机器学习岗阿里-飞猪算法岗社招面经

一面

项目与自我介绍

o由于作者是某研发了LTP的实验室的，所以有如下两个问题（NLP相关），小看官们可以选择性略过这一趴：

LTP分词怎么做的

UNK怎么处理§

char-emb：英文字符中使用char-embedding编码得到的feature来代替word-embedding；或char-embedding编码得到的feature拼接word-embedding；

词汇表扩展：为不同的UNK编号，进行训练。

copy机制：在NLP生成任务时，例如自动摘要任务，摘要中有很多词都是来自于输入部分，比如机构名、地名、人名。这些词出现很少有的甚至只出现一次，如果靠语言模型来生成是不可能的。而使用拷贝模型，则在很大程度上解决了UNK的问题。

还知道什么分词方法

已知前序和后序能不能重构二叉树？·

不能，“根左右”和“左右根”无法判断左右子树。

矩阵的特征值和特征向量是什么？

设A是n阶方阵，如果存在数m和非零n维列向量x，使得Ax=λx成立，则称 λ 是矩阵A的一个特征值。

非零向量x称为A的对应于特征值λ的特征向量。

式Ax=λx也可写成( A-λE)X=0。这是n个未知数n个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式| A-λE|=0。

生成模型和判别模型：

生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后(通过贝叶斯公式)求条件概率分布p(y|x)，最后选取使得p(y|x)最大的y_i.。能够学习到数据生成的机制。

Eg:朴素贝叶斯/ HMM / LDA·

判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。§

Eg: KNN / LR / SVM / Boosting /感知机/决策树/最大熵模型/ CRF

参数模型和非参数模型:

参数模型通常假设总体（随机变量）服从某一个分布，该分布由一些参数确定（比如正态分布由均值和方差确定）

假设可以极大地简化学习过程，但是同样可以限制学习的内容。简化目标函数为已知形式的算法就称为参数机器学习算法。§

Eg: LR /感知机/ SVM / LSTM ·

非参数模型对于总体的分布不做任何假设，只是知道总体是一个随机变量，其分布是存在的（分布中也可能存在参数），但是无法知道其分布的形式，更不知道分布的相关参数，只有在给定一些样本的条件下，能够依据非参数统计的方法进行推断。

通过不做假设，算法可以自由的从训练数据中学习任意形式的函数。

Eg:决策树 / SVM / LSTM

§从上述的区别中可以看出，问题中有没有参数，并不是参数模型和非参数模型的区别。其区别主要在于总体的分布形式是否已知。而为何强调“参数”与“非参数”，主要原因在于参数模型的分布可以有参数直接确定

二面

项目与自我介绍

oPython C++怎么调试怎么断点调试

小白都会的print大法

IDE：PyCharm可以在某行代码增加断点

pdb：python自带工具pdb进行调试，

命令行使用：python -m pdb xxx.py进入调试模式，类似于c++的gdb调试

代码使用：代码中添加pdb，在代码指定位置设置上断点pdb.set_trace()

opython解释器是什么/如何工作编译过程和执行原理

用户提交源码后，解释器将源码转化为字节码，在Python中一般为.pyc文件，在Java中则是.class文件，这个字节码机器不能执行，由虚拟机执行（这个虚拟机不是vmware或者virtualbox的虚拟机概念），在Java中同样是由JVM来实现。由于字节码一般是不依赖于操作系统的，所以可以做到跨平台运行。

当python程序第二次运行时，首先程序会在硬盘中寻找pyc文件，如果找到，则直接载入，否则就重复上面的过程。

oPython中的几种解释器知道几个：

CPython：CPython是标准Python，也是其他Python编译器的参考实现。通常提到“Python”一词，都是指CPython。CPython由C编写，将Python源码编译成CPython字节码。

Jython：Jython在JVM上实现的Python，由Java编写。Jython将Python源码编译成JVM字节码，由JVM执行对应的字节码

IronPython：IronPython与Jython类似，所不同的是IronPython在CLR上实现了Python，即面向.NET平台，由C#编写。

PyPy：使用RPython实现

oID3\C4.5等基本树是二叉树还是多叉树

ID3只能处理离散型变量，离散特征(离散数量>2)时是多叉树

C4.5可以处理离散型/连续型变量，离散特征(离散数量>2)时是多叉树，连续特征时是二叉树

被切过的特征还会再切吗？

连续可以在切，离散不可以

编程题：