某程：
都用過哪些演算法？應用最熟悉的是那個？
特徵工程如何做？
介紹一下rf吧？
lr相比樹模型對資料有什麼要求？
為什麼有些演算法需要剔除共線性？
距離演算法了解哪些？余弦相似性相比k-means有什麼區別？
k-means的k如何選擇的？聚類的效果如何評估？
為什麼距離演算法需要對資料進行歸一化？樹模型需要嗎？為什麼不需要？
樹模型特徵如何選擇？
決策樹如何處理缺失值？
介紹一下最常用的整合演算法？
rf可以對特徵進行重要性評估的原理？
某東：
lr的損失函式是什麼？
交叉熵損失函式的表示式是什麼？
不平衡資料如何處理？
如何消除過擬合？
l1和l2正規化分別要求的資料分布是什麼？
介紹一下adaboost和gbdt、xgboost的區別？
adaboost對分錯的樣本給予更小的權重還是更大的權重？如何更新權重？
模型評估方法有哪些？業務上如何評估？
介紹一下roc曲線？和p-r曲線的區別？
p-r曲線為什麼不能很好評估不均衡資料？
介紹一下a/btest？業務上如何實施的？
介紹一下極大似然估計？
對後驗概率了解多少？
了解深度學習嗎？前沿的一些演算法了解哪些？
cnn和rnn相比dnn有什麼區別？
哪些神經網路結構會發生權重共享？
為什麼會出現梯度消失？
用過哪些深度學習框架？
平時都瀏覽什麼**？前沿知識主要獲取途徑是什麼？
某里：
資料分析和資料探勘有什麼區別？
整合演算法有哪些？分別介紹一下？
哪種模型最好？
什麼是貝葉斯定理？樸素貝葉斯樸素在**？
哪些演算法容易過擬合？如何處理過擬合？
l1、l2正則之間有什麼不同？
決策樹演算法對資料有什麼要求？
決策樹的整個構建過程？
決策樹有哪些特徵選擇方法？區別是什麼？
決策樹如何進行剪枝？那種方法好？
整合學習為什麼能夠提高精度？除此之外還有什麼優點？
完整介紹一下adaboost?
更關注模型的精度還是模型的效能？如何均衡？
深度學習都了解哪些？詳細介紹一下？
神經網路演算法如何防止過擬合？
詳細介紹一下dropout？
排序演算法都有哪些？時間複雜度區別？
設計乙個黑箱的文字分析器？說出思路即可
某滴：
特徵工程進行了哪些處理？
正樣本太少如何處理？
都嘗試過哪些方法豐富正樣本？
1:10的資料和1:1000的資料如何選擇？如何處理？
使用者裂變的時候如何應對重複裂變？
模型效果如何評估？在實際業務上如何評估？
如何降低過擬合？
auc除了通過roc曲線來計算，還有沒有別的計算方法？如何計算的？
決策樹有幾種？幾種特徵選擇方法介紹一下？有什麼區別？
rf、adaboost、xgboost分別介紹一下？區別是什麼？哪種演算法好？
bagging和boosting更偏向於哪個指標？偏差還是方差？
rf相比adaboost哪種決策樹比較深？為什麼？
xgboost和gbdt的區別？
聚類演算法用過哪些？介紹一下kmeans？其它聚類演算法了解嗎？
推薦演算法都有哪些？介紹一下協同過濾？
求 f (x
)=12
(x+a
)2+∣
x∣
f(x)=\frac(x+a)^+|x|
f(x)=2
1(x
+a)2
+∣x∣
的極值點及極值？
某美：
如何進行資料處理？
如何進行特徵降維？
整合學習演算法都用過哪些？整合學習的原理是什麼？
介紹一下rf吧？它和其它整合學習演算法有什麼區別？
不均衡資料如何處理？
模型如何評估？
介紹一下roc曲線？為什麼需要auc？
rou曲線和p-r曲線區別？
聚類演算法如何確定聚類群體個數？
用過深度學習演算法嗎？介紹一下常用的深度學習演算法？
視覺化實現？用過哪些模組？
手推一下lr？
時間序列模型了解嗎？缺失資料如何基於時間序列補齊？
某來：
spark相比hadoop有什麼區別？
spark的優點和不足？
有哪些集群資源管理方式？用過哪些？
spark的standalone和yarn模式的區別？
模型評估方法有哪些？實際工作中如何評估？
小樣本學習了解嗎？介紹一下
不均衡資料如何處理？
介紹一下整合學習演算法？
xgboost和gbdt的區別？
優化方法有哪些？分別介紹一下
svm用過嗎？損失函式是什麼？是凸的嗎？
解釋對偶的概念？為什麼需要對偶？
lr損失函式是什麼？是凸的嗎？
聚類演算法如何確定聚類數量？如何評估？
密度聚類了解嗎？
正則化了解嗎？
l1範數為什麼會輸出稀疏矩陣？l2為什麼不會？
什麼是拉普拉斯分布？什麼是高斯分布？兩者的區別？
精準營銷場景，更偏向於給人推物？還是給物找人？
歡迎補充。
最後，專案覆盤很重要，知識覆盤也很重要。
stay hungry, stay foolish.
最近遇到的幾個面試題
一 物件導向的三大特徵。繼承 封裝 多型。b 封裝 b 封裝機制將資料和 到一起，避免了外界的干擾和不確定性。它同樣允許建立物件。簡單的說，乙個物件就是乙個封裝了資料和操作這些資料的 的邏輯實體。在乙個物件內部，某些 和 或 某些資料可以是私有的，不能被外界訪問。通過這種方式，物件對內部資料提供了不...
記幾個演算法面試題
最近去面試，遇到很多演算法類的題目，看的是一臉懵，故特此記錄下了此份試題，慢慢去研究裡面的問題。1 乙個整數，大於0，不用迴圈和本地變數，按照n,2n,4n,8n的順序遞增，當值大於5000時，把值按照指定順序輸出來。例 n 1237 則輸出為 1237,2474,4948,9896,9896,49...
2019前端面試大廠面試題
後面題目是我從各大廠面試題總結的一些經驗 需要key的原因是 使用v for更新已經渲染的元素列表時，預設採用 就地復用 策略，列表中資料發生改變時，此時的key就開始工作，根據key值去判斷某個值是否被修改，如果修改了的話，則重新渲染這一項，否則復用之前的元素 根據這個原因，我們可以知道，key值...