分享面经，希望能够收获offer！小伙伴们也一起加油吧！
捷成一面（偏算法）
1.自我介绍
2.美赛深挖，决策树使用的模型，树分裂的原则（信息增益率，怎么计算的）
CART的基尼指数与信息增益率的优缺点，树的深度太大会怎么样（过拟合）
过拟合怎么办。权重怎么调整？样本比例怎么调整？建模过程中设置了那些参数？
3.讲讲自己还会的数据分析算法，讲解一下Logistic回归，包括函数分布什么的
（梯度下降与拟牛顿法的优缺点？最大似然估计是什么）（误挖坑！！！准备算法的时候可以少，但是一定要精）
4.一个sql,(要认真完成，不要马马虎虎，不注意细节)
5.反问
1.自我介绍
2.美赛深挖，决策树使用的模型，树分裂的原则（信息增益率，怎么计算的）
CART的基尼指数与信息增益率的优缺点，树的深度太大会怎么样（过拟合）
过拟合怎么办。权重怎么调整？样本比例怎么调整？建模过程中设置了那些参数？
3.讲讲自己还会的数据分析算法，讲解一下Logistic回归，包括函数分布什么的
（梯度下降与拟牛顿法的优缺点？最大似然估计是什么）（误挖坑！！！准备算法的时候可以少，但是一定要精）
4.一个sql,(要认真完成，不要马马虎虎，不注意细节)
5.反问
二面：（面试官比较忙？？二十多分钟解决战斗）
1.自我介绍
2.说一个项目经历（美赛），以及自己做的比较好的地方（分析可视化的决策树）
问我：如何处理异常数据的（哪些是异常数据），如何填充缺失数据（哪些情况需要填充，如何填充）
决策树过拟合怎么办？什么情况会过拟合？
决策树怎么剪枝？
训练集比测试集的预测好，除了过拟合还可能的原因？
训练集和测试集怎么样才能随机划分呢？
3.数据分析指标的阈值怎么确定？如果少数数据表达的是对的，那么使用统计意义的平均值之类的数就不对，这时候该怎么办？
4.有什么想问的？
2.说一个项目经历（美赛），以及自己做的比较好的地方（分析可视化的决策树）
问我：如何处理异常数据的（哪些是异常数据），如何填充缺失数据（哪些情况需要填充，如何填充）
决策树过拟合怎么办？什么情况会过拟合？
决策树怎么剪枝？
训练集比测试集的预测好，除了过拟合还可能的原因？
训练集和测试集怎么样才能随机划分呢？
3.数据分析指标的阈值怎么确定？如果少数数据表达的是对的，那么使用统计意义的平均值之类的数就不对，这时候该怎么办？
4.有什么想问的？
（总体来说，一面较难，二面自我感觉较好，表达比较自信，面试官就没问太多了，大家一定要自信的表达！）
全部评论
(2) 回帖