前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >征战 BAT 算法面试

征战 BAT 算法面试

作者头像
CSDN技术头条
发布2018-10-25 10:20:37
5810
发布2018-10-25 10:20:37
举报
文章被收录于专栏:CSDN技术头条

对于机器学习的初学者来说,面试方面的经验总结也非常重要。能够加深对算法和机器学习基本理论的理解。所以,本文网罗了多年来 BAT 的面试真题,能搞懂这些面试题加上多次反复研习知识,在 BAT 面试初中级算法时就轻松多了(前提是企业比较看重面试者算法能力)。

一、算法面试注意细节

算法工程师岗位(机器学习、数据挖掘、数据分析等)面试主要包含两大块:

  • 首先,基本的 Coding 能力;
  • 其次,机器学习算法的理论与应用能力。

基本的 Coding 能力考察,主要是让你写一些数据结构与算法设计的常见算法题,比如链表类、二叉树、排序、查找、动态规划等。这方面个人建议《剑指 Offer》+ LeetCode 结合的方式进行练习。

机器学习算法理论与应用能力不讲,单就面试来看,本文就够了。当然师父领进门,修行在个人,想要在这方面深造,还需要大量实践和广泛的学习优秀论文及开源源代码。

二、算法面试常见问题

1. 模型融合方法有哪些

主要有以下几个:

  • Voting
  • Averaging
  • Bagging
  • Boosting
  • Stacking
2. 特征选择方法

主要有:

  • 去掉取值变化小的特征;
  • 递归特征消除法;
  • 基于学习模型的特征排序;
  • 线性模型和正则化。
3. 学习项目的一般步骤

主要包括:

  • 问题抽象,模型选择;
  • 数据获取;
  • 特征工程(数据清洗,预处理、采样等);
  • 模型训练,调优;
  • 模型验证、误差分析;
  • 模型融合;
  • 模型上线。
4. 推导 LR 算法
5. 多参数调参方法

网格化搜索: 对于多个参数,首先根据经验确定大致的参数范围。然后选择较大的步长进行控制变量的方法进行搜索,找到最优解后;然后逐步缩小步长,使用同样的方法在更小的区间内寻找更精确的最优解。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-10-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GitChat精品课 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 腾讯云自媒体同步曝光计划  ,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
目录
  • 一、算法面试注意细节
  • 二、算法面试常见问题
    • 1. 模型融合方法有哪些
      • 2. 特征选择方法
        • 3. 学习项目的一般步骤
          • 4. 推导 LR 算法
            • 5. 多参数调参方法
            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