1. 直接介绍一个最近做过的项目：

• 用到哪些预处理步骤？
• 为什么选用CNN？
• 对CNN的结构和参数有哪些修改？

刚开始有点懵，语言组织有些着急，只说了个大概，后来进一步问的时候，才详细介绍了流程。

应该快速整理一下思路，然后有条理的说出来，并且要说出本身项目的难点和创新点，主导面试，向自己擅长的方向；

2. 又看到一个关于京东算法大赛的项目：

• 说一下对于数据的预处理是怎么做的，就是特征提取的步骤，有哪些特征？
• 评价标准，有没有想过对提高得分，哪些操作会比较有用？
• 提到一个关于时间的衰减，具体衰减是怎么做的？
• 用到XGboost，他与Adaboost有什么不同，在精度上有什么区别么？

1. Adaboost一般用于分类，XGBoost既能用于分类也能用于回归

2. Adaboost是一阶泰勒展开，XGBoost还用到了二阶泰勒展开的信息

3. 方差和偏差的角度（现在才明白面试官说的精度应该是指这个不同）

【精度方面的区别主要应该是说Adaboost主要是减小偏差，而XGboost即能够减小偏差又能减小方差】

• XGboost与随机森林又有什么区别？

1. bagging与boosting

2. CART分类器，线性分类器相当于带L1，L2正则化的逻辑回归或者线性回归

3. 分类器权重一样，权重由分类准确率来确定

4. 减小方差，偏差和方差都减小；

3. 看到简历中有提到聚类算法，说说常见的聚类算法有哪些？

• 聚类算法的应用场景分别是什么？

新闻聚类、用户购买模式（交叉销售）、图像与基因技术

• 关于k-means聚类和DBSCAN有什么区别？

 K-means： 

1.确定聚类个数K

2.选定K个D维向量作为初始类中心

3.对每个样本计算与聚类中心的距离，选择最近的作为该样本所属的类

4.在同一类内部，重新计算聚类中心（几何重心） 不断迭代，直到收敛：

缺点：

1.对初始聚类中心敏感，缓解方案是多初始化几遍，选取损失函数小的。

2.必须提前指定K值（指定的不好可能得到局部最优解），缓解方法，多选取几个K值，grid search选取几个指标评价效果情况

3.属于硬聚类，每个样本点只能属于一类 4.对异常值免疫能力差，可以通过一些调整（不取均值点，取均值最近的样本点）

5.对团状数据点区分度好，对于带状不好（谱聚类或特征映射）。

优点：

速度快，适合发现球形聚类，可发现离群点

尽管它有这么多缺点，但是它仍然应用广泛，因为它速度快，并且可以并行化处理。

DBSCAN聚类：
基于密度的算法，之前的一些算法都是考虑距离，而DBscan是考虑的密度，只要样本点的密度大于某阈值，则将该样本添加到最近的簇中（密度可达的簇）

核心点：在半径eps内含有超过Minpts数目的点，则该点为核心点。

边界点：在半径eps内含有小于Minpts数目的点但是在核心点的邻居。

核心点1连接边界点2，边界点2又连接核心点2，则核心点1和边界点2密度可达。

噪音点：任何不是核心点或是边际点的点。

密度：在半径eps内点的数目。

Python中可调的参数：eps（半径）和m（密度）, eps为半径，m为要求的半径内点的个数即密度，m越大聚出的类越多，因为即要求成某个类的密度要比较高，一旦中间比较稀疏的就不算一个类了；eps越大，类的个数越少。

优点：相对抗噪音（可发现离群点），可以发现任意形状的样本。不用确定聚类的个数，只需要确定eps（半径）和m（密度）。

缺点：但计算密度单元的计算复杂度大，不能很好反应高维数据，高维数据不好定义密度。

• 关于一个机场人流密度预测的比赛，有了解吗？

4. 平时用python么，对于SQL语句熟练么，平时处理查询数据怎么来做？

解释了为什么没用SQL。

5. 除了经典的XGboost和CNN还实践或者用过哪些机器学习算法？

说没太用过其他的，其实还用过KNN，随机森林也用到过，只是没有深入研究。参加过的相关比赛，或者尝试也可以。

总共面试时间为23分钟，应该是电话面试时间最短的一次了吧。说基本情况已经了解了，明天会通知结果。水~~~