广州金融控股复试

机器学习模型效果显著性验证的完整指南 实验设计基础 机器学习模型的性能评估需要严谨的实验设计。随机划分训练集和测试集是基础步骤，交叉验证方法如k折交叉验证能更稳定地估计模型性能。分层抽样确保数据分布一致性，尤其在类别不平衡场景中至关重要。 实验设计中控制变量是关键，确保比较的模型在相同的数据集、预处理流程和硬件环境下运行。记录随机种子保证实验结果可复现，多次实验取平均值减少随机性影响。 性能指标选择 分类任务常用准确率、精确率、召回率、F1分数和AUC-ROC。回归任务常用均方误差(MSE)、平均绝对误差(MAE)和R平方值。多分类问题需采用宏平均或微平均策略。 对于不平衡数据集，单一指标可能...

双非二本，目前一个面试也没有，各位友友能提一下宝贵建议吗，谢谢了

总时长：56 分钟。面试官些许敷衍，感觉像是 kpi 。开局自我介绍以及项目介绍。八股：如何保证 MySQL 和 Redis 的一致性的？(这里回答的双写，读 Redis)追问：双写如果其中一个写失败了怎么处理？介绍 MySQL 的 ACID 特性，MySQL 是如何保证 ACID 特性的？如果 MySQL 存储的数据量太大怎么优化？为什么使用 Redis？Redis 为什么快？(回答了由于数据在内存并且命令执行和 IO 操作是异步进行的)追问：Redis 的 IO 操作都包含哪些？追问：Redis 使用了什么操作让 IO 变得更快？Go 和 Java 各自的优势是什么？都是如何实现跨平台的？...