算法实习生面经（nlp、数据挖掘、机器学习）

总结一下这几个月的面试吧。算法刷题的面试题没有记录。多刷刷leetcode和剑指offer就可以。

自己之前面的数据挖掘岗，但是后来自己的兴趣在nlp，所以后面很多就面试nlp岗位了。

1、xgboost 比 gbdt 有哪些优势，xgboost的原理。

3、解释一下AUC

4、lgb和xgboost 对比 哪些优势。lgb如何实现并发多线程的

5、svm对缺失数据敏感吗，为什么，决策树呢。

6、决策树是如何处理缺失数据的。

6、svm如何处理多分类

7、为什么svm采用最大间隔。

    鲁棒，对未知数据泛化更好

8、svm选取样本问题，如何增加样本点。

9、词向量 降维是如何实现的

10、什么时候选择svm算法，什么时候选择决策树算法。

    svm更适合处理特征多的样本。 而决策树处理特征多的样本时容易发生过拟合。

11、神经网络如何实现异或门

12、神经网络多层感知机训练过程，手写一下

13、逻辑回归完整推导过程，LR

14、CRF HMM原理 公式、维特比算法的公式

15、L1、L2正则，数据平滑 解释

16、RNN参数大小。推导。

17、LSTM公式、GRU公式

18、word2vec和glove优劣

19、基于密度的聚类了解哪些

20、nlp分词技术有哪些，如何分的。