机器学习算法

最近，机器学习岗位越来越火爆，那么自然对算法的一些能力要求也是越来越高，想要在求职者中脱颖而出，起步自然非常重要。

我和小伙伴们一起研讨了 2019 年校招的一些算法面试，有些是亲自经历的，也有伙伴分享的。总结了在所做过的项目中大家应该能牢记于心的点、在机器学习算法、数据结构和代码中出现频率最高的问题。希望大家能通过该调研报告，对自己的情况查漏补缺，了解自己需要提升的方向。

友情提示：本文文字内容过多，可能引发视觉不适，敬请见谅。

项目

介绍机器学习项目的时候，项目中的损失函数、如何优化、怎么训练模型的、用的什么数据集能够十分清晰的描述出来。对自己做过的项目要自信一些，在讲解的过程中不要自己有一些疑惑或者模棱两可的说法。以下是几个在介绍自己项目时需要注意的点。

准备细节：一旦被问倒了，面试官在心里就认为你没做过。在面试前，应当适当的准备项目描述的一些说辞。很多同学在准备的过程中，会局限于项目具体完成了哪些业务，以及代码实现中的各种细节。事实上，这并不是一个非常好的回答，这相当于把后继提问权直接交给面试官，很可能在中间环节被面试官直接打断，提问中间他感兴趣的某些细节。因此，建议大家按照以下的方式进行介绍：

1. 讲述项目的基本情况，项目的背景、规模、用时、用到的技术以及各个模块。重点突出自己比较熟悉的技术，防止在面试官打断的提问的时候，问到自己最薄弱的环节。

2. 主动说出自己做了哪些事情，这部分的描述要尽量和自己的技术背景一致，描述自己在项目中的角色。

3. 描述模块中用到的技术细节，这部分一定要注意，一定要把话题到自己最熟悉模块的技术细节。自己说出口的技术，一定要是自己会的，宁可少说，不要夸大。

4. 注意面试官提问的问题，不要太过于简单的回答，尽量把自己知道的相关的部分都说出来。

5. 注意不要说得太流利，让面试官感觉自己是在背答案。要一遍思考一遍说。

展现自己在技术和项目上的思考，表现自己的工程能力，下面列出几点：

1. 能考虑到代码的扩展性，有框架设计的意识；

2. 有调优意识，能通过监控发现问题点，然后解决；

3. 动手能力很强，肯干活，会的东西比较多，团队合作精神比较好；

4. 有主见，能不断探索新的知识。

一定要主动：作为面试者，应该能够主动并且逻辑清晰的说出自己的项目中有哪些亮点，能够主动的把自己的闪光点在短短几十分钟的面试中都展现出来。

机器学习算法问题

这里给出了调研中，问到的频率最高的算法问题。

1. L1 L2 正则化的区别，为什么 L1 产生稀疏矩阵，L2 可以防止过拟合 (0.5)；

2. 梯度消失和梯度爆炸 (0.4)；

3. LR 的数学原理 (0.4)；

4. SVM 推导 (0.35)；

5. SVM 核函数 (0.35)；

6. 算法评估指标 ROC曲线，AUC值 (0.3)；

7. bagging 和 boosting 区别 (0.3)；

8. RF、Adaboost、GBDT、XGBoost 的区别和联系 (0.3)。

大家可以看到，这些基础的细节问题还是很容易被问到的，具体到概念和公司，自己知道的，一定要保证可以准确的写出来，而不能只记住个大概，这样会显得非常的不专业。

总结：对每个算法，尽量能够做到可以手推其损失函数、清晰讲解如何求解损失函数，同时，了解该算法的应用场景和优缺点。并将应用场景类似的算法进行比较。还有一点需要注意的是，针对每个问题，要尽可能了解的深入，例如，L1，L2 正则化，除了以上的问题，还有 L1，L2 的先验分布是什么，正则化的参数选择问题等等。

数据结构问题

这里给出了调研中，问到的频率最高的代码问题。

1. 快排 (0.4)

2. 归并排序 (0.3)

3. 10 万个数中找 TopK(0.3)

4. 最长回文子串 (0.2)

5. 反序字符串 (0.2)

6. 链表反转 (0.2)

总结：《剑指 offer》基本是要过一遍的，面试中有很多同学指出很多是来自这本书的原题。另外，总结题目类型以及对应的解题方法也是很有必要的，题目场景多种多样，但其本质的问题总的来说只有那么几种。如果有余力，可以多多练习 LeetCode。建议大家刷题的时候，最好用 Java 或者 C++，很多面试官不太喜欢大家做题的时候使用 Python。

概率题

面试中考到的问题中，几乎 80% 的问题都是条件概率题，贝叶斯公式一定要牢记于心。因此，大家在准备的过程中，需要重点准备条件概率问题。下面是面经中出现频率最高的面试题，希望给大家的面试准备上提供一点线索。

一、随机数发生器 这类题目在解决的过程中要注意：最后产生的随机数中，可以存在没有用的随机数，但必须保证所有要用到的随机数产生的概率必须是相同的。

已知一随机发生器，产生 0 的概率是 p，产生 1 的概率是 1-p，现在要你构造一个发生器，使得它产生 0 和 1 的概率均为 1/2。

求解：让该随机数生成器生成两个数，那么序列是 00，01，10，11 概率分别为 pp，p(1-p)，(1-p)p，(1-p)(1-p)。我们发现产生序列 01 以及 10 的概率是相等的，那么我们把 01 看作为 0，把 10 看作是 1，则他们产生的概论均为 p(1-p)，其他情况舍弃不用，这样就得到了0和 1 均等生成的随机器了。

已知有个 rand7() 的函数，返回 1 到 7 随机自然数，怎样利用这个 rand7() 构造 rand10()，随机产生出 1 到 10 的自然数。

求解：如果能够得到一组等概率的数，不管是什么数，只要等概率而且个数大于 10，那么问题就可以解决了。事实上，解决方案是有无数种的，只要保证产生的结果映射到 1 到 10 的自然数后，是等概率的独立事件即可。例如， (rand7() - 1) * 7 + rand7()，可以等概率的生成 1 到 49，那么，只要把 11-49 去掉就可以了。不过这样的做法在实际使用过程中毕竟低效。因此可以去掉 41-49，然后在把 1-40 映射到 1-10 （每四个数映射为 1 个数），那么问题也就解决了。

二、掷筛子的期望 商家发明一种扔筛子游戏，顾客扔到多少点就得到多少钱，但扔筛子之前顾客需要付一定数量的钱 x，假设商家和顾客都足够聪明：

1. 顾客付一次钱可以扔一次的情况下，顾客能接受的最大 x 是多少？

2. 现在规则改为顾客付一次钱可以扔两次，顾客扔了第一次之后可以选择是否继续扔第二次，如果扔了第二次则以第二次的结果为准，如果没有扔第二次就以第一次的结果为准，这时顾客能接受的最大 x 为多少？

求解：题目本质上是问掷一次筛子的期望以及掷两次筛子的期望。 

1. 1/6(1+2+3+4+5+6)=3.5。

2. 考虑顾客什么情况下会扔第二次，就是扔第二次得到钱变多的概率相对较大的时候，那么当顾客第一次扔到 1，2，3 的时候他会选择继续扔第二次，则这时候期望变为 1/6 (4+5+6) + 1/2 (1/6 (1+2+3+4+5+6)) = 4.25。

其他

• 为什么学算法

• 觉得自己是什么样的人

• 性格介绍

• 优缺点介绍

这些问题主要在于一方面尽量展示自己对该方向的热情，另一方面展示自己的学习能力、毅力等软实力。