字节跳动推荐算法一面面经
- L1 和 L2 正则化的区别？它们都能防止过拟合吗？
- 写出Cross entropy的公式，并解释推导过程。（我先从KL散度的角度回答，面试官提示从最大似然的角度回答，并问是否与贝叶斯有关）
- 解释dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？
- 如何判断模型是否过拟合？（仅仅训练集loss低，测试集loss高不一定是过拟合，有没有其他判断方式？我从模型偏差和方差的角度回答）
- 如何缓解过拟合？（我说了四五种方法，面试官继续追问有没有其他方法）
- 概率题：计算骰子第一次扔到6的次数的期望。
- 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。（特别是在大规模数据情况下）
- 代码题：计算中缀表达式的结果，包括括号。（例如：‘1+2*(3-(65+2)*2)’）
查看10道真题和解析