算法岗面试问题总结(一)

1. 回归可以设置SVM?

可以,SVM是判断回归f(x)==y的时候才预测准确,计算损失函数;
回归支持向量SVR是|f(x)-y|<alpha的时候就认为预测准确了。
在这里插入图片描述

2. 核函数特点,SVM线性不可分怎么办?

SVM是线性分类器,但是遇到线性不可分的时候就需要映射到高维(特征空间)就线性可分了。实现这个过程就需要核函数。
核函数是在低维上进行计算,将分类效果展示在高维。

线性核函数
多项式核函数
高斯核函数(径向基核函数)
sigmoid核函数

3. 说一说Xgboost和lightGBM的区别是什么?

lightGBM是Xgboost的更高实现,微软发布的。
Xgboost处理的问题时决策树训练时特征值排序浪费时间的问题。Xgboost在训练之前先将数据进行排序,这些排序好的数据组成一个个block。在节点分裂时,需要计算每个特征值的增益,然后找到最大增益的特征做分裂。这些block使得各个特征的增益能够多线程计算。

lightGBM主要是在上述的模型下进行改进。主要改进有两点,一是在不牺牲计算速度的情况下,尽可能发挥内存的最大使用率;二是减小通信代价,提高多线程运行的速度和效率。主要计数手段是并行方案改进、基于梯度的单边检测(GOSS)、排他性特征捆绑。

4. 谈一谈决策树的实现逻辑 信息增益、信息增益率公式

决策树是最简单的分类机器学习算法,其包括根节点(样本全集)、内部节点(样本的特征)、叶节点(决策结果)。决策树执行时,根据某个属性判断根节点里面的数

### 算法面试常见问题总结 算法位的面试通常会涉及多个方面的考察,包括但不限于基础理论、编程能力以及实际应用中的解决问题的能力。以下是针对算法面试些常见问题及其解决思路: #### 基础知识部分 基础知识是算法面试的核心之,涵盖了数据结构算法的设计和实现。 - **链表操作** 如何反转单向链表是个常见的问题。可以通过迭代或者递归的方式完成这任务[^1]。 ```python class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next def reverseList(head: ListNode) -> ListNode: prev = None curr = head while curr is not None: temp = curr.next curr.next = prev prev = curr curr = temp return prev ``` - **二叉树遍历** 实现前序、中序和后序遍历也是经典问题。可以采用递归方法轻松处理这些问题[^2]。 ```python class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def preorderTraversal(root: TreeNode): if root is None: return [] result = [root.val] result += preorderTraversal(root.left) result += preorderTraversal(root.right) return result ``` #### 编程实践部分 除了纯理论的知识外,还需要具备定的实战经验,尤其是在面对具体业务场景时如何优化解决方案。 - **动态规划** 动态规划是种重要的解题策略,在求解最短路径等问题中有广泛应用。例如斐波那契数列可以用动态规划高效计算[^3]。 ```python def fib(n: int) -> int: dp = [0]*(n+1) if n >= 1: dp[1] = 1 for i in range(2,n+1): dp[i] = dp[i-1]+dp[i-2] return dp[n] ``` - **深度优先搜索 (DFS)** 和 广度优先搜索 (BFS)** DFS/BFS 是图论中最基本的操作方式,可用于迷宫探索等多种场合。下面展示了个简单的 BFS 示例用于寻找无权图两点间距离[^4]。 ```python from collections import deque def bfs(graph, start_node, end_node): visited = set() queue = deque([(start_node, 0)]) while queue: node, dist = queue.popleft() if node == end_node: return dist if node not in visited: visited.add(node) neighbors = graph[node] for neighbor in neighbors: if neighbor not in visited: queue.append((neighbor, dist + 1)) return -1 ``` #### 面试技巧分享 为了更好地应对算法面试,可以从以下几个方面入手准备: - 复习并熟练掌握常用的数据结构及相应算法; - 练习历年真题,熟悉高频考点; - 学会在有限时间内清晰表达自己的思考过程,并逐步完善答案; ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值