携程算法工程师一面面经
1. 自我介绍
2. 介绍项目（说了两个，是有迭代的）深挖，背景方法效果，思考（例如股票预测，具体是怎么操作的，哪些因子，怎么回测，得到的结论，自己有没有加入因子进去）
接下来就是围绕以上项目中所用到的方法的深挖
3. RF和GBDT都是怎么减少方差和偏差的
4. XGboost是怎么做特征筛选的
5. 为什么要用基尼指数？比较一下信息增益、信息增益率、基尼指数
6. XGboost对于GBDT的改进在哪里，XGboost的每一棵树是什么样的，XGboost的提升方法
7. SHAP值是怎么算的，能得到单独变量的shap值吗？式子是什么样的
8. 同样的偏差RF和GBDT哪个树的深度大，为什么
9. 业务题：携程要给每一个用户推荐6个城市来出行，作为一个算法工程师怎么考虑这个问题
10. 反问：对实习生的要求&工作内容
面试官还是很nice的，不太清楚的地方会引导（也会深挖到底hhh）
