还愿

机器学习模型效果显著性验证的完整指南 实验设计基础 机器学习模型的性能评估需要严谨的实验设计。随机划分训练集和测试集是基础步骤，交叉验证方法如k折交叉验证能更稳定地估计模型性能。分层抽样确保数据分布一致性，尤其在类别不平衡场景中至关重要。 实验设计中控制变量是关键，确保比较的模型在相同的数据集、预处理流程和硬件环境下运行。记录随机种子保证实验结果可复现，多次实验取平均值减少随机性影响。 性能指标选择 分类任务常用准确率、精确率、召回率、F1分数和AUC-ROC。回归任务常用均方误差(MSE)、平均绝对误差(MAE)和R平方值。多分类问题需采用宏平均或微平均策略。 对于不平衡数据集，单一指标可能...

个人情况：双非本、hot100二刷基本完成、一段小厂实习、八股掌握还行、工程场景题完全不行目前投递半个月：仅1约面（且低代码）也有考虑转其他方向比如测开，但还是想走开发，有点被现实打破防了开始胡思乱想了。秋招也只想进云智（离家近）没有较高要求。也不知道是不是我的简历问题，已附下面，佬们麻烦可以帮我看看

时间：2025/11/12自我介绍我先了解一下 AI 相关的一些东西，你平时有学习过吗？主动学习过 AI 相关的这些东西吗？你说一下那个 Hashmap 的一个工作原理，分别从 JDK 1.7、 1.8 说一下。JDK 1.8 相较于 1.7 在链表插入的时候做了什么优化？说一下 synchronized 和 reentrantlock 有什么区别？synchronized 有个锁升级的过程，说一下。线程池的几个核心参数，还有线程池的一个执行过程。那个线程池里面的 submit 和 execute 方法有什么区别？如果说线程池中发生异常了，那这两个方法异常会怎么处理呢？spring 注册 be...