攜程機器學習實習面試

2018/3/10更

2018.02.06-攜程面試問題：

(1) 決策樹的節點劃分準則：

1、資訊熵的前後變化-資訊增益 2、資訊增益率 ：克服計算資訊增益過程中，由於某特徵取值過大，造成資訊增益大，但是該特徵對分類來說，協助不大，故通過資訊增益率來克服該類問題3、基尼指數：反應樣本集合純度，基尼指數越小，樣本集合純度越高；論文指出，三個準則的選擇對結果不會有太大影響；

(2) 學習率問題：

學習率設定，太大導致跳過最優點，太小導致迭代過程時間較長，改進的辦法是變長度：即在最開始的時候增加步長，往後減小步長；

(3) Xgboost和文本挖掘是否瞭解：

自己要學習一下，一般我是用隨機森林，然後也沒做過文本挖掘相關的東西，根據實習，但是有過純SQL和Python，進行模組開發，自己寫爬蟲爬資料和洗資料；第二家是Cisco，一般是做一些機器學習的Demo，Cisco面試經曆後面會再寫一篇博文，可以關注。

(4) 隨機森林調參問題：

一般是用實驗法，迭代到滿足效能的棵樹，並且取最小值，以減少計算代價損耗；

(5)SQL左串連和右串連區別：

左串連以左表為主表，將右表中與左表欄位相同的資料，形成映射，並保留在左表中，右串連反之；

(6)是否有過機器學習項目：

這裡沒答好，應該準備充分，把簡曆裡面KAGGLE比賽的所有過程所做的東西，講得更加具體，其他公司實習的項目講得細緻一點，自己的論文和公司實習的Demo也是，自己三言兩語帶過，給了第二面技術官一種沒有實踐經驗的感覺。反思。

(7)樣本資料不平衡處理方法：

因為我的第二篇小論文就是這個，所以答的比較好。因為在不平衡資料集上訓練模型，將導致其對小樣本類的識別精度和準確率低、但是小樣本類往往又是及其重要的，例如簡訊欺詐等；處理方法一般是用SMOTE、過採樣、欠採樣技術在資料集上進行相應處理，減少資料集的傾斜率；在演算法層面一般可以用級聯、代價敏感轉化和整合學習(adboost)等；

總結：

這次面試的問題不難，但是感覺自己準備不夠充分、對面試還是缺乏經驗、沒有達到個人的最佳水平，引以為鑒，下次再接再厲。結果還未知，但是我認為每次面試都是一次學習的過程，特此分享，希望對大家有所協助。

最後面試官問你有什麼問題，這個怎麼問。我只是問了公司主要在做什麼，我應該還需要問什麼。當然，突然想到，可以問面試官，我在面試中有什麼不足，協助下次提高。

轉載請註明出處，謝謝。