一个机器学习渣渣的首面 - 链家网（已跪）
秋招第一次面试，一面挂了也在意料之中，吸取教训，继续努力。记录一下也是为了警醒自己差得远，还得狠狠努力。
首先介绍了自己研究生期间的学业情况。
接着，面试管开始从项目问起，我简历上两个项目，一个问答系统，一个数据挖掘+推荐系统。这两个项目自己给自己挖了不少坑。
感觉面试官项目经验很丰富，技术很扎实，喜欢顺着项目一步一步往深问。
对于第一个项目，首先问了项目团队的情况，又问了我负责的部分。我回答主要是负责Query分词、同义词替换、词向量构建、Query Top K匹配这一小块。面试官从分词开始，问了包括
1）分词工具（我回答结巴），为什么要用这个（我的原因是python的话结巴上手快），采用精确模式、全模式还是搜索引擎模式（我采取的精确模式，面试官提示我不合适）
2）同义词替换的方式，词库如何建立，底层存储工具，具体技术细节
3）词向量的构建方式（这里我用的是TF-IDF）；
4）词向量维数（这里感觉答得就有点问题，我凭记忆大概是2000维左右，面试官明显不是很满意），词向量距离（我用的是余弦，其实这些都很基础，也没高大上的技术），为什么要用余弦距离，有什么依据吗
这里还插了两个问题，知不知道维度诅咒（这个我真没听过，回答是不是维数爆炸，面试官不满意）
既然知道维度爆炸，那么你认为维度在多少时会出现明显的问题（这个问题连着前一个一起跪了）
5）Top K的K取几（我取的是5），为什么取5（这说实话我就是凭感觉取的，面试官明显不满意）
6）模型评价标准（我答的是准确率，如果Top5命中，采取加权的方式处理来计算准确率，面试馆直接打断我，说业界的方式是怎样的，我的这套标准有些自己YY的意思。这个确实，当时做的时候没认真地考虑各个细节）
7）模型训练集、测试集各多少，具体怎么测试，人工还是自动，怎么知道选出的Top K是合适的
第一个项目问完，感觉面试官应该已经觉得我有些水了。。。
对于第二个项目，问了包括
1）简要介绍推荐系统（我的是一个菜品推荐系统）
2）item集合多大（几百），用户多少个（3000），数据量（2000W）
3）具体技术谈一下（主要是协同过滤）
4）你的协同过滤是以用户角度还是商品角度（商品角度，因为用户相似度普遍比较低，不像社交网络）
5）协同过滤的评分矩阵具体怎么实现，评分怎么评（根据以往点菜记录，取频数，加权），加权方式（按时间权重依次递减，进行加权，面试官不满意，感觉可能加权的方式不合适）
6）你用到了xgboost，谈一下它的原理吧（扯了一下）
下面***就来了
7）为什么弱分类器组合可以提高分类能力（其实自己也知道，但现场面心态还是不一样，按照函数空间的方向答了一下。其实应该是讲偏差-方差更合适）
8）如果你的xgboost表现不好，过拟合了，怎么办，要调整哪些参数（这就是我自己给自己挖的坑，xgboost只是简单用了下，深层次并没有掌握。我回答可以考虑减小树的深度，瞬间面试官的笑容消失。。。）
9）xgboost的公式了解一些吧，它迭代一次具体有那些步骤（已崩）
10）一般来说过拟合有哪些解决办法（这个问题其实很基础了，但是一来平时疏于整理，二来心态有点崩，根本答得不好，面试官十分非常不满意，这么基础的问题也没答上来）
差不多就是这些问题了，面试我的这位面试官对工程项目这一块很有兴趣，而且但凡我做过的东西，都问得相当细致，包括具体的步骤，遇到的问题。
总结一下，几个问题
1）基础不扎实，好像都会点，但是不够细致，一定要保证张口就来，面对面试官可以把基本的问题流畅地说出来
2）简历里的项目自己没有理清楚，导致面试官问得时候容易卡住
3）简历有点华而不实，写得太多，真正十分了解得少
4）感觉自己准备的方向有问题，什么都想涉猎一点，导致核心的那一部分反而落下了些
5）思路不清楚，应该提前练习一段时间，保证面对面试官的时候思路清晰
6）多面试，不能放弃任何一次面试的机会，不实战不知道自己哪有问题
投递美团等公司10个岗位 >
