首页 > 滴滴核心出行岗位一面面经
头像
工友
编辑于 2020-09-15 16:42
+ 关注

滴滴核心出行岗位一面面经

之前面试过一次滴滴的核心出行岗位,自我感觉不错,但是最后却没有二面的消息😂
把经验分享给大家,帮助其他人吧。
其实下面的问题都是和我简历有关的,问的都是我用到过的算法,大家应该也根据自己的简历准备面试。

一面

1、AUC指标的含义,同时增大减小样本的预测概率(保持顺序不变)会对AUC指标产生什么影响?
2、介绍XGB模型
3、介绍SVM模型
4、SVM训练完成后得到的模型是什么?
这题我简单说一下,一般人都会认为得到的模型是那个超平面,即y=w1x1 + ... + wnxn,我也是这样回答的。但是面试官反问如果是带核函数的模型,怎么进行预测。因为核函数是计算两个样本之间的高维内积的,因此只有超平面和另一个待预测样本的话就不知道怎么做预测了。。。后来面试官跟我说得到的模型其实是支持向量,预测时将待预测样本与支持向量计算距离。
5、svm为什么自带泛化性?
这题涉及到一个概念,结构风险最小化,感觉这个说法有点装逼😂,大家可以花一分钟了解一下,了解以后跟别人侃侃而谈可以增加逼格哈哈
6、xgb和gbdt最主要的区别是什么?
个人认为只要提到本质区别之类的问题就往损失函数上说。不知道这种思路对不对,请大神指正。
7、autoencoder的原理。
8、详细讲一下cnn怎么卷积多通道?
9、svm对偶化的条件是什么?具体说明每一条,并且回答为什么满足该条件就可以对偶化?
10、svm与其他模型相比,在面对样本不均衡问题是更优还是更劣?
11、算法题:开三次方根。其实跟开根号的题类似。牛顿法可能要推一下公式,可以用二分法。

更多模拟面试

全部评论

(1) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐