招银面经问题准备

• l1 l2正则化和区别

• XGBoost和提升树

• 二叉平衡树是什么样的

• linux指令 & && | || 重定向 > >>

• 写快排和堆排，然后比较

• 怎么防止过拟合

• L1和L2正则

• ID3树用什么指标选择特征

• Bagging和boosting的区别

• Top k用什么排序算法？数据量很大怎么优化？堆排序，分而治之再加上堆排序在合并求top k

• lr和svm，比较优缺点

• 讲讲随机森林的原理？主要是随机属性引入加集成。

• Linux 复制命令是什么？查询帮助用什么命令？cp --help

• 给你两个有序数组，合并排序一下？我说用Python直接合并排序下就是。。他就问你不会底层语言写对吧，我说不会。。其实后来我想了下我会写。。直接头部一个个判断添加到新的数组就行。。

• xgboost和gbdt区别？一个利用牛顿法二阶导数信息，正则项加上了树的复杂度，缺失值样本不同权重处理？一个一阶导啥的。

• 随机森林和gbdt谁主要降低偏差和方差？gbdt，随机森林。

• 问二分查找的实现原理

• 用两个栈模拟队列的出对入队

• 问梯度下降算法与牛顿算法的优缺点

• 问BP的过程，然后链式求导怎么做

• 问SVM与贝叶斯的优缺点

• 问KNN如何解决数据维度问题（不会）

• SVM如何防止过拟合

• rf和xgboost，比较优缺点

• TCP3次握手

首先是知识图谱构建，我的简历里写了命名实体识别和关系抽取
面试官没细问，问我知识三元组是如何标注的，我就解释了一下，然后问我搭建什么模型，我就说已经有很多成熟的模型可以用了，当我提到LSTM和CRF
我说命名实体识别的模型是我老大建的，我负责使用及改进，基于远程监督的关系抽取模型是我建的，就问了我原理，