5月24日-5月27日，好未来算法实习面试题8道

文末彩蛋：七月在线干货组最新升级的《名企AI面试100题》免费送！

问题1：lr为什么要用极大似然

因为我们想要让每一个样本的预测都要得到最大的概率，即将所有的样本预测后的概率进行相乘都最大，也就是极大似然函数。

对极大似然函数取对数以后相当于对数损失函数，由梯度更新的公式可以看出，对数损失函数的训练求解参数的速度是比较快的，而且更新速度只和x，y有关，比较的稳定。

为什么不用平方损失函数?如果使用平方损失函数，梯度更新的速度会和sigmod函数的梯度相关，sigmod函数在定义域内的梯度都不大于0.25，导致训练速度会非常慢。而且平方损失会导致损失函数是theta的非凸函数，不利于求解，因为非凸函数存在很多局部最优解。

问题2：讲一下lgb的直方图是怎么用的

基本思想:先把连续的浮点特征值离散化k个整数，同时构造一个宽度为k的直方图。在遍历数据时:

根据离散化后的值作为索引在直方图中累积统计量。当遍历一次数据后，直方图累积了需要的统计量。然后根据直方图的离散值，遍历寻找最优的分割点。

优点:节省空间。假设有个样本，每个样本有个特征，每个特征的值都是32位浮点数。对于每一列特征，都需要一个额外的排好序的索引(32位的存储空间)。则pre-sorted算法需要消耗字节内存。如果基于histogram算法，仅需要存储feature bin value(离散化后的数值)，不需要原始的feature value，也不用排序。而bin value用unit8_t即可，因此histogram算法消耗字节内存，是预排序算法的。

缺点:不