面试笔试整理5：项目问题准备

1、课题：
从目的-》意义-》难点-》如何解决的-》用了什么方法为什么要用这些方法-》创新点。
2、实习
实习期间主要负责华为HC大会的推荐算法以及数据分析，用过SQL Server，制作过报表。
3、自己曾经做过一些比赛，但是结果不是很好，不过还是准备写到简历里了，毕竟也算是自己做过的项目。
做了一些数据挖掘的比赛，面试会问到的常见问题其实也没有多少，无非是从数据预处理、特征和模型几个内容。以jd前一段时间的JData数据挖掘比赛为例。

（1）应该对所有的数据进行大致的统计，了解数据的大致构成、数据缺失情况、不同表格中特征的大致分布情况哪些是离散特征哪些是连续特征，从而初步预估出那些信息和真实场景是有关联的，
（2）进阶
主要包括数据特征的提取（如年龄、购买情况、性别等基本特征；以及诸多设计的交叉特征），特征缺失值处理（可以从填充缺失值（分为离散和连续两种情况）），数据预处理，模型设计，测试代码编写，训练集测试集构造，模型调参和再优化几个部分组成。

2、xgboost的原理和GBDT的不同
因为在数据比赛中用xgboost主要是看上了它的自由性和速度，但是精确性可能并没有多少提高。比如xgboost的shrinkage（缩减）、借鉴随机森林的列抽样防止过拟合。但是时间成本其实还是很值钱的。

3、尝试使用ensemble，不但使用在数据增加上，也可以用于将基础模型进行整合。

4、用的规则还是模型？用了多少数据？这些细节的问题也应该知道