超级会员免费看
本文汇总了搜广推方向的常见面试题，涉及线下线上效果差异、XGBoost与GBDT的区别、随机森林原理、Word2Vec加速训练方法以及AdaBoost思想等。探讨了损失函数优化、召回模型评价指标设定、多路召回的意义，同时对比了Skip-gram与CBOW模型的差异。
【面经&八股】搜广推方向：常见面试题（一）
文章目录
1. 线下效果提升、线上效果不好。
原因是多样的，主要原因在于样本与评估指标、环境。
- 在样本上，线下样本为历史数据，而线上样本难免出现新数据，同理还有新特征等
- 如线上的时间特征，在线下是无法训练的。
- 在评估指标上表现为评估指标不对等，线下评估指标需要更贴近业务才能更好地表示真实推荐结果（或线上指标）。
- 例如AUC表示的是所有user对所有item的评估指标，（AUC得分，衡量的是，用户交互的物品的概率比未交互物品的概率大，则得分高）
- 而线上更多需要单个 user 对其所有 item 的评估作为推荐结果，这时可以采用 GAUC，即对每个user的AUC做量权求和作为评估指标。
- 另外，线下训练很难还原线上环境。可以理解为线下训练无法捕获到全部的线上特征。
2. XGBoost 和 GBDT是什么？有什么区别？
GBDT：关键点在于Gradient和Boosting和DT（决策树&#x
订阅专栏 解锁全文
扫一扫
758
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
