面试过程中遇到的问题总结(持续更新)

2021年面试回顾：

1. 说说你的职业规划

首先，自己认真思考过这个问题，自己的规划是基于目前的实际情况来设计的，不是凭空想的，自己毕竟刚毕业或者工作时间不长，经验还欠缺。

其次，在工作方面，我打算通过积极完成工作任务，积累各方面的经验，让自己成为这个领域的专业人士，也希望有机会能够带领团队，成为优秀的管理者，为单位做出更大贡献。

第三，在学习方面，打算在专业领域做进一步学习和研究，将实践经验与专业知识相结合，为自己的职业成长做好铺垫，打好基础。谢谢！

参考来源：
作者：职研社De圆圆
链接：https://www.zhihu.com/question/20054953/answer/617412186
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

2. 如何进行特征选择？假设指标选择方差，则每次选择方差大的特征还是方差小的特征？

设计一个启发式函数，每次选择指标最接近目标的。若以方差为指标，则选择方差最大的。
我当时说了选择方差最小的，欠考虑。面试结束才想到：倘若一个特征都为0，方差也就为0，完全没有用了 这个特征等于。

3. 方差计算公式是什么？除以n和除以n-1，谈谈你的理解？

参考

4. 进行PCA之前数据经过了什么操作？

我回答了 数据背景知识获取、数据查看、异常值去除、数据清洗、特征提取、特征选择、数据归一化处理。
##########################################################################
2019年面试回顾：(毕业找工作)

1. C语言中，指针函数和函数指针的区别。

(1) 指针函数是指带指针的函数，即本质是一个函数，函数返回类型是某一类型的指针。
(2) 函数指针是指向函数的指针变量，即本质是一个指针变量。

2. 现有海量日志数据保存在一个超级大的文件中，该文件无法直接读入内存，要求从中提取某天出访问百度次数最多的那个IP。

（1）面试中若题目提到大文件等，其实就是告诉你数据量大，不能一次性加载到内存中，而实际中我们就需要估算。既然是要对访问百度次数的ip做统计，我们最好先预处理一下，遍历把访问百度的所有ip写到另一个文件a中

（2）ip用32位表示，所以最多有2^32个不同ip地址。同样的，当内存不能一次性加载数据时，我们就需要考虑分治法。

step1：采用hash映射(hash(ip)%1000)分别把结果保存到小文件a0…a999中。有人可能会问,这里一定要用1000吗？当然不一定，需要估算，比如若文件a总共320G远远大于4G内存，我们就需要分块（hash映射），若分为1000块，则每块大约300M，再读入内存就没问题了。

step2：可以采用hash_map进行频率统计，找出每个小文件中出现频率最大的IP。对于每一个小文件ai，具体操作如下：创建hash_map,遍历小文件中每条记录。对于每条记录，先在hash_map中搜索，若有，将hash_map中记录count+1，若没有，插入hash_map
step3:在这1000个最大的IP中，找出count最大的ip

3. 线性回归的损失函数是什么？

线性回归的损失函数是平方损失函数，为什么使用平方的形式，
参考：线性回归损失函数为什么要用平方形式，讲得很清楚。
在线性回归中，对于训练数据样本(xi,yi)(xi,yi)，我们有如下的拟合直线：
yiˆ=θ⋅xi
yi^=θ⋅xi

构建的损失函数是：
C=∑i=1n(yi−yiˆ)2
C=∑i=1n(yi−yi^)2

表示每一个训练点(xi,yi)(xi,yi)到拟合直线yiˆ=θ⋅xiyi^=θ⋅xi的竖直距离的平方和，通过最小化上面的损失函数可以求得拟合直线的最佳参数θθ。
这里的损失函数之所以使用平方形式，是使用了“最小二乘法”的思想，这里的“二乘”指的是用平方来度量观测点与估计点的距离（远近），“最小”指的是参数值要保证各个观测点与估计点的距离的平方和达到最小。
第二种解释是 极大似然估计误差的思想，暂时没搞明白，先保留。参考：http://blog.csdn.net/saltriver/article/details/57544704

作者：wjlucc
来源：CSDN
原文：https://blog.csdn.net/wjlucc/article/details/71095206
版权声明：本文为博主原创文章，转载请附上博文链接！

4. 线性回归和逻辑回归的区别？

5. L1正则和L2正则的区别？

6. 常见决策树模型有哪些？它们的区别是什么？

7. 如何处理过拟合？

8. 如何处理不平衡数据？