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。
#社招##滴滴##算法工程师#
阿里巴巴灵犀互娱一面56人在聊
