征战 BAT 算法面试

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。