腾讯新闻算法实习面经
项目主要用到了gbdt和LR，主要问的这两个模型
GBDT每轮拟合的是什么东西，GBDT做分类问题时又拟合的是什么东西（当时懵了，拟合的是梯度嘛？）
缺失值具体怎么做的，怎么考虑LR+L1作用
GBDT除了平方损失，还有什么损失函数
GBDT里的G代表什么，体现在哪里，XGboost在梯度上改进的地方
OneHot的作用：将特征映射到欧氏空间，更合理的计算距离或者相似度度量，表达上更合理 决策树不适合用onehot的原因：结点分裂时容易分散？不清楚
遇到一个具体问题时，选择什么模型，有哪些方面的考虑、依据
算法题：全排列、二分查找
在回忆面试过程的时候突然感觉到了一些凉的原因
当时问我GBDT拟合的是什么的时候，我说用平方损失函数的时候拟合的是定义的一个残差，然后问我回归时拟合的什么东西，
当时突然有点懵嘛，没有想出来，然后又问我，GBDT的G是什么意思，xgboost的改进，我随口就说出了拟合梯度，和xgboost泰勒展开到2阶balabala，说的很顺
现在才意识到问题所在，面试官肯定也是发现我讲的东西都是死背下来的理论，内部的原理根本没有理解。
所以大家在准备面试理论的时候，一定要在理解原理的前提下记忆，不要死背概念！！
查看15道真题和解析
投递牛客等公司10个岗位 >