网易游戏二面准备

最新推荐文章于 2021-05-27 10:55:26 发布

赶考书生jt

最新推荐文章于 2021-05-27 10:55:26 发布

阅读量1.4k

点赞数

分类专栏：面经

本文链接：https://blog.csdn.net/wzt_gjt/article/details/88710712

版权

面经专栏收录该内容

9 篇文章 0 订阅

订阅专栏

python有什么基本的容器

列表，元组，集合，字典

元组和list有什么区别

列表是动态数组，它们不可变且可以重设长度（改变其内部元素的个数）。
元组是静态数组，它们不可变，且其内部数据一旦创建便无法改变。
元组缓存于Python运行时环境，这意味着我们每次使用元组时无须访问内核去分配内存。
这些区别结实率两者在设计哲学上的不同：

列表可被用于保存多个互相独立对象的数据集合
元组用于描述一个不会改不安的事务的多个属性
---------------------
作者：藤藤菜丶
来源：CSDN
原文：https://blog.csdn.net/Star_SDK/article/details/80600673
版权声明：本文为博主原创文章，转载请附上博文链接！

lambda表达式知道吗

用于创建匿名函数，表达式，用于实现简单的逻辑

字典是用的什么数据结构

dictionary字典，是除列表外python最灵活的内置数据结构类型，列表是有序的对象集合，字典是无序的对象集合。字典当中的元素是通过键来存取的，而不是通过偏移存取。

字典是一种通过名字或者关键字引用的数据结构，其键可以是数字、字符串、元组，这种结构类型也称之为映射。字典类型是Python中唯一內建的映射类型

给你一个字典你要对它做修改你会怎么做

增：list['key'] = vaule

删：del list[key]

改：list['key'] = vaule

is知道吗

传统机器学习知道什么模型？

Logistic回归：Logistic是用来分类的，是一种线性分类器

Logistic回归优点：

　　1、实现简单；

　　2、分类时计算量非常小，速度很快，存储资源低；

　　缺点：

　　1、容易欠拟合，一般准确度不太高

　　2、只能处理两分类问题（在此基础上衍生出来的softmax可以用于多分类），且必须线性可分；

　线性回归：线性回归才是真正用于回归的，而不像logistic回归是用于分类，其基本思想是用梯度下降法对最小二乘法形式的误差函数进行优化

线性回归优点：

　　实现简单，计算简单；

　　缺点：

　　不能拟合非线性数据；

SVM（支持向量机）：

LR（逻辑回归）和SVM（支持向量机）有什么区别？

https://www.cnblogs.com/zhizhan/p/5038747.html

决策树是怎么找分裂节点的？

GBDT和决策树有什么区别？

XGBoost知道吗，说说它和GBDT的区别？

深度学习有什么防止过拟合的方法？

bn的作用？

减轻过拟合
改善梯度传播（权重不会过高或过低）
容许较高的学习率，能够提高训练速度。
减轻对初始化权重的强依赖，使得数据分布在激活函数的非饱和区域，一定程度上解决梯度消失问题。
作为一种正则化的方式，在某种程度上减少对dropout的使用。
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。
原文: https://www.cnblogs.com/makefile/p/batch-norm.html?utm_source=debugrun&utm_medium=referral © 康行天下

LSTM的结构？

resNet知道么

排序有哪些，快排的思想

https://blog.csdn.net/weixin_41571493/article/details/81875088

快速排序：从数列中挑出一个元素，称为 “基准”（pivot）；
重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
---------------------
作者：傻了吧嗒
来源：CSDN
原文：https://blog.csdn.net/weixin_41571493/article/details/81875088
版权声明：本文为博主原创文章，转载请附上博文链接！

topK（）：有 N (N>1000000)个数,求出其中的前K个最小的数（又被称作topK问题）

https://www.cnblogs.com/gczr/p/7007592.html

利用快速排序的分划函数找到分划位置K，则其前面的内容即为所求。该算法是一种非常有效的处理方式，时间复杂度是O(N)

def partition(data,start,end):
if len(data)==1:
return 0
small=start
p=small+1
while p<=end:
if data[p]<data[start]:
small+=1
data[p],data[small]=data[small],data[p]
p+=1
data[start],data[small]=data[small],data[start]
return small

def topk(data,k):
if k==0:
return None
if len(data)<=k:
return data
left=0
right=len(data)-1
s=partition(data,left,right)
while s+1!=k: #下标加1才能与前k的k进行比较
if s+1>k:
right=s-1
if s+1<k:
left=s+1
s=partition(data,left,right)

return data[:k]