数据人的碎碎念（6）完结篇

#数据人的面试交流地#
不出意外这个是本系列正作的最后一篇。小可才疏学浅，技能粗鄙，承蒙错爱，幸得诸位能人志士愿意听我胡言乱语，先谢过各位看官了
面经分享系列还有最后一部分——ML&DL篇，闲言少叙，咱们书归正文。
4. ML&DL篇
（1）请简述机器学习中的评价指标（龙盈智达）
我首先想到的就是：《机器学习》中说到的那一套东西，准确率、精确率、召回率、AUC、ROC、F1-Scores，以及混淆矩阵之类的。自以为说的还算全乎（事实上确实还差蛮多），但并没有说出面试官想要的答案（面试官期待听到聚类的评价指标，我猜是因为银行业务分析会有这方面的需求）。
面试官：你说的都是二分类的，那么聚类问题的呢？
我：懵...呆住...立正挨打（做的项目大多数以分类为主，聚类的确实忘了）
如果我再遇到类似的问题，我会这么说：首先，说明三大类问题，分类、回归、聚类，再按照每类问题进行详细描述
分类：参见上面我说的
回归：MAE(平均绝对误差)，MSE(平均平方误差)，RMSE（均方根误差）、R方（以及调整后R方）
聚类：兰德系数（以及调整后兰德系数）、聚类纯度、F
（2）过拟合处理方法，以决策树为例说明（龙盈智达）
我：限制决策树深度（层数）、预剪枝、对数据进行适当处理，如去噪等，扩大样本量。
面试官：只有这些吗
我：想不起来了（我在此时还没意识到没有说后剪枝，一分钟后才意识到）
（3）结合具体项目，问机器学习、深度学习方法的具体实现（一半讲项目的面试中都有遇到这个问题）
对于这种问题，我们需要把项目的前因后果，要做什么事简要先说明一下，先让面试官了解整个项目大致在做什么，再对于项目的细节进行阐述。按照先总体后部分的逻辑去说，整个描述显得会更有条理，对方听起来也不会太费劲（个人见解，仅供参考）
同时，在介绍项目的时候，可以加一些自己的思考。比如这个项目中的内容和你面试的这个公司的的关联之处，还可以表达你对这个项目的一些进阶想法。核心是向对方展示出自己独立思考和主动解决问题的能力，而不是仅仅停留在做一个工具人。
行文至此，这个系列也暂告一段落了。我暂时想到的数据相关面试过程中遇到的问题就这么多，如果以后再遇到或者想起来，在之前篇章中没有被提及的比较经典的或者具有代表性面试问题，会根据具体情况酌情加更。
在这里祝各位牛友早日拿到理想的offer，诸事顺遂!