传统算法（推荐、分类、回归）面试经验贴

bg：双一流本，两年工作经验，给还在学习的朋友们分享一些对应经验下企业所问的问题，也有助于自己未来进行总结。以下打⭐为印象深刻的问题。
Q：
技术面：
（1）自我介绍（背景+工作经验+工作内容+成果）
（2）项目拷打
①推荐算法：
（3）注意力Q,K,V计算公式
（4）self-attention和external-attention的区别
（5）了解过哪些主流的推荐算法
（6）讲一下Wide&Deep原理
（7）推荐算法中正负样本集是如何构建的
（8）如何理解auc指标
（9）平时用哪些框架（pytorch），如果接触到tensorflow项目，最快需要多长时间能上手
②机器学习算法：
（10）了解什么是特征偏移么
（11）对于数据不平衡问题的解决办法
（12）训练集和测试集的正负样本比相差过大怎么办（如训练集1:49，测试集1:199）
（13）知道什么是概率校准么
（14）讲述一下二分类的原理⭐
（15）平时有了解过LLM么
（16）做过xgboost的超参数优化么，以及对早停机制（early stopping）有没有什么深刻理解⭐
（17）平时做过哪些衍生特征
（18）如何筛选重要特征
（19）如何避免特征之间的多重共线性，避免了又会有什么缺点
（20）以业务的角度筛选特征有什么缺点⭐
（21）xgboost是如何处理缺失值的
（22）对类别变量有什么处理方法
（23）机器学习和深度学习分别建模有哪些不同点
（24）xgboost的多分类和神经网络中的多任务有什么区别
#面试经验# #算法#