哔哩哔哩26秋招推荐算法二面面经

Q1:xgboost相比GBDT有什么提升?Q2:为什么xgboost对损失函数展开到二阶，而不是更高阶?
Q3:xgboost算法中树的分裂是如何进行的?分裂的增益如何衡量?
Q4:树模型如何判断特征重要性?该方法鲁棒性如何?
Q5:L1、L2正则的区别?为什么L1正则可以做特征筛选?
Q6:介绍数据增强方法，这些方法会不会带来负面效果?
Q7:是否了解推荐场景中如何做多场景学习Part3 SQL问题
Q8:不同join的区别;left join时如果按连接条件左表有两条数据满足匹配要求右表也有两条数据满足匹配要求，最后会匹配为多少条?如何保证不膨胀?
Q9:用过哪些引擎执行SQL?spark运行join时，如何两个表一个大一个小如何实现join?
Q10:介绍开窗函数
Q11:如何保证主键不重?如何保证离线数据质量的稳定性?
Q12:transformer中哪个结构最有效?attention为什么有效?attention有什么缺点?

LeetCode
数组的最小部分和 及 对应起止位置