来自公众号：机器学习算法与Python实战

原文链接：https://hackernoon.com/160-data-science-interview-questions-415s3y2a (Alexey Grigorev Lead Data Scientist at OLX Group)

数据科学职位的面试过程会有很多轮，其中通常会涉及理论概念，目的是确定应聘者是否了解机器学习的基础知识。在这篇文章中，我想总结一下我所有的面试经历（面试or被面试）并提出了160多个数据科学理论问题的清单。其中包括以下主题：

• 线性回归

• 模型验证

• 分类和逻辑回归

• 正则化

• 决策树

• 随机森林

• GBDT

• 神经网络

• 文本分类

• 聚类

• 排序：搜索和推荐

• 时间序列

这篇文章中的问题数量似乎远远不够，请记住，面试流程是根据公司的需求和你的工作经历而定的。因此，如果你的工作中没有用过时间序列模型或计算机视觉模型，就不会收到类似的问题。

提示：如果不知道某些面试问题的答案，不要灰心。为了简化起见，我根据难度将问题分为三类：

• ????简单

• ⭐️中等

• ????专家

「开始吧！」

有监督的机器学习

• 什么是有监督学习？????

线性回归

• 什么是回归？哪些模型可用于解决回归问题？????

• 什么是线性回归？什么时候使用它？????

• 什么是正态分布？为什么要重视它？????

• 如何检查变量是否遵循正态分布？‍⭐️

• 如何建立价格预测模型？价格是否正态分布？需要对价格进行预处理吗？‍⭐️

• 解决线性回归的模型有哪些？‍⭐️

• 什么是梯度下降？它是如何工作的？‍⭐️

• 什么是正规方程？‍⭐️

• 什么是SGD-随机梯度下降？与通常的梯度下降有何不同？‍⭐️

• 有哪些评估回归模型的指标？????

• 什么是MSE和RMSE？????

验证方式

• 什么是过拟合？????

• 如何验证模型？????

• 为什么需要将数据分为三个部分：训练，验证和测试？????

• 解释交叉验证的工作原理？????

• 什么是K折交叉验证？????

• 如何在K折交叉验证中选择K？你最喜欢的K是什么？????

分类

• 什么是分类？哪些模型可以解决分类问题？????

• 什么是逻辑回归？什么时候需要使用它？????

• Logistic回归是线性模型吗？为什么？????

• 什么是Sigmoid？它有什么作用？????

• 如何评估分类模型？????

• 什么是准确性？????

• 准确性始终是一个好的指标吗？????

• 什么是混淆表？表中的单元格表示什么？????

• 什么是精度，召回率和F1分数？????

• 准确率和召回率的权衡‍⭐️

• 什么是ROC曲线？什么时候使用？‍⭐️

• 什么是AUC（AU ROC）？什么时候使用？‍⭐️

• 如何解释AU ROC分数？‍⭐️

• 什么是PR曲线？‍⭐️

• PR曲线下的面积是多少？这个指标有用吗？‍⭐️

• 在哪种情况下AU PR比AU ROC好？‍⭐️

• 如何处理分类变量？‍⭐️

• 为什么需要one-hot编码？‍⭐️

正则化

• 如果的数据中包含三列：x，y，z，其中z是x、y的和，那么线性回归模型会怎样？‍⭐️

• 如果数据中的z列是x和y列之和加上一些随机噪声，那么的线性回归模型会怎样？‍⭐️

• 什么是正则化？为什么需要它？????

• 有哪些正则化技术？‍⭐️

• 什么样的正则化技术适用于线性模型？‍⭐️

• L2正则化在线性模型中是什么样的？‍⭐️

• 如何选择正确的正则化参数？????

• L2正则化对线性模型的权重有什么影响？‍⭐️

• L1正则化在线性模型中是什么样的？‍⭐️

• L2和L1正则化有什么区别？‍⭐️

• 可以在线性模型中同时具有L1和L2正则化吗？‍⭐️

• 如何解释线性模型中的常数项？‍⭐️

• 如何解释线性模型中的权重？‍⭐️

• 如果一个变量的权重高于另一个变量的权重，那么可以说这个变量更重要吗？‍⭐️

• 什么时候需要对线性模型进行特征归一化？什么情况下可以不做归一化？‍⭐️

特征选择

• 什么是特征选择？为什么需要它？????

• 特征选择对线性模型重要吗？‍⭐️

• 有哪些特征选择技术？‍⭐️

• 可以使用L1正则化进行特征选择吗？‍⭐️

• 可以使用L2正则化进行特征选择吗？‍⭐️

决策树

• 什么是决策树？????

• 如何训练决策树？‍⭐️

• 决策树模型的主要参数是什么？????

• 如何处理决策树中的分类变量？‍⭐️

• 与更复杂的模型相比，单个决策树有什么好处？‍⭐️

• 如何知道哪些特征对决策树模型更重要？‍⭐️

随机森林

• 什么是随机森林？????

• 为什么需要在随机森林中进行随机化？‍⭐️

• 随机森林模型的主要参数是什么？‍⭐️

• 如何选择随机森林中树的深度？‍⭐️

• 如何知道随机森林需要多少棵树？‍⭐️

• 随机森林的训练并行化容易？该怎么做？‍⭐️

• 随机森林中过多的树有什么潜在问题？‍⭐️

• 是否可以不找到最佳分割，而是随机选择几个分割，然后从中选择最佳分割？可行吗 ????

• 数据中存在相关特征时会怎样？‍⭐️

梯度提升

• 什么是梯度增强树？‍⭐️

• 随机森林和梯度提升之间有什么区别？‍⭐️

• 是否可以并行化梯度提升模型的训练？怎么做？‍⭐️

• 梯度增强树中的特征重要性-有哪些可能的选择？‍⭐️

• 梯度提升模型的特征重要性，连续变量和离散变量之间是否有区别？????

• 梯度提升模型中的主要参数是什么？‍⭐️

• 如何在XGBoost或LightGBM中调整参数？????

• 如何在梯度提升模型中选择树的数量？‍⭐️

参数调整

• 你大致了解哪些参数调整策略？‍⭐️

• 网格搜索参数调整策略和随机搜索有什么区别？什么时候使用一个或另一个？‍⭐️

神经网络

• 神经网络可以解决哪些问题？????

• 通常的全连接前馈神经网络如何工作？‍⭐️

• 为什么需要激活功能？????

• sigmoid 为激活函数有什么问题？‍⭐️

• 什么是ReLU？它比sigmoid 或tanh好吗？‍⭐️

• 如何初始化神经网络的权重？‍⭐️

• 如果将神经网络的所有权重都设置为0会怎样？‍⭐️

• 神经网络中有哪些正则化技术？‍⭐️

• 什么是1.1Dropout？为什么有用？它是如何工作的？‍⭐️

神经网络的优化

• 什么是反向传播？它是如何工作的？为什么需要它？‍⭐️

• 你知道哪些训练神经网络的优化技术？‍⭐️

• 如何使用SGD（随机梯度下降）训练神经网络？‍⭐️

• 学习率是多少？????

• 学习率太大时会发生什么？太小？????

• 如何设置学习率？‍⭐️

• 什么是Adam？Adam和SGD之间的主要区别是什么？‍⭐️

• 什么时候使用Adam和SGD？‍⭐️

• 要保持学习率不变还是在训练过程中改变它？‍⭐️

• 如何确定何时停止训练神经网络？????

• 什么是ModelCheckpoint？‍⭐️

• 讲一下你是如何进行模型训练的？‍⭐️

用于计算机视觉的神经网络

• 如何使用神经网络进行计算机视觉？‍⭐️

• 什么是卷积层？‍⭐️

• 为什么需要卷积？不能使用全连接层吗？‍⭐️

• CNN中的pooling是什么？为什么需要它？‍⭐️

• Max pooling如何工作？还有其他池化技术吗？‍⭐️

• CNN是否抗旋转？如果旋转图像，CNN的预测会怎样？????

• 什么是数据增强？为什么需要它们？你知道哪种增强？????

• 如何选择要使用的增强？‍⭐️

• 你知道什么样的CNN分类体系？????

• 什么是迁移学习？它是如何工作的？‍⭐️

• 什么是目标检测？你知道有哪些框架吗？????

• 什么是对象分割？你知道有哪些框架吗？????

文字分类

• 如何使用机器学习进行文本分类？‍⭐️

• 什么是词袋模型？如何将其用于文本分类？‍⭐️

• 词袋模型的优缺点是什么？‍⭐️

• 什么是N-gram？如何使用它们？‍⭐️

• 使用N-gram时，词袋模型中N应该是多少？‍⭐️

• 什么是TF-IDF？它对文本分类有什么用？‍⭐️

• 你用过哪种模型对带有词袋特征的文本进行分类？‍⭐️

• 使用词袋进行文本分类时，你希望使用梯度提升树模型还是逻辑回归？‍⭐️

• 什么是词嵌入？为什么有用？你知道Word2Vec吗？‍⭐️

• 你还知道其他词嵌入的方法吗？????

• 如果你的句子包含多个单词，则可能需要将多个单词嵌入组合为一个。你会怎么做？‍⭐️

• 在进行带有嵌入的文本分类时，使用梯度提升树模型还是逻辑回归？‍⭐️

• 如何使用神经网络进行文本分类？????

• 如何使用CNN进行文本分类？????

聚类

• 什么是无监督学习？????

• 什么是聚类？什么时候需要它？????

• K-means是如何工作的吗？‍⭐️

• 如何为K均值选择K？‍⭐️

• 你还知道其他哪些聚类算法？‍⭐️

• 你知道DBScan如何工作吗？‍⭐️

• 何时选择K-means，何时选择DBScan？‍⭐️

降维

• 维度灾难是什么？为什么要关心它？‍⭐️

• 你知道降维技巧吗？‍⭐️

• 什么是奇异值分解？它通常如何用于机器学习？‍⭐️

排序和搜索

• 什么是排序问题？可以使用哪些模型来解决它们？‍⭐️

• 文本信息检索任务重，什么是好的无监督baselines？‍⭐️

• 如何评估排序算法？使用哪些离线指标？‍⭐️

• k的精度和召回率是多少？‍⭐️

• k的平均精度均值是多少？‍⭐️

• 如何使用机器学习进行搜索？‍⭐️

• 如何获得训练算法的排序数据？‍⭐️

• 可以将搜索问题表述为分类问题吗？⭐️

• 如何将点击数据用作训练数据以进行排序算法？????

• 如何使用梯度提升树进行排序？????

• 如何在线评估新的排序算法？‍⭐️

推荐系统

• 什么是推荐系统？????

• 建立推荐系统时有什么好的 baseline？‍⭐️

• 什么是协同过滤？⭐️

• 如何将隐式反馈（点击等）纳入推荐系统？‍⭐️

• 什么是冷启动问题？⭐️

• 解决冷启动问题的可能方法？????

时间序列

• 什么是时间序列？????

• 时间序列与通常的回归问题有何不同？????

• 用于解决时间序列问题的有哪些模型？‍⭐️

• 如果序列中有趋势，如何消除它？为什么要这么做？‍⭐️

• 在时间t处测得只有一个变量“y”的序列。如何在时间t + 1预测“y”？使用哪种方法？‍⭐️

• 有一个带有变量“y”和一系列特征的序列。如何预测t + 1时的“y”？使用哪种方法？‍⭐️

• 使用树来解决时间序列问题有什么问题？‍⭐️

以上！希望它对各位有用，祝面试愉快！