的主要区别。 考察对梯度提升树家族算法的原理理解与选型能力第 51 题请解释XGBoost的核心原理，并说明它与其他提升算法（如AdaBoost）的主要区别。 考察对XGBoost及提升算法家族的理解第 52 题请解释 Gradient Boosting 与 XGBoost 之间的主要差异。 考察对梯度提升算法原理及其工程实现的深入理解。第 53 题在机器学习特征工程中，GBDT 模型对于高维稀疏特征的处理效果如何？请分析其适用性。 考查对 GBDT 在特定特征分布下表现的理解。第 54 题GBDT 这一集成学习算法，是否能够处理分类类型的任务？请说明其适用性及可能的做法。 考查对 GBDT 算法原理及其在分类任务上应用方式的理解。