（1）自我介紹
（2）分類和回歸的區別？
1.從**的角度分析，回歸模型輸出是連續性、線性輸出，可以用一條直線較好的擬合，分類的輸出是離散化的。分類模型是將回歸模型的輸出離散化。
2.從訓練的角度來看，分類模型和回歸模型的目標函式不同，分類常見的是log loss,hinge loss,而回歸是square loss。
首先解釋一下回歸問題，分類問題的不同點。回歸問題**的結果是連續的值，而分類問題的**結果是離散的。拿支援向量機舉個例子，分類問題和回歸問題都要根據訓練樣本找到乙個實值函式g(x). 回歸問題的要求是：給定乙個新的模式，根據訓練集推斷它所對應的輸出y（實數）是多少。也就是使用y=g(x)來推斷任一輸入x所對應的輸出值。分類問題是：給定乙個新的模式，根據訓練集推斷它所對應的類別（如：+1，-1）。也就是使用y=sign(g(x))來推斷任一輸入x所對應的類別。綜上，回歸問題和分類問題的本質一樣，不同僅在於他們的輸出的取值範圍不同。分類問題中，輸出只允許取兩個值；而在回歸問題中，輸出可取任意實數。
注意：分類模型和回歸模型的本質是一樣的，分類本質上是乙個線性模型，因為除去sign()、sigmoid()對映函式關係，其他步驟、演算法都是線性回歸的。可以說，分類都是以線性回歸為理論支撐的。回歸模型，無法做到sigmoid()的非線性形式，sigmoid(）可以輕鬆處理0/1分類問題。分類問題其實僅在回歸的基礎上，套用了乙個邏輯函式，但也就是由於這個邏輯函式，邏輯回歸成為機器學習領域一顆耀眼的明星，更是計算廣告學的核心。
refercnce:
（3）模型訓練的方法有哪些麼？
最小二乘法、最大似然估計
（3）你最熟悉的分類演算法有？
邏輯回歸、支援向量機、神經網路、決策樹、adaboost
（4）那你簡單說一下adaboost演算法?
（5）在adaboost演算法中，你提到了整合學習，那你能簡單說一下整合學習麼？
（6）整合學習中，你提到了隨機森林，那你能簡單介紹一下隨機森林麼？
（7）如何解決過擬合現象？先解釋一下過擬合吧！如何解決？
（7）決策樹是怎麼進行**的？
我的回答剪枝。
能說的更具體一些麼？
你了解決策樹的id3、c4.5、cart演算法麼？
（8）你一直在說支援向量機，那你能說一下核函式的作用嗎？
（9）你了解的聚類演算法有哪些？
k-means演算法
（10）還有其他的聚類演算法麼？
比如說：層次聚類、密度聚類、神經網路聚類、統計學聚類等
（11）詳細介紹一下k-means演算法的原理？
（12）k-means是如何調整中心的？
（13）噪點對k-means的影響大麼？
（14）簡答說一下神經網路
大概就這些，想起來在補吧！
先把問題記錄一下，一道一道慢慢解決吧！
2017暑期實習面試總結 機器學習演算法崗
雖然心裡念叨該早點準備3月開始的這波面試，但由於生病等種種原因，又或者可以說我是乙個輕微拖延症患者吧，直到3月初被內推了阿里才真正開始準備。截止目前，還算幸運，拿到了幾個offer。就先行做乙個總結吧，算是對這乙個半月的小記了。阿里 螞蟻金服風控部門，機器學習演算法崗。3.2 一面，杭州螞蟻金服，1...
BAT面試經驗分享（機器學習演算法崗）
阿里 對於大資料方面的問題可參考 二面 相隔時間有三周左右，本來以為沒戲了 二面是個大叔，問了專案中的fm和ffm的區別 參考問的主要是專案上的，問了天池大資料比賽的一些問題，因為說了平時會關注最新技術動態，因為就叫我舉個例子，剛好看過微軟識花的那篇文章就好好講了下。最後問了下工作地啥的。二面就40...
5 16 微軟 機器學習崗
一 單詞反轉 將字串單詞反轉輸出，例如 str how are you output you are how 二 s1和s2兩個字串，查詢兩個字串中的共用子串 三 遍歷二叉樹，從左到右分別展示，從葉子節點向根節點分別展示 用遞迴方法實現中序遍歷 四 n皇后問題 五 都了解什麼深層神經網路，分別運用在...