一番星大厂面试经验分享第一弹

 

点击上方蓝字，订阅关注我们！

 

前言

感谢一番星汇总本次的面试经验，给出了部分面试问题的答案，希望更多人能从中收益，不断积累经验，在面试中优异表现，斩获更多大厂offer，成为offer收割机！

也欢迎更多的人联系我投稿，让更多人学习到你的经验与建议。

 

阿里菜鸟（机器学习）-1 面-电话面试

1.如何在海量数据（向量维度很高）中查找给定部分数据最相似的top200向量？

A： 由于之前了解过其他面试蚂蚁金服的朋友，也有问到这个题目的，所以反应比较快，直接就说可以用KD树、聚类、hash。

由于一天之内两次连续面试，问了很多机器学习算法的东西。比如：

• （1）为什么LR需要归一化或者取对数？

• （2）为什么LR把特征离散化之后效果更好？

• （3）为什么把特征组合之后还能提升这一些问题。

反正这些基本都是增强了特征的表达能力，或者更容易线性可分吧。

2.SVM原问题和对偶问题关系？

A： 

首先明白为什么要引入对偶问题： 

（1）容易求解；

（2）核函数。

拉格朗日对偶没有改变最优解，但是改变了算法复杂度：原问题，样本维度；对偶问题，样本数量；所以线性分类 & 样本维度 < 样本数量：原问题求解（liblinear默认）。

非线性，升维：一般导致样本维度 > 样本数量：对偶问题求解

然后就是为什么要引入对偶算法：

 （1）对偶问题往往更加容易求解（结合拉格朗日和KKT条件）

（2）可以很自然的饮用很函数（拉格朗日表达式里面有内积，而核函数也是通过内积进行映射的）

3.KKT条件有哪些，完整描述下？

4.LR为什么用 sigmoid函数，这个函数有什么优点和缺点？为什么不用其他函数？

A： 一图便知晓

5.L1正则化为什么可以把系数压缩成0，坐标下降法的具体实现细节？

 

 

京东广告数据部（机器学习）-1面-电话面试

 

1.说一下进程和线程？

2.线程安全的理解？

3.有哪些线程安全的函数？

A： 一图便知晓

 

 

4.数据库中的主键、索引和外键，以及作用？

A： 一个表可以没有主键，可以有索引

定义：

• 主键主键：唯一标识一条记录，不能有重复的，不允许为空唯一标识一条记录，不能有重复的，不允许为空；

• 外键外键：表的外键是另一表的主键表的外键是另一表的主键, 外键可以有重复的外键可以有重复的, 可以是空值可以是空值；

• 索引索引：该字段没有重复值，但可以有一个空值该字段没有重复值，但可以有一个空值

作用：

• 主键主键：用来保证数据完整性用来保证数据完整性

• 外键外键：用来和其他表建立联系用的用来和其他表建立联系用的

• 索引索引：是提高查询排序的速度是提高查询排序的速度

个数：

• 主键主键：主键只能有一个主键只能有一个

• 外键外键：一个表可以有多个外键一个表可以有多个外键

• 索引索引：一个表可以有多个唯一索引一个表可以有多个唯一索引

 

 

京东广告数据部（机器学习）-2面-电话面试

 

1.SVM怎么防止过拟合？

2.决策树如何防止过拟合？

A: 剪枝，前剪枝和后剪枝；说了REP剪枝、C4.5是悲观剪枝

3.K-means聚类个数选择，做什么样的试验来确定K？

A：

（1）手肘法的核心指标是，误差平方和），画误差图，拐点就是的最佳值。

其中：

是第个簇

是第中的样本点

是第的质心（是所有样本的均值）

是所有样本的聚类误差，代表了聚类效果的好坏

（2）通过轮廓系数方法

 

 

美丽联合（算法工程师）-1面-电话面试

 

1.python...直接问你个开发中的实际问题吧，如果写的程序跑的非 常慢，多方面分析这个问题？

A:

（1）检查程序是否有多层嵌套循环，优化

（2）检查程序是否有很耗时的操作，看能否优化为多线程并行执行

（3）检查数据量是否非常大，考虑是否可以用分布式计算模型。

2.为什么要把原问题转换为对偶问题？

A：

• 因为原问题是凸二次规划问题，转换为对偶问题更加高效。

• 对偶问题往往更加容易求解(结合拉格朗日和 kkt条件)

• 可以很自然的引用核函数（拉格朗日表达式里面有内积，而核函数也是通过内积进行映射的）

3.为什么求解对偶问题更加高效？

A： 因为只用求解  系数，而  系数只有支持向量才非 0，其他全部为 0.

4.避免过拟合的方法

A： 决策树剪枝、L2正则和L1正则

5.为什么 L1正则可以实现参数稀疏，而L2正则不可以？

A: L1正则因为是绝对值形式，很多系数被压缩为0,而L2正则是很多系数被压迫到接近于 0，而不是0。

6.为什么L1很多系数可以被压缩为0，L2是被压缩至接近于0？

A: 图像上，

• L1正则是正方形，

• L2正则是圆形；

• L1正则的往往取到正方形顶点，即有很多参数为0；

• L2正则往往去不到圆形和参数线的交点，即很多分量被压缩到接近于0。

7.SQL中inner join和outer join的区别？

A: 一图便知晓

 

 

PS

由于一番星总结的面试经历较多，有机会我们在下一篇的文章继续介绍（ps：一番星大佬目前是字节的算法工程师哦！）

 

 

加助手进微信交流群、投稿或者直接加入QQ交流群

 

长按二维码关注ChallengeHub

 

ChallengeHub出品