蚂蚁金服面试

 

1、对于Xgboost模型，如果loss很低，但分类精度很低，原因？如何解决，从模型内部考虑？

2、gbdt,xgboost,lgbm的区别

3、梯度下降法，牛顿法，拟牛顿法区别

5、什么是梯度消失，饱和，如何改善

6、lr的推导

7、bagging.boosting.stacking区别

8、CNN与RNN的区别

9、如何防止过拟合

2018/08/16 百度面试

 

编程题：求解二叉树的最大高度（递归与非递归） 二叉树的深度，

研究研究Tensorflow框架中GPU的卷积操作是怎样实现的，

一本数据结构和算法相关书籍搞深，搞透