1. 自我介绍 2. 直接上笔试题,中等难度,最长回文串 3. one-hot编码和label-encoder编码区别,分不同情况怎么选择?树模型用哪种? 4. 说一下常见缺失值处理办法 5. 说一下过拟合和欠拟合,以及如何解决过拟合(至少三个) 6. 简单介绍一下XGB,GBDT和RF的原理和区别 7. 深度学习梯度消失的原因有哪些,如何解决?梯度爆炸呢? 8. 常见的评估指标有哪些,回归、分类、图像以及你擅长的项目中。 9. 数据不平衡的处理办法以及如何在评估指标中选择? 10. XGB的常见参数以及它防止过拟合的办法? 11. ...