持更中。。。(最近电脑卡得要死)
主要focus在场景题上
一、2015百度校招笔试题
(1)垃圾邮件分类问题
1. 垃圾邮件分类特征?
2. 训练集中99%非垃圾、1%垃圾,训练模型视为100%非垃圾,准确率?召回率?
3. 在实际的应用场景中,尽可能地找回垃圾邮件,应该怎么办?
(2)求元素之和最大的子数组 (解答:dp)
(3)从字符串流中随机选择一个字符串
【从字符串流中随机选择一个字符串】
解题的核心是在幸存的字符串中挑选,并在过程中不断更新。
你打开文件并保存第一个字符串,此时有了一个备选字符串,并有100%的可能性选中它。保存这个字符串,继续读入下一个字符串,这样就有了2个备选字符串,选中每个的可能性都是50%。选中其中之一并保存,然后丢弃另一个。再读入下一个字符串,按照新字符串的33%原先幸存字符串67%的概率,在两者之间选择一个,然后保存新选中的字符串。
【扩展】
如何从字符串流中随机选取1000个字符串。
对于数据流中的前1000个关键字,显然都要放到数组中。
对于数据流中的的第n(n>1000)个关键字,我们知道这个关键字被随机选中的概率为1000/n。所以我们以1000/n的概率用这个关键字去替换数组中的随机一个。这样就可以保证所有关键字都以1000/n的概率被选中。
(3)蒙塔卡罗模拟
(4)CTR问题
1. 广告中的排序特征是one-hot好,还是标准化好(我觉得是标准化)
2. 初始值的设置:广告点击率的平均值or设为1 (我觉得是广告点击率的平均值)
3. 训练样本拟合较好而测试样本拟合较差的原因(过拟合,或者用到了label特征)
4. auc计算方式(ROC曲线下阴影面积)