tx PCG 面经
本人本科双非，湖南某985硕士，手里有若干数据竞赛的奖，本科参加过算法竞赛，现有网络领域CCF A类会议论文一篇。
最开始被后台开发捞了，，，然后锁了个把星期才释放，接着被PCG捞，一直面了4面才到HR。
一面:
视频面,
介绍百度和乘用车的比赛
比赛中承担的角***r />
问百度比赛中用的指标是啥，我说准确率，面试官有点吃惊（但确实是）
AUC和PR曲线
特征筛选方法
怎么判断的过拟合，如何解决过拟合问题
LR模型的推导
LR模型离散化的好处
XGB的原理，相比于GBDT的改进
算法题:
判断链表中是否有环
二面:
视频面(这一面面试官没提很多问题，不太记得了)
问了我比赛项目
算法题： 链表排序，我用O（NLOGN）的归并写的
三面:
视频面
关注我的简历问了各种问题
介绍了自己的论文, 网络流模型面试官也懂
天池智慧海洋比赛的方案
比赛中遇到的难点
GBDT和XGBOOST的区别
没问算法题
这面大概就30min 我感觉挺稳，结果还给我加了一面，可能觉得答得没想象中好
GM面:
电话面
问得很开放。。深感思维发散度不够
首先介绍了天池智慧海洋的比赛
比赛中的创新点
计算机如何判断一个问题是回归还是分类问题，我说根据取值是离散型还是连续型来，面试官说要是取值全是0,1你就能判断是分类问题么，要是第n+1条样本时0.5呢。
我又答了那根据特征来，面试官感觉不大满意。
然后接下来的问题全部都是从这个问题开始引申:
说下LR模型的推导，指定LR模型之后你怎么判断这个问题是回归还是分类（又回到了上面那个问题，答不上）
LR模型能够用来回归么，不设阈值可以。
LR模型为什么要用交叉熵而不是MSE
刚刚说了MSE那么多缺点，那为什么回归还要用MSE。。
感觉被问晕了
概率题：
给100个红球 100个篮球 两个篮子， 怎么分配这些球让你在任意一个篮子中摸到红球的概率最大
我说按照 1(红) ， 99（红）+100（蓝）分配。
接下来说那怎么摸到红球概率最小，我说按照 1(蓝) ， 99（蓝）+100（红）分配，面试官说这个不是最小，我说那我继续想想，面试官就说可以了，你之后去想吧。
原来以为GM面没了。。。结果官网变HR了，期待好运~
投递字节跳动等公司9个岗位
