【2025算法面试通关】【二.机器学习-监督学习】【10.监督学习核心面试题：逻辑回归与支持向量机深度解析】

一、热门基础题（30题）

逻辑回归基础

1. 逻辑回归的假设函数是什么？为什么采用sigmoid函数？
   假设函数为 ( h_\theta(x) = g(\theta^T x) )，其中 ( g(z) = \frac{1}{1+e^{-z}} )。sigmoid函数将线性输出映射到(0,1)区间，天然适合二分类概率建模，且导数形式简单 ( g’(z) = g(z)(1-g(z)) )，便于梯度计算。

2. 逻辑回归的损失函数为什么不用均方误差？
   均方误差在逻辑回归中是非凸的，存在多个局部最优解，优化困难；而对数损失函数是凸函数，且与概率模型直接对应，最大化对数似然等价于最小化交叉熵损失。

3. 推导逻辑回归的二分类损失函数。
   二分类概率模型：( P(y=1|x;\theta)=h_\theta(x) )，( P(y=0|x;\theta)=1-h_\theta(x) )。
   似然函数：( L(\theta) = \prod_{i=1}^m [h_\theta(x_i)]^{y_i} [1-h_\theta(x_i)]^{1-y_i} )
   对数似然：( \ell(\theta) = \sum_{i=1}^m [y_i \l