携程算法工程师一面面经

1. 自我介绍
2. 介绍项目(说了两个,是有迭代的)深挖,背景方法效果,思考(例如股票预测,具体是怎么操作的,哪些因子,怎么回测,得到的结论,自己有没有加入因子进去)
接下来就是围绕以上项目中所用到的方法的深挖
3. RF和GBDT都是怎么减少方差和偏差的
4. XGboost是怎么做特征筛选的
5. 为什么要用基尼指数?比较一下信息增益、信息增益率、基尼指数
6. XGboost对于GBDT的改进在哪里,XGboost的每一棵树是什么样的,XGboost的提升方法
7. SHAP值是怎么算的,能得到单独变量的shap值吗?式子是什么样的
8. 同样的偏差RF和GBDT哪个树的深度大,为什么
9. 业务题:携程要给每一个用户推荐6个城市来出行,作为一个算法工程师怎么考虑这个问题
10. 反问:对实习生的要求&工作内容
面试官还是很nice的,不太清楚的地方会引导(也会深挖到底hhh)
#携程春招##携程##春招##实习##算法工程师#
全部评论
没有写题吗
1 回复
分享
发布于 2022-04-26 11:29
一共几面啊,过了吗楼主
1 回复
分享
发布于 2022-05-16 12:48
滴滴
校招火热招聘中
官网直投
这面试官可以,给个赞
点赞 回复
分享
发布于 2022-04-26 14:03
问我的题跟你基本一模一样啊 也是推荐6个景点 rf和gbdt哪个深
点赞 回复
分享
发布于 2022-04-27 19:19
请问第九题的业务题要怎么回答
点赞 回复
分享
发布于 2022-04-27 23:20
同样的偏差RF和GBDT哪个树的深度大,为什么 楼主这道题的正确答案是rf吗
点赞 回复
分享
发布于 2022-05-16 12:39

相关推荐

3 26 评论
分享
牛客网
牛客企业服务