数据分析面试总结之——常见面试题整理（一）

阅读之前请注意 👉：博主目前正处于数据分析的学习阶段，本博客主要记录了学习过程中的部分心得与总结，同时也期待能够与各位共同成长。在撰写过程中，难免存在诸多不足与遗漏之处，若发现任何问题，欢迎通过私信方式与博主交流指正。
博客链接：天阑之蓝的博客，在学习的道路上总会遇到困惑与挑战，希望每位读者都能在这个过程中不断肯定自我、突破自我，并最终实现自我价值。

目录

• • 1、过度拟合与不足拟合的现象
    • 2. 导致过度拟合与不足拟合的因素有哪些？如何应对这些问题？
    • 3. 正则化是什么？L1正则化与L2正则化之间存在哪些差异
    • • 3.1 L1正则化与L2正则化的对比分析
      • 3.2 L1和L2正则化的主要功能：
      • 3.3 总结
    • 4. 应对过度拟合的其他可行方法
    • 5. 超参数与参数之间的区别
    • 6. 准确率、精确度、召回率、ROC曲线以及AUC值
    • 7. 模型评估的相关方法

1、过拟合和欠拟合的现象

过拟合 ：即模型对训练数据的拟合程度过高，具体表现为评估指标显示模型在训练集上具有优异的表现，然而在测试集以及新的数据集上效果却明显下降。
欠拟合 ：指模型在训练阶段和预测阶段均未能取得理想效果的现象。