贝壳找房-数据挖掘/机器学习-一面凉
机器学习：
1、LR（简历上的写用到了）梯度下降的公式
2、XGB用的cart树是分类树还是回归树（一直以为是分类树），然后面试官指出，分类树的话，不连续咋求导。。。。
3、L1正则和L2正则的差异性，分别是应用在什么地方问我L1,L2是求一阶导数还是二阶导数
4、然后我好像瞎答到，XGB泰勒二阶展开式用了二阶导，问我为啥用二阶泰勒展开，我说。。。更准确。。。
5、XGB怎么选择分裂点
6、boosting和bagging差别（这个好说，就是方差和偏差）
7、bagging这种各个基分类器独立的集成学习模型，和wide&deep这种联合训练的模型，有啥差异（面试官建议我去看wide&deep的原文讨论部分，有说这块）
深度学习
激活函数，各自优缺点，RELU为啥神经元死亡，死亡了咋办，leaky relu,你实际怎么看出来，你的神经元死亡了
项目
问了项目中网络具体搭建细节之类的，也只针对一个项目细问了，但是问的比较细致
算法题-手撕代码
最长上升子序列，输出最长的那个子序列
想到再补充，自己基础知识掌握的不大好，面试官问得比较细，凉凉~
#面经##贝壳找房##数据挖掘工程师##校招#
投递科大讯飞等公司10个岗位 >