机器学习、数据挖掘、数据分析岗面试总结

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:首先是基本的 Coding 能力;其次就是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用说,应付面试看本课程就行了。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学习优秀的论文和开源源代码。

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。

6.XGBoost 算法的主要参数及其作用

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值