滴滴CTO反作弊数据分析面经(凉)

一面记录:

  1. 线性回归分类变量怎么处理?答:哑变量,编码
  2. 相关性高的特征为什么要剔除?
    IV高啥的,有用信息会被屏蔽
  3. 相关性、因果性的区别理解
  4. 支付宝芝麻分,你会看哪些指标

二面记录:

  1. 正样本少怎么处理?
  2. L1 L2正则化
  3. GBDT XGBOOST的区别
  4. 300米高的一摞一元硬币,能否放到101514的立方体中?思路?
#面经##滴滴##数据分析师##校招#
全部评论
???!这都问的什么乱七八糟的
1 回复 分享
发布于 2021-07-22 17:34

相关推荐

伟大的烤冷面被普调:暨大✌🏻就是强
点赞 评论 收藏
分享
牛客963010790号:为什么还要收藏
点赞 评论 收藏
分享
1 29 评论
分享
牛客网
牛客企业服务