美团机器学习一面面经
1. 自我介绍
2. 一个代码题，括号字符串是否能完全匹配。写的时候第一个版本有点bug，后面面试官提示，改对了
3. 数据处理的过程中，遇到缺失值怎么处理？ 答：取平均，众数，或者不用处理（树模型）
4. 接着上面，为什么树模型不需要处理缺失值？？答：普通树可以先训练无缺失，后把缺失值按照权重分配给每个叶子结点。或者xgboost里面有默认分割（看把缺失放在哪个节点增益大，就放那）
5. 过拟合和欠拟合哪种比较好处理？？答：过拟合，因为欠拟合要么增加数据非线性来提高模型性能，要么增加数据集，做增广（图像方面）。过拟合可以加dropout，BN，L1，L2正则。如果实在不行，可能要重新查看数据集，看数据集是否有问题
6. L1和L2的区别
7. xgboost和lightgbm的区别
。。。
其他就是瞎扯淡了。大概1个小时。
另外说一句，面试官说面试过程中不要切出代码页面，不然他那边会有提示。注意注意。。别被当成作弊了。
#美团##算法工程师##校招##面经#
，可以适当对关键信息加粗一点，比如关键技术、性能指标之类的。
