zoukankan      html  css  js  c++  java
  • 机器学习面试题

    算法工程师(CTR,推荐相关)。

    记录一些面试过程中遇到的题目,希望对有需要的人有所帮助。

    1.介绍一下:logistic regression,svm,gbdt,randomforest,xgboost,lightgbm(一般根据简历有针对性的问)

    2.为什么用线性回归做分类效果不好

    3.比较一下k-means和高斯混合模型

    4.SVM中C越大对模型有什么影响

    5.gbdt和randomForest比较, xgboost和lightgbm的比较

    6.项目中使用了xgboost,lightgbm,怎么调参的,如何防止过拟合的(重要)

    7.level-wise和leaf-wise优缺点比较

    8.xgboost在哪些方面做了并行,同样是并行,为什么xgboost会比lightgbm慢很多

    9.介绍一下AUC,项目中评价指标为什么使用logloss而不用AUC

    10.项目中是怎么做特征选择的(重要)

    11.one-hot encoding有什么好处

    12.介绍一下卷积神经网络,熟悉哪些经典的网络结构

    13.介绍一下反卷积

    14.深度学习中如果防止过拟合(重要)

    15.dropout原理,如何实现

    16.介绍一下batch normlization

    17.1*1的卷积有什么特别的用途

    18.能够解释一下attention机制么

    19.tensorflow在分布式情况下,参数设置需要注意些什么

    20.海量数据处理题,这个百度一搜一大把(重要)

    21.spark,hadoop相关,一般面试官会出题,让你用mapreduce实现(重要)

    21.普通算法编程题(leetcode),每次面试都需要写,对刚毕业没多久的人很重要,不过比校招算法岗出的简单(我司不算)。

  • 相关阅读:
    容器字段FieldContainer
    时间选择框
    Java 异常处理的优劣
    RSA 公钥加密算法
    Java 添加播放MIDI音乐
    Java 内存查看与分析
    总结 Eclipse 编程常用的快捷键
    Java 基础【03】序列化和反序列化
    找出给定字符串中出现最多的字符和次数
    Javascript 限制文本字节数
  • 原文地址:https://www.cnblogs.com/wanmeishenghuo/p/9215948.html
Copyright © 2011-2022 走看看