小米日常实习推荐算法实习生二面凉经

面的是小米日常实习的推荐算法实习生....
一面可能因为算法题写出来了居然进二面了,然后今天二面问啥啥不会半小时秒凉
我又来分享面经了55555
人真的不能有侥幸心理,dropout因为一直没人问一直没好好看过,我觉得今天就是孽力回馈啊,平时没准备到的全顶一起了
昨天手推了一天的CART,GBDT,XGBOOST公式,都没用上唉,面试真的是讲运气
我什么时候才有offer啊,感觉全网公司都被我投遍了吧
哭了
---------------------------------------------------------------------------------------------------------
一面:
介绍随机森林(没准备)
介绍lightgbm,xgboost,GBDT
lightgbm 为什么 更快
lightGBM,XGBoost,GBDT怎么分裂 怎么着最优找分裂点(xgboost如何选择最优分割点)
手推GBDT公式(要体现找分裂点的过程)
lightGBM怎么调参的,网格搜索有没有用过,过拟合先调节哪个参数
怎么解决embedding问题(我:enbedding是啥)
对行采样列采样了解吗(不了解)
lightgbm创建每棵树时速度是均匀的吗?(不会)
lightgbm训练时和特征数目更相关还是样本数目更相关(不会)
连续特征值在lightgbm中如何找到分界点
lightgbm该如何调参:找最佳组合-怎么找的-暴力找的-网格搜索有没有用过?-⑤
lightgbm如果过拟合了,首先调哪几个参数?(我说的l1和l2...不知道对不对....)
做题:编辑距离

二面:(完全没问项目怼基础)
gbdt的梯度为什么能代替残差(我刚说了用损失函数的一阶泰勒还没说完就问了下一个)
gbdt的损失函数是什么(我说可以很多啊最小二乘啥的,他好像不是想问这个)
gbdt如果有100棵树,每棵树的输出是什么(我觉得是拟合的上一步输出与目标值的残差,但是具体公式不清楚)
dropout 在测试时用的全部神经元,会不会有偏差,有偏差怎么办?(不会)
AUC公式(说成acc,唉.....)
做题:朋友圈,没做过gg


#小米##实习##算法工程师##面经#
全部评论
gbdt的梯度为什么能代替残差,是因为gbdt的误差函数是平方误差,平方误差对F(x)求导,就得到残差等于负梯度了。https://zhuanlan.zhihu.com/p/29765582
2 回复
分享
发布于 2020-04-14 11:22
过拟合应该先调节max_depth 和num_leaves 个人意见,网格搜索就是类似暴力枚举。
点赞 回复
分享
发布于 2020-04-10 11:04
阿里巴巴
校招火热招聘中
官网直投
投的是推荐算法吗🤣怎么全程都在问Boosting,推荐的东西就问了embedding?
点赞 回复
分享
发布于 2020-04-10 17:05
请问一面做的啥题呀
点赞 回复
分享
发布于 2020-09-24 17:07

相关推荐

1 48 评论
分享
牛客网
牛客企业服务