shopee 算法面经

头铁投算法，小小期待一下hr面吧，虽然概率不大，如果得到hr面通知就来更新二面面经

==================================================================

一面：（记不全了，感觉面了很久很久，挑记得住的写）

1.自我介绍

春招就投了shopee一家，太久没说自我介绍都忘了说自己用的是什么算法了，最好还加了个自己的爱好。面试官憨憨一笑说：头一次听见有人自我介绍说爱好的~羞愧- -

2.因为强化学习与推荐不太匹配，不问项目了直接问题吧

问知不知道Auc，写一道题

答不知道，项目做的强化学习，对这方面都是按面经有啥准备啥，当时找的面经没提到Auc

但是面试官说没事，我给你讲，让我硬做（这里有个插曲，长春现在封寝，我笔试面试都赶上上门捅核酸，于是我做题时候就去做核酸了，回来我说做完了，面试官说做完了你写成代码阿，我说核酸做完了。。。。

题目：给两个列表，一个列表元素为1/0代表正/负样本，一个列表对应他们的概率，求Auc，Auc等于组合里面正样本打分高于负样本打分的组合个数/一正一负样本对的所有组合数

一开始算是暴力解法吧，面试官要时间复杂度O(nlogn)，于是用排序+二分查找做的，结果跟暴力解法不一致，但面试官说思路可以代码写的也还行，下去自己调吧就过了

3.这期间问了一堆我听过但还没学到的：word2vec、XGboost、交叉熵...

我太菜了，当时交叉熵还没看过呢，面试官说这不应该是分类算法最简单的。。

下面是一些回答上来的问题，感觉面试官还觉得回答的不错

-->LR的损失函数是什么，我说叫logistic loss，面试官说不是，但是他的解释我记不清了，下来重新理解应该就是那个样本集概率取log似然值加负号（说错了请纠正我）

-->正则化方法都有什么

-->L1正则为什么具有稀疏性

-->为什么正则化能防止过拟合【我说对权重加约束，有的权重就没了】-->【没答上来】如果说L1能防止过拟合的原理是让权重没了，那L2呢？【我说限制权重取值范围，面试官显然不满意】

-->树的算法都了解哪些？答CART、随机森林、GBDT-->讲讲GBDT的思想

-->经验风险和结构风险都是什么?【回答的面试官也不满意，说原则上没错，但觉得没有说到根本】

4.一道情景题，【因为有些概念不太懂，勿喷，理解我大概要表达的意思吧】在推荐系统里，如果训练的时候标签1表示展示在页面用户点击了0代表用户未点击，该标签与模型得到的打分相关性很高，但测试时不高，为什么?

答我当时就懵住了。面试官引导我的例子我懂了，但后来他说因为推荐系统是优化每个人的List而不是整体的List，现在又有点不太懂了，是模型打分高代表用户愿意点的多，但实际测试时一个用户上线了就可能不点了嘛，因为这不是这个用户喜欢的？请大佬解答，感激不尽

shopee 算法 面经