1. 机器学习中特征的理解特征（Feature）是样本可量化的属性，是模型输入。特征质量通常决定模型效果上限。常见有数值、类别、文本、时间、统计聚合、交叉特征等。2. 机器学习中有哪些特征工程方法？常见方法：缺失值处理、异常值处理、编码、标准化/归一化、特征构造、特征选择、降维。 from sklearn.preprocessing import StandardScaler, OneHotEncoder from sklearn.compose import ColumnTransformer from sklearn.pipeline import Pipeline from sklear...

今日首蚌，真的很难绷住

实习不知道怎么写简历，求各位大佬给点建议！~

1. 自我介绍2. 目前有 offer 吗？3. 聊了聊实习4. Lua 的 GC 底层怎么做的？怎么回收的？虚拟机层面了解吗？Lua 的 GC 核心思想是可达性分析。经典实现是增量标记清除，较新的版本还支持分代 GC。 简单说，Lua 会从一批根对象出发，比如全局表、当前调用栈上的局部变量、闭包、注册表等，去遍历所有还能访问到的对象，把它们标记为存活。没有被标记到的对象，后面就会被回收。Lua 采用增量方式的原因是，如果一次性做完整 GC，停顿会比较明显，所以它会把回收过程拆成很多小步，在 VM 执行过程中逐步推进。 从虚拟机角度看，GC 和 Lua 的对象模型、栈帧、闭包、table 结构...