catwang01#Algorithm#experience29-self-didi算法工程师1

[toc] ## 一面 2020-08-04 2：00 - 2:32 一面是个小姐姐，面试体验很不错。认真地14 1. 项目相关 2. 熟悉的有监督学习和无监督学习各一个。我说 kmeans 和 xgb。 1. kmeans k 值选取 2. 如果聚类结果中有一个类特别大要怎么办？ 3. 如何解释 kmeans 的结果？如果算法给出的结果和经验不一致要怎么办？ 4. kmeans 中的类别变量如何处理 3. 大规模训练如何进行，需要什么数据结构。 4. bagging 和 boosting 的区别 5. xgb 和 lr 的区别。分别适合那些数据。lr 用类别变量好还是连续型变量好 6. xgb过拟合怎么办？xgb 有那些正则化参数可以调整？怎么调？ 7. rf 过拟合怎么办？和 xgb 的调参策略是否一致？ ## 二面 37min 3:10 - 3:47 二面感�