【24无实习春招】中国电科某所凉经
1.首先是自我介绍,我根本没准备好,我去我直接将我的英文复试稿子临时用翻译软件翻译了一下,讲得结结巴巴的,总体来说比较差,而且直接被面试官打断了(tips:其实面试介绍尽管高大上都没有关系,不要扭扭捏捏,提高自己的档次很重要,拿捏面试官)
2.SVM中RBF核函数的作用?
通过将数据映射到无限维特征空间,使原本线性不可分的数据变得线性可分,从而解决复杂的非线性分类问题
关键参数:
γ(gamma):
值大:核函数较“窄”,模型会更关注邻近样本,容易过拟合(决策边界复杂)。
值小:核函数较“宽”,决策边界更平滑,可能欠拟合。
正则化参数C:控制分类器的严格程度。
C 越大,对误分类的惩罚越强,可能过拟合;
C 越小,允许更多误分类,模型更简单。
3.现在有一个场景,你在查询一个结果但是特别慢,如何从一个数据库的角度去排查或者去优化?
我的回答:建立索引(不对,可能有索引但是不是最优索引)
1)使用缓存,例如redis
2)大数量的场景建议使用分库分表,读写分离
4.最左匹配什么时候会失效?
1)跳过索引左侧列
2)对索引使用函数或运算
3)使用范围查询
4)使用不等于/LIKE/OR查询
5)数据类型不匹配
录音了这么多,估计凉凉了#牛客AI配图神器#
后续:与岗位不太匹配
2.SVM中RBF核函数的作用?
通过将数据映射到无限维特征空间,使原本线性不可分的数据变得线性可分,从而解决复杂的非线性分类问题
关键参数:
γ(gamma):
值大:核函数较“窄”,模型会更关注邻近样本,容易过拟合(决策边界复杂)。
值小:核函数较“宽”,决策边界更平滑,可能欠拟合。
正则化参数C:控制分类器的严格程度。
C 越大,对误分类的惩罚越强,可能过拟合;
C 越小,允许更多误分类,模型更简单。
3.现在有一个场景,你在查询一个结果但是特别慢,如何从一个数据库的角度去排查或者去优化?
我的回答:建立索引(不对,可能有索引但是不是最优索引)
1)使用缓存,例如redis
2)大数量的场景建议使用分库分表,读写分离
4.最左匹配什么时候会失效?
1)跳过索引左侧列
2)对索引使用函数或运算
3)使用范围查询
4)使用不等于/LIKE/OR查询
5)数据类型不匹配
录音了这么多,估计凉凉了#牛客AI配图神器#
后续:与岗位不太匹配
全部评论
第一次写恳请大家多多指正
相关推荐

点赞 评论 收藏
分享