网上的一些招聘试题：
2016百度校招：http://m.blog.csdn.net/article/details?id=48714673
1、 SVM多分类参考：http://blog.sina.com.cn/s/blog_5eef0840010147pa.html
SVM与神经网络的关系参考：https://www.zhihu.com/question/22290096
看知乎上的讨论有人将线性SVM看作单层的神经网络，理由是都可以表示成矩阵乘积的形式。在非线性问题上两者用了不同的方式，
SVM采用了kernel trick，神经网络通过隐含层来实现非线线。
2、SVM与logreg的异同：两者的优化目标都可以表示为regularization+loss的形式，它们的regularization都是一样的，只是loss不同：
SVM选择的是hinge loss，err=max(1-ys,0); logreg选择的是cross-entropy error,err=log2(1+exp(-ys))。
3、采用线性表、二叉平衡树和哈希表存储数据的优劣
线性表：插入时间复杂度为1，因为无序，所以查找需O(n)的复杂度，适合数据量较小或查询量较小的情况
二叉平衡树：不论是插入、删除还是查询，都近似为O(logn)，依赖于旋转操作来维持平衡（红黑树），代价较大，
在数据量大且随机的情况下不如hash。
哈希表：在随机的情况下，插入、删除、查询都是O（1），可能出现冲突导致复杂度高，消耗内存；适合大数据选用。
4、如果元素较少，且几乎有序，则适合插入排序，复杂度接近O（n），最坏为元素逆序，复杂度为O(n2)。
这是2013年百度校招的试题：http://blog.sina.com.cn/s/blog_a7a1eb490101hsoc.html
同样问到了SVM与神经网络的关系？