本文共 700 字,大约阅读时间需要 2 分钟。
持更中。。。(最近电脑卡得要死)
主要focus在场景题上一、
(1)垃圾邮件分类问题 1. 垃圾邮件分类特征? 2. 训练集中99%非垃圾、1%垃圾,训练模型视为100%非垃圾,准确率?召回率? 3. 在实际的应用场景中,尽可能地找回垃圾邮件,应该怎么办? (2)求元素之和最大的子数组 (解答:dp) (3) 【从字符串流中随机选择一个字符串】 解题的核心是在幸存的字符串中挑选,并在过程中不断更新。 你打开文件并保存第一个字符串,此时有了一个备选字符串,并有100%的可能性选中它。保存这个字符串,继续读入下一个字符串,这样就有了2个备选字符串,选中每个的可能性都是50%。选中其中之一并保存,然后丢弃另一个。再读入下一个字符串,按照新字符串的33%原先幸存字符串67%的概率,在两者之间选择一个,然后保存新选中的字符串。 【扩展】 如何从字符串流中随机选取1000个字符串。 对于数据流中的前1000个关键字,显然都要放到数组中。 对于数据流中的的第n(n>1000)个关键字,我们知道这个关键字被随机选中的概率为1000/n。所以我们以1000/n的概率用这个关键字去替换数组中的随机一个。这样就可以保证所有关键字都以1000/n的概率被选中。 (3)蒙塔卡罗模拟 (4)CTR问题 1. 广告中的排序特征是one-hot好,还是标准化好(我觉得是标准化) 2. 初始值的设置:广告点击率的平均值or设为1 (我觉得是广告点击率的平均值) 3. 训练样本拟合较好而测试样本拟合较差的原因(过拟合,或者用到了label特征) 4. auc计算方式(ROC曲线下阴影面积)转载地址:http://wbqmi.baihongyu.com/