3.23投递简历，3.25完成素质测评，4.2简历评估面-4.17HR面，总共五轮面试，4月24日上午收到意向书，等了一周还以为凉了，太开心啦！ 简历评估面 4.2 45min     训练集、验证集、测试集分别是用来干什么？     样本不平衡的问题怎么解决？     怎么切分训练集验证集？K-fold     过拟合的情况怎么处理？     Grid search怎么做？     调参的方向怎么确定？     棵树、深度哪个往小了调带来的收益更大？     固定一个深度，那么20棵树和50棵树差别会大吗？     xgboost算法原理看过没有？有没有手推过？讲讲整个算...

一面 3.17 投递 3.27 29min 自我介绍 整体介绍实习经历，描述实习中某一项工作具体是怎么做的，是否独立完成，实习经历中得到了哪些收获 挑选了一个项目进行介绍，项目缺失值怎么处理 随机森林和XGBoost的异同点 XGBoost的并行化体现在哪里 交叉验证是怎么做的，如何防止过拟合 介绍逻辑回归模型，为什么输入逻辑回归的变量不能有相关性，相关关系的学名是什么，了不了解odds的概念 有没有对特征进行降维处理，知道哪些降维处理的方法 了解怎么做单变量分析吗，后来查了应该是对一个变量深入探索，做统计分析之类的 有一个设备的APP安装列表信息...