1、概率-样本空间

随机事件E的所有基本结果组成的集合为E的样本空间，样本空间的元素称为样本点或基本事件，这个定义就说明了样本空间的概率是1。

2、完全二叉树

判断一棵树是否是完全二叉树
1>如果树为空，则直接返回错
2>如果树不为空：层序遍历二叉树
2.1>如果一个结点左右孩子都不为空，则pop该节点，将其左右孩子入队列；
2.1>如果遇到一个结点，左孩子为空，右孩子不为空，则该树一定不是完全二叉树；
2.2>如果遇到一个结点，左孩子不为空，右孩子为空；或者左右孩子都为空；则该节点之后的队列中的结点都为叶子节点；该树才是完全二叉树，否则就不是完全二叉树；

3、卷积神经网络可以有多个卷积核，可以不同大小

4、LR 模型的损失函数是交叉熵

5、聚类方法中，谱聚类是基于图理论的

6、GRU 和 LSTM

参考链接：https://www.cnblogs.com/jins-note/p/9715610.html

7、ROC 和 AUC

参考链接：https://blog.csdn.net/u013385925/article/details/80385873

8、神经网络中的 dropout 效果和机器学习方法的 Bagging 效果类似

9、强化学习

参考链接：https://baike.baidu.com/item/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/2971075?fr=aladdin

10、LR 和 SVM 的区别联系

参考链接：https://blog.csdn.net/qq1195365047/article/details/88639543
参考链接：https://www.jianshu.com/p/116886481813

11、判别模型有

参考链接：https://blog.csdn.net/qq_35290785/article/details/100705017

12、L1、L2 正则化

参考链接：https://blog.csdn.net/red_stone1/article/details/80755144