腾讯微信事业部机器学习一面
昨天才收到微信事业部的面试通知，约定视频面（本以为自己太菜连面试机会都没有，😔）
先做个自我介绍，然后介绍项目，针对项目提出问题，比如
1、分类与回归的区别（自己说区别是目标变量是连续还是回归，面试官提出质疑，后面和面试官讨论了一下，今天搜答案，有个答案说最本质的区别是度量空间的不同（给个链接：https://www.jianshu.com/p/9ed10e758fbd
-
浅层： 两者的的预测目标变量类型不同，回归问题是连续变量，分类问题连续变量。
-
中层：回归问题是定量问题，分类问题是定性问题。
-
高层： 回归与分类的根本区别在于输出空间是否为一个度量空间。
2、lasso和ridge的区别以及如何做特征选择
3、XGBoost如何给出特征重要性（我说根据推导的目标函数，分裂前后相减得到增益值，对这个增益值进行排序，从而给出特征重要性，面试官说可能不是这样子，让我自己查一下）
4、模型融合的方式（回答：Average、Stacking、（线下测试集）暴力搜索、再学习）
5、自己对PCA的理解（最小方差、最大误差、信噪比最大、基于特征值分解、PCA和SVD都是基于特征值分解，然后继续说SVD可以用于做推荐（投机了一下））。
6、XGBoost如何输出特征重要性，自己写的还是...自己不行肯定只能调用人家写好的函数了。
7、问一些CTR的知识，介绍一下DCN的结构
8、了解Attention机制吗
8、Dropout的作用，为什么Dropout可以防止过拟合。
9、局部敏感度哈希函数LSH，了解哪些（回答了1-2个），然后自己说还有其他的减少KNN匹配的方法：比如KD tree、ball tree。
10、有什么问题要问的，大概就这些，没有撕代码，但是自己提前批笔试做的太糟糕了，希望明天二面别撕代码，发个面经攒攒运气。加油加油，希望所有努力的人早日拿到自己心仪的offer。
#腾讯##微信##面经##机器学习##算法工程师#
投递Momenta等公司8个岗位
美团开奖222人在聊