一面经历
。。。大概率是凉了，这是我人生的第一次工作面试，泪奔。。。
其实问题已经都很简单了，但是奈何基础太差没复习到，有些没答上来
按照简历问的
1. lambda函数有什么好处
2. 函数和生成器的区别，装饰器怎么用知道吗
3. pytorch中怎么设置GPU, 不更新梯度要怎么设置
4. 对logistic回归的理解，推导，优缺点，loss函数，怎么优化
5. logistic回归对线性不可分数据怎么处理
6. 数据预处理离散化有什么优点和好处
7. SVM相对于随机森林为什么在你的数据中表现不好
8. 阐述一下随机森林原理，优缺点有哪些，生成树的过程中要剪枝嘛
9. 小样本数据下，在拿到数据后，你优先考虑的模型依据是什么
10. 特征筛选做不做对随进森林性能影响大不大（针对项目）
11. label smoothing 的理解，为什么可以防止过拟合；为什么加dropout没有提升。
12. 常用防止过拟合策略
13. 一道算法：求一个数平方根，返回整型；二分查找
查看10道真题和解析
