首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >算法面试太难?反手就是一波面经

算法面试太难?反手就是一波面经

作者头像
石晓文
发布2018-10-10 10:07:43
1.7K0
发布2018-10-10 10:07:43
举报
文章被收录于专栏:小小挖掘机小小挖掘机

八月参加了一些提前批的面试,包括阿里、百度、头条、贝壳、一点资讯等。整理了一些面试题,分享给大家。

一、机器学习基础题

1、LSTM的公式

2、RNN为什么出现梯度消失及BPTT的推导

3、DQN的基本原理么

4、GBDT和随机森林有什么区别

5、GBDT的原理,如何做分类和回归

6、随机森林的随机体现在哪方面

7、Wide &Deep的原理

8、GBDT+LR是怎么做的?

9、DQN模型为什么要做经验回放

10、数据之间如果不是独立同分布的会怎样

11、AUC的原理介绍一下

12、XGBOOst和GBDT的区别。

13、强化学习和监督学习的区别

14、神经网络里面的损失函数有哪些

15、机器学习中常见的激活函数有哪些?为什么通常需要零均值?

16、DeepFM介绍

17、FM推导

18、boosting和bagging的区别?

19、bagging为什么能减小方差?

20、交叉熵损失函数,0-1分类的交叉熵损失函数的形式。什么是凸函数?0-1分类如果用平方损失为什么用交叉熵而不是平方损失?

21、L1和L2有什么区别,从数学角度解释L2为什么能提升模型的泛化能力。

22、深度学习中,L2和dropout有哪些区别?

23、L1正则化有哪些好处

24、如果有一万个地理坐标,转换成1-10000的数,可以用决策树么?

25、CART分类树和ID3以及C4.5有什么区别?

26、树集成模型有哪几种实现方式:Bagging和Boosting,回答过程中又问到了很多细节。随即森林的随机体现在哪些方面,AdaBoost是如何改变样本权重,GBDT分类树拟合的是什么?

27、Dueling DQN和DQN有什么区别

28、early stop对参数有什么影响?

二、数据结构算法题

1、K个有序数组,找一个长度最小的区间,在这个区间里至少包含每个数组各一个数

2、n个[0,n)的数,求每个数的出现次数(不能开辟额外空间)

3、数组的全排列(空间复杂度O(1))

4、一堆钞票,尽可能均分(利用背包问题的思想)

5、无向无环图中,最短路径的最大值(Floyd算法)

6、层次遍历二叉树

7、字符串的最长公共子序列(动态规划)

8、树的前序遍历和zigzag遍历(非递归)

9、一个数组,所有数组都出现了两次,只有一个数出现了一次,返回这个数(位运算)

10、一个数组,一个数出现了超过一半次数,返回这个数

11、将除法的结果用字符串返回,如果能够除尽,则返回相除的结果,如果不能除尽,则无限循环部分用[]标记。

12、数组排序,假设数组排序后的位次和排序前的位次绝对值差值小于K,有什么比快排好的算法?

13、树中两个节点的第一个的公共祖先。

14、判断是否是回文链表

15、判断两个链表中是否有相同节点

三、实践题

1、如果你想往模型中加入一个特征,如何判定这个特征是否有效?

2、LR和FM的区别?FM需要进行交叉特征的选择么?如果在LR选了一部分特征做交叉之后,取得了比FM更好的效果,这是为什么?如果FM变成DeepFM之后,效果超过了LR,这又是为什么?

3、如果逻辑回归的所有样本的都是正样本, 那么它学出来的超平面是怎样的?

4、哪些场景下的分类问题不适用于交叉熵损失函数?

5、推荐系统中你认为最重要的环节是什么?

6、多臂老虎机中,有许多方法,比如e-greedy,timponson采样,UCB,这些方法都有哪些适用场景?

7、如何预测一家店分品类的销量

8、信息流采样,有n份数据,但是n的长度并不知道,设计一个采样算法,使得每份被选择的概率是相同的。

9、模型在线下评估和线上使用时,往往出现线上实际效果不如线下效果的情况,请分析可能的原因。

10、在CTR预估问题中,假设训练数据的正负样本数为1:4,测试数据中的正负样本数也为1:4,那么此时模型对测试集,学到的平均点击率为1/(1+4),假设此时采取了欠采样策略,使正负样本数为1:1,对同样的测试集进行预测,平均点击率应该是多少?(样本量很大,初始总样本数为10亿)

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-09-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 小小挖掘机 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档