【2020秋招】提前批陌陌机器学习算法工程师面试经验

铺垫

时间：9.2日中午1点钟
地点：西工大翱翔会议中心（一开始去成翱翔训练馆了= =，绕着西工大走了一大圈）
形式：现场面试，如果顺利的话，会有2-3轮技术面试，1轮HR面试，HR小哥哥不错。
面试体验：去之前看牛客上有吐槽面试体验的，我觉得还行吧，流程规范，就是一面面试官感觉也是个憨憨，我写了代码他觉得不对，然后我俩一起手动模拟 = = ，他终于相信我了！
然后二面面试馆太牛了，全面diss我，我有点难受，最后直接把我送到门口，say byebye～

问题&答案

有些记不太清了，就随便记录一下

签到后30分钟写两道题，easy难度。

求数组中，topk个最大数。

import java.util.PriorityQueue;class Solution {public int findKthLargest(int[] nums, int k) {PriorityQueue<Integer> pq = new PriorityQueue<Integer>();for(int i=0;i<nums.length;i++){if(pq.size()<k)pq.add(nums[i]);else if(nums[i]>pq.peek()){pq.remove();pq.add(nums[i]);}}return pq.peek();}
}

调整数组元素顺序，使奇数都在偶数左边。

package leetcoode;public class OddEvenSort {public static void main(String[] args) {int[] arr = {1,4,3,3,5,4};oddEvenSort(arr);for(Integer i: arr)System.out.println(i);}public static void oddEvenSort(int[] arr) {int low = 0, high = arr.length-1;while(low < high) {while(low<high && arr[low]%2==1)low++;while (low<high && arr[high]%2==0)high--;swap(arr,low,high);}}public static void swap(int[] arr, int i, int j) {int temp = arr[i];arr[i] = arr[j];arr[j] = temp;}
}

你说你在项目中使用了WOE和IV值进行特征评估，你们为什么非要用这个？还有其他的特征选择方法吗？filter中有哪几种，介绍一下？

IV值和WOE的作用：IV值可以用来衡量自变量的预测能力，变量各分组的WOE和IV都隐含着这个分组对目标变量的预测能力这样的意义；
为什么使用IV而不用WOE：
1. WOE有正有负值，IV的正负与WOE的正负是相同的，乘积保证是正值，否则直接将WOE值加起来会正负抵消掉。
2. IV值前面的 $p_{y_{i}}-p_{n_{i}}）$ 其实反映出了该分组的有响应和无响应分别占总体的比例，也就是如果某个分组样本占总体数量比较低，那么对预测其实贡献也是比较低的，所以会给WOE基础上再打个折。
特征选择方法：
https://www.cnblogs.com/wzdLY/p/9689547.html
1. wrapper（根据目标函数，每次选择若干特征，活着排除若干特征）
  递归特征消除法：使用基模型进行多轮训练，每轮训练结束后，消除若干权值系数的特征，再使用新的特征进行下一轮训练。
2. embedded（先使用某些机器学习算法训练模型，得到各个特征的权值系数，再有大到小进行特征选择）
  基于惩罚项的特征选择法
  基于树的特征选择法
3. filter（根据发散性活着相关性对各个特征进行评分，设定阈值或者特征个数，选择特征）
  1. 卡方检验（作为分类问题的分类变量的筛选方法）
  2. 互信息（作为分类问题的分类变量的筛选方法）
  3. 方差选择法（连续变量）：计算每个特征的方差，根据阈值，选择方差大于阈值的特征进行训练；
  4. 相关系数（皮尔森相关系数）

LR的损失函数是什么？线性回归损失函数是什么？

LR在估计参数的时候常用是极大似然估计，其损失函数是对数损失函数；
对数似然函数和交叉熵函数在二分类的情况下形式是几乎一样的；
注意⚠️：LR的损失函数是对数似然函数加负号；
线性回归的损失函数是平方损失函数；
为什么线性回归使用平方损失函数？是因为使用平方形式的时候，使用的是“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。
最小二乘法以估计值与观测值的平方和作为损失函数，在误差服从正态分布的前提下，与极大似然估计的思想在本质上是相同。（推导）

朴素贝叶斯公式是什么，前提条件是什么？

前提：朴素贝叶斯法假设条件概率分布是条件独立的。

然后指出我之前项目中，由于训练样本较少，又用的NB算法，效果肯定不会这么好（明里暗里质疑我项目的真实性，项目都上线了，有什么好争辩的）

word2vec介绍一下，其中投影矩阵是如何求得的？

总结

这次面试在面试问题之外，我还发现了以下几个问题：

面试官瞧不起专硕的，瞧不起没发文章的，瞧不起实验室不是做算法的（没错说的就是我）
尽可能多的给面试官展现自己的优势，自己实验室的优势，有时候实话实说未必是好事

【2020秋招】提前批陌陌机器学习算法工程师面试经验相关推荐

华为车BU机器学习算法工程师面试经验
作者:Klause 来源:投稿编辑:学姐首先是机考机考一共600分,三道题.一道100分,一道200分,一道300分.只要拿够一百分就算过. 第1题:数组给定一个数组,数组各个元素代表每个礼物 ...
机器学习算法工程师面试集锦（更新中）
机器学习算法工程师面试集锦(更新中) 面试问题汇总常用的损失函数介绍交叉验证特征选择方法机器学习项目的一般步骤经验风险最小化与结构风险最小化训练决策树时的参数是什么在决策树的节点处分割标 ...
机器学习算法工程师面试知识点汇总
机器学习算法工程师面试知识点汇总机器学习梯度下降 k-means 1 × 1卷积核模型 SVM Bagging & Boosting 随机森林激活函数 Sigmod tanh ReLU ...
平安银行薪资职级表_秋招提前批！平安银行总行公告发布！薪资拿到手软~
扫码立刻加入银行秋招备考群后台福利回复春招考题领取 60页历年考题+考情分析回复易错题领取银行考试易错600题回复 20家领取 20家银行考试试卷回复入行包领取 20云南银行13家 ...
2018年机器学习算法工程师求职经验搬运
机缘巧合下遇到了这篇文章... --------------------- 作者:GeekZW 来源:CSDN 原文:https://blog.csdn.net/zichen_ziqi/arti ...
机器学习-算法工程师 -面试/笔试准备-重要知识点梳理
原文地址:http://blog.csdn.net/lrs1353281004/article/details/79529818 整理了一下机器学习-算法工程师需要掌握的机器学习基本知识点,并附上了网 ...
远景（智能/能源/动力）2023秋招提前批！内推啦
[内推方式]: 点击下面官方网站链接投递: https://app.mokahr.com/recommendation-apply/envisiongroup/43124?recommendCode= ...
秋招在即，你准备好了吗？BAT算法工程师面试经验分享。
本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录,有技术干货文章,整理的学习资料,一线大厂面试经验分享等,欢迎 Star 和完善. 一 ...
机器学习算法工程师面试总结
转自北邮人论坛 2017年即将过去,今年是忙碌的一年,从2月17还没开学就来学校,到现在12月初,工作的事情终于尘埃落定,现将这一段经历写下来,希望能帮助来年找工作的学弟学妹,同时,对自己来说,也是一 ...