面试
文章平均质量分 68
KazeHelloWorld
这个作者很懒,什么都没留下…
展开
-
面经-机器学习
机器学习ROC 曲线 & AUCGMM 高斯混合模型xgboostEM算法ROC 曲线 & AUC横坐标为假正,纵坐标为真正越接近1越好,(0,0)表示都预测成负,(1,1)表示都预测成正而FPR(False Positive Rate)= FP /(FP + TN),即负类数据被分为正类的比例TPR(True Positive Rate)= TP /(TP + FN),即正类数据被分为正类的比例AUC(Area Under Curve)被定义为ROC曲线下与坐标轴围成的面积,原创 2021-08-19 19:35:07 · 123 阅读 · 0 评论 -
面经汇总-1-模型
面经汇总bert & transformerbert & transformerBERTTransformertransformer或bert的实现方法transformer的attention实现bert的两个上游任务如何实现Masked LM:mask 15%80% [MASK],10% random,10% unchangeNext Sentence Prediction (NSP)[CLS] to predict50% isNext,5原创 2021-08-15 15:41:14 · 137 阅读 · 0 评论 -
面试题-2
面试题2L1, L2 正则的区别,L1为什么会造成稀疏描述一下 max_pool和avg_pool 正向反向传播介绍一下 self-attention 机制描述一下 Transformer 结构boost 和 baggingBagging和Boosting的区别:随机森林闭包还有迭代器模型参数GPU并行参考链接L1, L2 正则的区别,L1为什么会造成稀疏L2正则:我们发现,权重w每次乘上的是小于1的倍数进行收敛,而且其导数在w = 0 时没有办法做到左右两边导数异号,所以L2正则使得整个训练原创 2021-08-11 17:06:12 · 215 阅读 · 0 评论 -
栈模拟遍历二叉树前、中、后序
栈模拟遍历二叉树前、中、后序先序遍历 def preorderTraversal(self, node, k): # write code here stack = [] res = [] while node or stack: while node: stack.append(node) res.append(node.val) node = node.left原创 2021-06-25 21:49:57 · 142 阅读 · 0 评论 -
字节笔试4,25
字节笔试第三题n 行数据:该需求所需天数di, 延期该需求需要请ci杯奶茶3 41 1002 25 5要求输出最少奶茶顺序:2 1 3 4import functoolsclass Node: def __init__(self,index,day,cost): self.i = index self.d = day self.c = costdef cmpare(x, y): if x.d * y.c > x.c原创 2021-04-26 12:26:16 · 134 阅读 · 0 评论 -
面试题
1.python交换数字a,bpython交换两个值得方法非常简单,即a,b=b,aPython的变量并不直接存储值,而只是引用一个内存地址,交换变量时,只是交换了引用的地址。2.python对一个列表删除所有为0的数字def repr_int(s): try: int(s) return True except ValueError: return Falseoriginal_list = [u'123', u'hello',原创 2021-01-10 15:53:12 · 123 阅读 · 0 评论