一面凉不凉的无所谓，二面凉了的心中就总有遗憾，发个凉经！
一面（面试官贼和蔼）
1.实习经历介绍；
2.实习项目深挖；
3.GBDT XGBoost区别；
4.对过拟合的理解；
5.K-means （K值如何选取，面完想起答错了，貌似手肘法）；
6.RF GBDT理解；
7.代码：树的最长路径和（面试官还提示小错误）；
8.概率题 就类似新冠的。
能想到的就这些 总之很愉快 顺利二面
二面（emmm大概是无缘 总之一直get不到点）
1.某个不太深入的机器学习项目；为什么要用这些模型；
为啥用KNN，
2.XGBoost常规题，追问XGBoost 中特征并行啥意思 xxx，追问 这样理解，效果xxx，继续追问，（没听懂）？
缺失值咋处理？实际咋用的？
3.RF 常规问题（那些对比），用过吗？调包之类？速度？？
4.决策树 树怎么训练的（最小二乘回归，基尼指数），但貌似不是想要的答案？
5.熵 意义 公式？（貌似说错了）
6.线性回归？梯度下降如何更新参数，写下公式（emmm就很基础，没答上来）
7.LR？如何分类？（没理解啥意思）或推导，如何更新？
推导PCA，调包还是数学原理？
8.总之都很疲惫，问题跟答案双方都需重复才能交流成功
9.剑指原题（已经没心思写代码了，随便写了写，遂放弃然后卒）
两面体验差距蛮大的，完全不问项目，只问机器学习基础 还有很多 不会的 想不起来了 想起来加更
面试前看了看昨天的国际化面经，心态及其抗拒 发个算平常的凉经 大家后面加油鸭！
全部评论
(3) 回帖