字节三周目开启，十面面经

字节还是忘不了爷，又捞起来面我了。
9.23
八股：
LR和SVM，在样本不均衡的时候谁更好，为什么 ——SVM好，因为找到最好的超平面之后除非你多出来的样本靠近超平面不然没啥影响

讲讲LSTM  ——门机制，缓解RNN的疑难杂症但不根治，我个人做时间序列的经验就是没luan用，用RNN\GRU\LSTM都差不多，甚至有时候不如1D CNN。面试官连连称赞说，说是这样这玩意设计感太强了，就是公式好看。

xgboost和Adaboost ——xgboost就是GDBT的提升版，然后说了一下GDBT和一些集成学习的（详情看李沐老师的斯坦福课集成学习那几节）
了解因果推断吗 ——听说过，不了解
AUC咋算的 ——这我可太会了，因为看面经看到这个了，之前就是当一个二分类指标，周五那天详细的推了一遍物理意义怎么回事以及怎么优化

手撕：
1.lc75 荷兰国旗问题
2.lc240 二维矩阵搜索问题
3.指数分布问题，30分钟钓到鱼的概率60%，10分钟钓到鱼的概率

许愿...许愿个P
——————
这几天快乐老家了没上牛客。更新一下 一面过了然后25号约的二面然后挂了 全程八股，没有新的问题，都是以前面经里提过的。最后手撕让写了一个加上l1l2正则化后的梯度下降公式，算导数呗。还有个手撕算法，挺简单的双指针，一开始写错了后来重写了一下写对了。
全是见过的八股还能挂， 你们就理解成我全顺畅的答出来然后挂了。what can I say？