AI产品经理面试宝典第7天：核心算法面试题-上

线性回归问题怎么答？

面试官：如何向非技术人员解释线性回归的原理？

你的回答：想象在房价预测场景中，我们收集了房屋面积和成交价的数据。线性回归就像在数据点间画一条"最佳平衡线"，这条线能最小化每个点到直线的垂直距离平方和。当新楼盘出现时，只要知道面积，沿着这条线就能估算合理价格。但要注意，这种模型假设变量间存在线性关系，若遇到学区房这种非线性因素，可能需要引入多项式特征。

面试官追问：如何判断线性回归模型是否有效？

你的回答：首先看R²决定系数，它反映变量能解释数据变异的比例。但更重要的是业务验证，比如预测房价时，模型在核心商圈和郊区的误差分布是否均衡。还要检查残差是否符合正态分布，如果发现明显趋势性偏差，可能需要引入正则化项或改用更复杂的模型。

逻辑回归妙答？

面试官：逻辑回归和线性回归的本质区别是什么？

你的回答：线性回归是"直尺"，直接测量特征与连续目标值的关系；逻辑回归是"筛子"，通过sigmoid函数将线性输出压缩到(0,1)区间。比如判断用户流失，线性回归可能输出-2.5这样的