160个机器学习面试题

时间 2020-04-19

标签机器学习面试栏目快乐工作繁體版

原文原文链接

原文：https://hackernoon.com/160-da...
Alexey Grigorev(Lead Data Scientist at OLX Group)面试

数据科学职位的典型面试过程会有不少轮，其中一般会涉及理论概念，目的是肯定应聘者是否了解机器学习的基础知识。
在这篇文章中，我想总结一下我全部的面试经历（面试or被面试）并提出了160多个数据科学理论问题的清单。
其中包括如下主题：算法

线性回归
模型验证
分类和逻辑回归
正则化
决策树
随机森林
GBDT
神经网络
文本分类
聚类
排序：搜索和推荐
时间序列

这篇文章中的问题数量彷佛远远不够，请记住，面试流程是根据公司的需求和你的工做经历而定的。所以，若是你的工做中没有用过期间序列模型或计算机视觉模型，就不会收到相似的问题。segmentfault

提示：若是不知道某些面试问题的答案，不要灰心。为了简化起见，我根据难度将问题分为三类：网络

👶容易
⭐️中号
🚀专家

开始吧！框架

有监督的机器学习

什么是有监督学习？👶

线性回归

什么是回归？哪些模型可用于解决回归问题？👶
什么是线性回归？何时使用它？👶
什么是正态分布？为何要重视它？👶
如何检查变量是否遵循正态分布？‍⭐️
如何创建价格预测模型？价格是否正态分布？须要对价格进行预处理吗？‍⭐️
解决线性回归的模型有哪些？‍⭐️
什么是梯度降低？它是如何工做的？‍⭐️
什么是正规方程？‍⭐️
什么是SGD-随机梯度降低？与一般的梯度降低有何不一样？‍⭐️
有哪些评估回归模型的指标？👶
什么是MSE和RMSE？👶

验证方式

什么是过拟合？👶
如何验证模型？👶
为何须要将数据分为三个部分：训练，验证和测试？👶
解释交叉验证的工做原理？👶
什么是K折交叉验证？👶
如何在K折交叉验证中选择K？你最喜欢的K是什么？👶

正则化

若是的数据中包含三列：x，y，z，其中z是x、y的和，那么线性回归模型会怎样？‍⭐️
若是数据中的z列是x和y列之和加上一些随机噪声，那么的线性回归模型会怎样？‍⭐️
什么是正则化？为何须要它？👶
有哪些正则化技术？‍⭐️
什么样的正则化技术适用于线性模型？‍⭐️
L2正则化在线性模型中是什么样的？‍⭐️
如何选择正确的正则化参数？👶
L2正则化对线性模型的权重有什么影响？‍⭐️
L1正则化在线性模型中是什么样的？‍⭐️
L2和L1正则化有什么区别？‍⭐️
能够在线性模型中同时具备L1和L2正则化吗？‍⭐️
如何解释线性模型中的常数项？‍⭐️
如何解释线性模型中的权重？‍⭐️
若是一个变量的权重高于另外一个变量的权重，那么能够说这个变量更重要吗？‍⭐️
何时须要对线性模型进行特征归一化？什么状况下能够不作归一化？‍⭐️

特征选择

什么是特征选择？为何须要它？👶
特征选择对线性模型重要吗？‍⭐️
有哪些特征选择技术？‍⭐️
可使用L1正则化进行特征选择吗？‍⭐️
可使用L2正则化进行特征选择吗？‍⭐️

决策树

什么是决策树？👶
如何训练决策树？‍⭐️
决策树模型的主要参数是什么？👶
如何处理决策树中的分类变量？‍⭐️
与更复杂的模型相比，单个决策树有什么好处？‍⭐️
如何知道哪些特征对决策树模型更重要？‍⭐️

随机森林

什么是随机森林？👶
为何须要在随机森林中进行随机化？‍⭐️
随机森林模型的主要参数是什么？‍⭐️
如何选择随机森林中树的深度？‍⭐️
如何知道随机森林须要多少棵树？‍⭐️
随机森林的训练并行化容易？该怎么作？‍⭐️
随机森林中过多的树有什么潜在问题？‍⭐️
是否能够不找到最佳分割，而是随机选择几个分割，而后从中选择最佳分割？可行吗 🚀
数据中存在相关特征时会怎样？‍⭐️

梯度提高

什么是梯度加强树？‍⭐️
随机森林和梯度提高之间有什么区别？‍⭐️
是否能够并行化梯度提高模型的训练？怎么作？‍⭐️
梯度加强树中的特征重要性-有哪些可能的选择？‍⭐️
梯度提高模型的特征重要性，连续变量和离散变量之间是否有区别？🚀
梯度提高模型中的主要参数是什么？‍⭐️
如何在XGBoost或LightGBM中调整参数？🚀
如何在梯度提高模型中选择树的数量？‍⭐️

参数调整

你大体了解哪些参数调整策略？‍⭐️
网格搜索参数调整策略和随机搜索有什么区别？何时使用一个或另外一个？‍⭐️

神经网络

神经网络能够解决哪些问题？👶
一般的全链接前馈神经网络如何工做？‍⭐️
为何须要激活功能？👶
sigmoid 为激活函数有什么问题？‍⭐️
什么是ReLU？它比sigmoid 或tanh好吗？‍⭐️
如何初始化神经网络的权重？‍⭐️
若是将神经网络的全部权重都设置为0会怎样？‍⭐️
神经网络中有哪些正则化技术？‍⭐️
什么是1.1Dropout？为何有用？它是如何工做的？‍⭐️

神经网络的优化

什么是反向传播？它是如何工做的？为何须要它？‍⭐️
你知道哪些训练神经网络的优化技术？‍⭐️
如何使用SGD（随机梯度降低）训练神经网络？‍⭐️
学习率是多少？👶
学习率太大时会发生什么？过小？👶
如何设置学习率？‍⭐️
什么是Adam？Adam和SGD之间的主要区别是什么？‍⭐️
何时使用Adam和SGD？‍⭐️
要保持学习率不变仍是在训练过程当中改变它？‍⭐️
如何肯定什么时候中止训练神经网络？👶
什么是ModelCheckpoint？‍⭐️
讲一下你是如何进行模型训练的？‍⭐️

用于计算机视觉的神经网络

如何使用神经网络进行计算机视觉？‍⭐️
什么是卷积层？‍⭐️
为何须要卷积？不能使用全链接层吗？‍⭐️
CNN中的pooling是什么？为何须要它？‍⭐️
Max pooling如何工做？还有其余池化技术吗？‍⭐️
CNN是否抗旋转？若是旋转图像，CNN的预测会怎样？🚀
什么是数据加强？为何须要它们？你知道哪一种加强？👶
如何选择要使用的加强？‍⭐️
你知道什么样的CNN分类体系？🚀
什么是迁移学习？它是如何工做的？‍⭐️
什么是目标检测？你知道有哪些框架吗？🚀
什么是对象分割？你知道有哪些框架吗？🚀

文字分类

如何使用机器学习进行文本分类？‍⭐️
什么是词袋模型？如何将其用于文本分类？‍⭐️
词袋模型的优缺点是什么？‍⭐️
什么是N-gram？如何使用它们？‍⭐️
使用N-gram时，词袋模型中N应该是多少？‍⭐️
什么是TF-IDF？它对文本分类有什么用？‍⭐️
你用过哪一种模型对带有词袋特征的文本进行分类？‍⭐️
使用词袋进行文本分类时，你但愿使用梯度提高树模型仍是逻辑回归？‍⭐️
什么是词嵌入？为何有用？你知道Word2Vec吗？‍⭐️
你还知道其余词嵌入的方法吗？🚀
若是你的句子包含多个单词，则可能须要将多个单词嵌入组合为一个。你会怎么作？‍⭐️
在进行带有嵌入的文本分类时，使用梯度提高树模型仍是逻辑回归？‍⭐️
如何使用神经网络进行文本分类？🚀
如何使用CNN进行文本分类？🚀

聚类

什么是无监督学习？👶
什么是聚类？何时须要它？👶
K-means是如何工做的吗？‍⭐️
如何为K均值选择K？‍⭐️
你还知道其余哪些聚类算法？‍⭐️
你知道DBScan如何工做吗？‍⭐️
什么时候选择K-means，什么时候选择DBScan？‍⭐️

降维

维度灾难是什么？为何要关心它？‍⭐️
你知道降维技巧吗？‍⭐️
什么是奇异值分解？它一般如何用于机器学习？‍⭐️

排序和搜索

什么是排序问题？可使用哪些模型来解决它们？‍⭐️
文本信息检索任务重，什么是好的无监督baselines？‍⭐️
如何评估排序算法？使用哪些离线指标？‍⭐️
k的精度和召回率是多少？‍⭐️
k的平均精度均值是多少？‍⭐️
如何使用机器学习进行搜索？‍⭐️
如何得到训练算法的排序数据？‍⭐️
能够将搜索问题表述为分类问题吗？⭐️
如何将点击数据用做训练数据以进行排序算法？🚀
如何使用梯度提高树进行排序？🚀
如何在线评估新的排序算法？‍⭐️

时间序列

什么是时间序列？👶
时间序列与一般的回归问题有何不一样？👶
用于解决时间序列问题的有哪些模型？‍⭐️
若是序列中有趋势，如何消除它？为何要这么作？‍⭐️
在时间t处测得只有一个变量“y”的序列。如何在时间t + 1预测“y”？使用哪一种方法？‍⭐️
有一个带有变量“y”和一系列特征的序列。如何预测t + 1时的“y”？使用哪一种方法？‍⭐️
使用树来解决时间序列问题有什么问题？‍⭐️

以上！但愿它对各位有用，祝面试愉快！
机器学习

本文由博客一文多发平台 OpenWrite 发布！