字节-广告tac-一面面经（持续记录！）

ld说部门搞机器学习 大模型 强化学习方向都有
偏业务
面试记录！

面试问题：
- 详细解释一下二元分类中常用的损失函数BCE（二元交叉熵）是怎么推导出来的？数学形式是什么，为什么适合二分类任务？
- 在二分类问题中，为什么通常用交叉熵损失而不用MSE（均方误差）？MSE在这种场景下会有什么问题？
- （针对简历提问）你简历里提到做过特征重要性分析，具体介绍一下你用过的特征选择方法吗？比如过滤法、包装法、嵌入法这些，它们各自有什么特点？
- 处理不平衡样本问题时，你一般会怎么做？比如上采样、下采样、SMOTE这些方法，你觉得哪种最有效？为什么？
- 解释一下怎么解决不平衡样本的问题？
- （针对简历提问）你工作里做了降采样，这对评估指标比如AUC或点击率有什么影响？降采样后怎么调整才能保证评估结果的准确性？

代码题：
- 给字符串 s 和字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。（类似力扣139）
- 手写一个mse的计算。（用np实现并计算）#牛客AI配图神器#