1、什么是DBSCAN的核心点？
DBSCAN算法的目的在于过滤低密度区域，发现稠密度样本点。跟传统的基于层次的聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意形状的聚类簇，与传统的算法相比它有如下优点：
（1）与K-MEANS比较起来，不需要输入要划分的聚类个数；
（2）聚类簇的形状没有偏倚；
（3）可以在需要时输入过滤噪声的参数；
2、k-means算法的伪代码描述
3、贝叶斯概率公式是什么
4、什么样的信息比较有价值？概率大的还是概率小的？
5、什么是elbow方法？缺点是什么？（可以参考吴恩达课程的内容，百度一下笔记或许有答案）
6、聚类算法再什么应用场景可以使用？（就是聚类可以干什么，举例子）
7、什么是梯度？梯度下降的目的是什么？
8、什么是过拟合？什么是欠拟合？给出对应的解决办法
9、线性回归的目标函数和损失函数分别是什么？