BAT机器学习面试系列(一)

1. 请简要介绍下tensorflow的计算图

   Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor, 也就是张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。如下图表示：

a=x*y; b=a+z; c=tf.reduce_sum(b);

2. 在k-means或kNN，我们常用欧氏距离来计算最近的邻居之间的距离，有时也用曼哈顿距离，请对比下这两种距离的差别。

   欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点$x = (x1,...,xn)$ 和 $y = (y1,...,yn)$ 之间的距离为：

   欧氏距离虽然很有用，但也有明显的缺点。它将样品的不同属性（即各指标或各变量量纲）之间的差别等同看待，这一点有时不能满足实际要求。例如，在教育研究中，经常遇到对人的分析和判别，个体的不同属性对于区分个体有着不同的重要性。因此，欧氏距离适用于向量各分量的度量标准统一的情况。

   如图所示，曼哈顿距离，在欧几里得空间的固定直角座标系上两点所形成的线段对轴产生的投影的距离总和。例如在平面上，座标$(x_1, y_1)$的点$P_1$与座标$(x_2, y_2)$的点$P_2$的曼哈顿距离为：

https://blog.csdn.net/v_JULY_v/article/details/78121924