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）。

转载于:https://www.cnblogs.com/wanmeishenghuo/p/9215948.html