Q:CTR预估，发现CTR预估一般都是用LR，而且特征都是离散的。为什么一定要用离散特征呢？这样做的好处在哪里？   A:   在工业界，很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点：   0、 离散特征的增加和减少都很容易，易于模型的快速迭代。(离散特征的增加和减少，模型也不需要调整，重新训练是必须的，相比贝叶斯推断方法或者树模型方法迭代快)   1、稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展；   2、离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是1，否则0。如果特征没有离散...

头条有点强啊。。 第一题死活过不了。一直80。咨询题意让我自己理解😂😂 第四题floyd暴力能过40。明明数据是1e6😁😁 打你一巴掌然后送你一个糖的节奏吗。。。

转：https://blog.csdn.net/xianlingmao/article/details/7919597      参考：https://www.cnblogs.com/sddai/p/5728195.html   在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况下，才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候，...

AUC：一个正例，一个负例，预测为正的概率值比预测为负的概率值还要大的可能性。   绘制ROC曲线，ROC曲线下面的面积就是AUC的值   假设总共有（m+n）个样本，其中正样本m个，负样本n个，总共有m*n个样本对，计数，正样本预测为正样本的概率值大于负样本预测为正样本的概率值记为1，累加计数，然后除以（m*n）就是AUC的值    roc曲线：   横轴：负正类率(false postive rate FPR)    纵轴：真正类率(true postive rate TPR)        针对一个二分类问题，将实例分成正类(postive)或者负类(negative)。但是实际中分类时...

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。   PCA之前先介绍矩阵特征值分解。            那么如何选择这个方向（或者说基）才能尽量保留最多的原始信息呢？一种直观的看法是：希望投影后的投影值尽可能分散。                     ____________________________________   参考链接   1、https://blog.csdn.net/lomodays207/article/d...

多益算法面，一段梦幻之旅   首先自我介绍   1、问你最有成就感的项目   2、项目中有没有出现梯度爆炸的现象   3、梯度爆炸应该怎么解决   4、线性回归和逻辑回归的区别   5、你对SVM的看法   6、数据不均衡你是怎么处理的   7、你平时成绩怎么样？？？？我平时成绩倒5我能让你知道？？？   8、你对996的看法   9、你期待薪资是多少   加自我介绍10个问题。15分钟解决。我不知道面试官在听什么，我也不知道我在讲什么，我更不知道多益招人要干什么！！！！

面试的时候30°，面完零下30°！！ 两个题 一。多元一次方程组的解的数目。背包的裸题。天杀的没听清楚面试官的话。范围没搞清楚。凉凉！！ 二。数轴上有只蚂蚁，他在起点s处以每秒k步的速度在数轴上爬（k为负代表负方向）。让你找一种策略。总能找到这只蚂蚁！！纯智力题。后面想到解法和面试官说的时候。很诡异的面试官也直接撸答案了。估计面试官没懂我意思就直接说了！！