qq_27095007的博客

我的面试经（只记得没回答出来的）讲一下Adam，手撕三个算法题（凑零钱；输出给定数字下一个比它大的数字；赌徒获胜概率计算【有两个技巧相当的赌徒A，B，他们赌博胜率为0.5，现在设定这样的获胜规则：A只要赢了2局或以上就获胜，B只要赢了3局或以上就获胜】）其他人面经有哪些优化函数，比较不同优化方法分为直接法和迭代法，其中迭代法包括一阶法（梯度下降法）和二阶法（牛顿法），基于梯度法的缺陷，...

我的面试经说说项目，然后一大批围绕项目展开。Python的迭代器，Python中那些类型可以作为字典键。有什么想问我的深信服（算法工程师）选择自己觉得做的最好的项目从需求、样本、特征工程、模型选择等介绍模型融合的优势以及方法。优势：随着集成中个体分类器数目T 的增大，集成的错误率将指数级下降，最终趋向于零。方法（基学习器是否存在强依赖）：bagging（优化方差），boosting（...

网易面试总结分布式训练模型 ，树模型并行化训练问题gan 你了解几种，实践过吗生成对抗网络。bn （BatchNormalization）批标准化BN是用来解决“Internal Covariate Shift”的。（在训练过程中，隐层的输入分布老是变来变去，这就是所谓的“Internal Covariate Shift”，Internal指的是深层网络的隐层，是发生在网络内...

LSTM主题模型是什么，狄利克雷分布是什么，共轭是什么，HDP模型的原理。KMP算法的原理，B+树的原理（2）堆排序的原理，SVM的原理，SVM和LR，SVM原问题和对偶问题关系？决策树的原理。LR为什么用sigmoid函数。这个函数有什么优点和缺点？为什么不用其他函数？KKT条件用哪些，完整描述L1正则为什么可以把系数压缩成0，坐标下降法的具体实现细节https和连接建立过程...

小米算法岗面经单个知识点LR（损失函数）【2】【手推】SVM（高斯核）【2】常用的核函数包括线性核函数和高斯核函数，高斯核函数（RBF核函数，也称为径向基函数）用于分类非线性可分的样本，本质为将每一个样本都映射到一个无穷维的特征空间（将mn的数据集映射为mm的数据集，m表示样本数，n表示原始样本的特征种类），定义如右图XGBoost【3】【手推】目标函数：将l函数前部...