2019秋招——百度機器學習面經

因爲百度是秋招的時候面的，如今不少問題都記不住了，這裏只寫下我還記得的題目吧(當時太懶了，不想寫了。。。)：

1.文本分類比賽用的什麼模型？爲何？

答：LR、SVM、XGBoost。。。

問：最終選用了哪一個？

答：blabla。。。線性核的SVM

問：爲何選線性核SVM？

答：效果最好，特徵數目遠大於樣本數目時，選線性核的SVM比較好。

問：爲何？

答：LR受所有樣本的影響，SVM只受支持向量的影響。(感受有些牽強)

2.文本分類的數據是怎樣的？類別標籤是怎樣的？

答：blabla。。。

3.LR多分類是怎麼實現的？

答：softmax層

問：爲何用softmax層，而不用onevsall等多分類策略

。。。不記得了

4.SGD如何改進優化？

答：這裏我理解錯了，實際上他是想問mini-batch梯度降低。

5.推導帶L1正則項的LR，以及如何進行優化的？

答。。。

6.gdbt和xgboost的區別？

答：（經典面試題）。。。

7.樹模型、xgboost、gbdt哪一個須要作特徵歸一化？

。。。

8.面對一個任務，如何選擇模型？

我感受這裏能夠理解爲模型的使用場景。。。

9.LR和SVM的區別？

答：（經典面試題）。。。

10.過擬合的解決手段？

。。。

11.CNN、RNN、LSTM的原理？

。。。

12.書寫下鏈表逆序？

。。。。

13.書寫歸併排序，並優化到空間複雜度爲O(1)

。。。雙指針

14.幾種梯度降低法的區別？

。。。

15.Hadoop相關