㈠ nlp實習面試演算法題不會能過嘛
不能過
nlp演算法
人工智慧演算法大體上來說可以分類兩類：基於統計的機器學習演算法(MachineLearning)和深度學習演算法(DeepLearning)
總的來說，在sklearn中機器學習
演算法大概的分類如下：
1.純演算法類
(1).回歸演算法
(2).分類演算法
(3).聚類演算法
(4)降維演算法
(5)概率圖模型演算法
(6)文本挖掘演算法
(7)優化演算法
(8)深度學習演算法
2.建模方面
(1).模型優化
(2).數據預處理覺得有用點個贊吧
㈡ java面試中主要掌握的設計模式有哪些
java面試
設計模式主要分三個類型:創建型、結構型和行為型。
其中創建型有：
一、Singleton，單例模式：保證一個類只有一個實例，並提供一個訪問它的全局訪問點
二、Abstract Factory，抽象工廠：提供一個創建一系列相關或相互依賴對象的介面，而無須指定它們的具體類。
三、Factory Method，工廠方法：定義一個用於創建對象的介面，讓子類決定實例化哪一個類，Factory Method使一個類的實例化延遲到了子類。
四、Builder，建造模式：將一個復雜對象的構建與他的表示相分離，使得同樣的構建過程可以創建不同的表示。
五、Prototype，原型模式：用原型實例指定創建對象的種類，並且通過拷貝這些原型來創建新的對象。
行為型有：
六、Iterator，迭代器模式：提供一個方法順序訪問一個聚合對象的各個元素，而又不需要暴露該對象的內部表示。
七、Observer，觀察者模式：定義對象間一對多的依賴關系，當一個對象的狀態發生改變時，所有依賴於它的對象都得到通知自動更新。
八、Template Method，模板方法：定義一個操作中的演算法的骨架，而將一些步驟延遲到子類中，TemplateMethod使得子類可以不改變一個演算法的結構即可以重定義該演算法得某些特定步驟。
九、Command，命令模式：將一個請求封裝為一個對象，從而使你可以用不同的請求對客戶進行參數化，對請求排隊和記錄請求日誌，以及支持可撤銷的操作。
十、State，狀態模式：允許對象在其內部狀態改變時改變他的行為。對象看起來似乎改變了他的類。
十一、Strategy，策略模式：定義一系列的演算法，把他們一個個封裝起來，並使他們可以互相替換，本模式使得演算法可以獨立於使用它們的客戶。
十二、China of Responsibility，職責鏈模式：使多個對象都有機會處理請求，從而避免請求的送發者和接收者之間的
開發模式:
JAVA中的開發模式:
MVC是一個很常用的程序開發設計模式，M-Model（模型）
㈢ 游戲策劃小白面試-經常被問到但很棘手的問題
策劃常識:
1. 談談策劃的情懷(主要從音樂、美術、電影、設計、美食、旅遊方面)
2. 從盈利性和可玩性角度談談大型網路游戲(MOBA MMO)
3. 談談大逃殺、生存類游戲交互性
4. 你個人的游戲經歷,並簡要評價你玩過的3款游戲,之間的聯系和區別
5. 你覺得游戲策劃應該具備那些能力,你為此付出了什麼
6. 游戲策劃內部該如何協調工作
7. 從市場、策劃、技術等角度談談中國游戲市場的看法
8. 說說金庸、梁羽生、古龍、黃易、劉慈欣等小說家風格的差異,簡述你對武俠題材網路游戲的理解
9. 簡述你對龍與地下城文化的了解如何在設計上減少
10. 論述網路游戲與外掛的關系,並簡要說明外掛的產生
11. 針對某一款游戲,分析它的優缺點及改進方案
12.談談MMO類游戲中夢幻西遊的世界觀構建
13.說說RPG類 MMO類 MOBA游戲的套路
14 魔獸地圖叢林肉搏移植到端游 手游 ，怎麼解決
文案方面:
1.寫一段關於中國風格時間跨度在100年以上的架空歷史 (800字左右)
2.寫一組五國關系,表現五國之間相互虎視眈眈卻又相互顧忌的微妙關系 (800字左右)
3.寫一段關於歐美風格架空世界的創世歷史 (800字左右)
4. 寫一首詞表現戰爭過後的蕭索景象
5. 寫一段關於西方神話,一個與牧師相對的職業技能屬性文案背景設計
數值方面:
1.關於十八般兵器,對於裝備,分類問題你是怎麼解決的
2.知道三件裝備的爆率,求收集完一套的次數的數學期望(馬克洛夫狀態轉移矩陣)
3.兩軍戰斗,戰鬥力為m和n,戰斗時直接碰撞的演算法,求贏的一方的剩餘人數(蘭徹斯特作戰模型)
4.誰喜歡吃什麼打什麼球和誰有什麼關系,有7個人,推理出每個人的相關信息
關卡方面:
1. 設計一套游戲升級方案(升級點和時間,提示圖案,獎勵物品),並從玩家角度分析
事故方面:
1. 如果一個游戲是閉環經濟,某個區域通貨膨脹了 怎麼解決
2. 如果游戲出了bug,當晚很多人刷了神裝,我們怎麼回檔讓玩家滿意
培訓方面:
1.關於工作中出現的問題,培訓問題怎麼解決
溝通方面:
1.對於程序和測試溝通很久都不能確定的棘手問題,你是怎麼解決的
工作方面:
1.關於重點產品需要全員加班,你怎麼解決
㈣ 面試時被問到缺點是什麼這樣回答讓面試官對你刮目相看
小咩六月份大學畢業。現階段最主要的事情就是找工作，面試。每一天，小咩不是正在面試，就是在去面試的路上。這次工作機會很不錯，還是舅舅介紹的。小咩躊躇滿志去面試。畢竟大小戰場上過很多次，對於面試，小咩還是很自信的。
面試過程很順利。最後面試官問一個問題：你有什麼缺點？
誠實的小咩認真想想後，回答說：我有時候容易情緒化，不能很好控制自己的情緒。
面試官微微一笑，沒有說話，然後結束了面試。
小咩回到家跟媽媽說面試的情況。沒想到，媽媽聽完她說自己的缺點，就數落她無知不懂事，怎麼能說自己的缺點呢，說了缺點，哪個公司還敢要你啊。
小咩很委屈，難道不應該誠實嗎？
有過面試經驗的朋友都知道，面試時對方問你缺點是什麼，還真是個很棘手的問題。像小咩這樣真誠說出自己的缺點，面試官會怎麼想呢？會不會因此失去工作機會。如果不說，或者說暫時沒發現自己的缺點，面試官又會怎麼想呢？畢竟金無足赤人無完人，怎麼可能沒有缺點。說也不是，不說也不是。有沒有一種方法，既可以保持真誠，說出自己缺點，又能讓面試官因此對你產生更佳的印象呢？
有。《故事力》這本書針對這個讓人左右為難的問題給了一個兩全其美的解決方案。
《故事力》里，作者認為故事力是一種思維能力。用故事思維去思考和溝通，在現代職場特別重要。書中總結了好故事的三大標准，六個要素。給出了六個人人都能用的故事模型。並介紹了在八個職場應用場景中，怎樣用講故事的思維轉危為安。被面試官問到缺點就是其中一種。
這本書的作者是一對夫妻。高琳和林宏博。兩位都擁有20多年的世界五百強企業的管理和咨詢經驗。都是工商管理博士。是清華和北大MBA的客座講師。常年為上海大眾，紅杉資本等著名企業提供教練和咨詢服務。
針對面試時被問到缺點這個問題。《故事力》給出的答案是「換框」。
「換框」本來是神經語言程序學的一個專業術語。我舉個生活中的例子讓大家更好理解。
平時，我們去公園或者游樂場玩時，會看到一些帶框架的雕像放在公園里，供人們站在畫框里照相。站在畫框里，你會變成白雪公主或者小矮人等等。
喜劇演員宋丹丹有個經典小品《相親》。女方來男方家相親，因為家裡窮，沒有電視。村幹部就急中生智，拿紙盒子畫了一個電視框，自己站在框後面冒充電視播放。高度近視的女人竟然沒發現。
這就是框架的作用。當有一個框架在面前時，人們會更加註意到框架里的事物，框架外的信息會被人自動「淘汰」掉。
《故事力》中說：
這種選擇通常是潛意識的，由我們常年的思維習慣決定，所以這個框也叫「思維框架」
說個營銷換框的案例。
開自助餐廳的老闆，看到顧客浪費食物，非常心疼。就提出一條規定：凡是沒有吃完盤中食物的顧客，罰款十元。結果生意一落千丈。
經高人指點後，他改了規定：凡是吃完盤中食物的顧客，獎勵十元。結果顧客盈門，生意紅火。
作為消費者，我們很容易掉進「價格」的框里，無論商家給出什麼價位，我們都會覺得貴。已經形成了思維慣性。這是消費者關於價格的思維框架。現在又要罰款，就更不會去消費了。
獎勵十塊，就給消費者換了一個思維框架。由原來的失去變成得到。這是符合人性需求的。自然會開開心心去消費。
可以看出，換個思維框架，就是換一個思考問題的角度。同樣的場景，會因為思維框架不一樣，產生不一樣的結果。
一般人的思維習慣是：缺點肯定是不光彩的事情，讓對方知道不光彩的事情，就不會對自己有好的印象。讓面試官產生了不好的印象，就可能失去一次工作機會。這是很嚴重的問題。所以小咩媽媽聽到閨女直白地說出自己的缺點時很著急。
如果換個思維框架，由原來的看到缺點換成看到改正缺點的努力和過程。那麼對面試者的印象也會隨之改變。
「沖突——解決沖突——完美結局」的故事模型可以幫助聽眾把關注焦點轉移到「解決問題」這個思維框架里。
操作步驟和模型中一樣。第一步，講一個暴露自己缺點的沖突故事。第二步，講自己怎麼努力改正缺點，第三步介紹缺點改正後的完美結局。
《故事力》中高琳博士這樣講自己的缺點。
2018年,我們的客服小姑娘離職了。我就跟HR說,咱們這次得招一個穩定一點兒,沒什麼野心的,最好能把我們的行政工作也做起來的人。於是HR寫了一個招聘「行政大總管」的職位描述,發出去了。面試了兩個之前做行政和客服的人之後,我跟HR說:「不行啊,她們怎麼都沒靈氣呢,對市場一點也不了解。」
HR又費力地找了一通。我面試了兩個之後又說:「我們好歹也算是個互聯網創業公司,要做這個職位,怎麼都得有點互聯網運營的概念吧。」
HR的小姐姐就怒了:「招行政和客服,需要的條件是細致穩定有耐心』,做市場和運營需要的是「大膽創新有魄力」。這是完全相反的兩種人!您能不能想清楚,您到底要招個什麼人啊?這么看下去沒完沒了了。
我開始自我反思,我的「主意多」如果用在開動開發產品多樣性方面,就能為公司提供各種可能性和豐富的資源,能為公司增值。可是如果用在需要做決策的具體事情上,就容易變成「朝令夕改」「搖擺不定」,會給執行的人帶來困擾。
於是從那以後,每次我腦海中冒出來「哎,我有一個新想法」的時候,我會在脫口而出前問一問自己:這是「方案還是「決策」?如果是方案,是需要頭腦風暴開腦洞的情況,我就讓大家知道這就是個主意,他們可以反駁我。但如果是大家已經討論過了,有過共識的「決策」,我就深吸ロ氣再好想想,有必要推翻之前的決策嗎?
從這個故事中，我們可以看到，高琳博士的缺點在和HR發生沖突中顯現出來，通過自己反思解決了沖突，最後得出結論，這個主意多的缺點可以用在頭腦風暴開腦洞時用，如果是已經做過的決策，就先深吸一口氣，再想想，有沒有必要推翻。
用故事模型給面試官「換框」，讓對方由關注缺點轉移到關注如何改正缺點，認為你是一個謙虛好學，凡事能夠反求諸己，先從自己身上找原因的人。以此給自己面試贏得高分。
一個故事模型，完美解決面試被問到缺點這個讓人左右為難的問題。
除了換框之外，面試者在回答這個問題時，還應該注意以下兩點
一，誠實。
有些面試者為了繞開這個問題，會自作聰明。比如，「我最大的缺點就是追求完美。」或者「我有時候就是太努力了！」面試官也不是傻子，這樣自作聰明的回答，會拉低自我形象，無論前面面試效果多麼好，都有可能因為這個問題，導致面試失敗。在職場，人品比技能更重要。
二，找一個不致命的，通過努力能夠改進可控的缺點講。
缺點可以講，但不能隨便亂講。提醒兩個容易「致命」的缺點。一個是職場通識方面的，比如嚴重的情緒問題。沒有人喜歡情緒不穩定，又無法控制自己情緒的人。二是對應聘職位來說是致命的，比如你應聘會計崗位，你的缺點是對數字不敏感，那肯定不行。如果應聘編輯崗位，這個缺點就無傷大雅。
面試時被問到缺點，用「沖突——解決沖突——完美結局」這個故事模型講缺點，可以讓面試官對你刮目相看。但是，工具不是萬能的。個人工作實力和誠信的人格魅力才是面試的致勝法寶。
㈤ 推薦一個講故事的套路——STAR面試模型
STAR面試模型是企業招聘面試過程中常採用的技巧。具體含義為：
（1）S（Situation)背景：事情是在什麼情況下發生？
（2）T（Task）任務：你是如何明確你的任務的？
（3）A（Action）行動：針對這樣的情況分析，你採用了什麼行動方式？
（4）R（Result）結果：結果怎樣，在這樣的情況下你學習到了什麼？
簡而言之，STAR法則就是一種講述自己故事（項目任務）的方式，或者說是一個清晰、條理的思考模板。
既然提到STAR就不得不提SCQA。那什麼是SCQA？
SCQA模型是由麥肯錫咨詢顧問芭芭拉·明托在《金字塔原理》一書中提出的一個「結構化表達」工具。可以用來作為演講的開場、撰寫報告的序言、甚至是一封郵件的開頭等。具體含義如下：
（1）S（Situation）背景：由大家都熟悉的情景、事實引入。
（2）C（Conflict）沖突：現實和理想情況出現差距。
（3）Q（Question）問題：我們該怎麼辦？
（4）A（Answer）答案：我們的解決方案。
STAR和SCQA都是講故事的模板，那兩者的應用場合有什麼區別呢？
個人覺得，當需要重點介紹自己的工作內容時，可以用STAR模型，如做了哪些項目，具體負責哪些內容；而當需要重點介紹如何解決問題的時候，可以用SCQA模型，如解決了某個故障，或者重大課題。
㈥ WEB前端面試題
第二章 面試題基礎篇
2.1 HTML面試題
面試題：行內元素有哪些？塊級元素有哪些？ 空(void)元素有那些？
面試題：頁面導入樣式時，使用link和@import有什麼區別？
面試題：title與h1的區別、b與strong的區別、i與em的區別？
面試題：img標簽的title和alt有什麼區別？
面試題：png、jpg、gif 這些圖片格式解釋一下，分別什麼時候用？
2.2 CSS面試題
面試題：css背景紋路
面試題：介紹一下CSS的盒子模型
面試題：CSS選擇符有哪些？哪些屬性可以繼承？
面試題：CSS優先順序演算法如何計算？
面試題：用CSS畫一個三角形
面試題：一個盒子不給寬度和高度如何水平垂直居中？
面試題：display有哪些值？說明他們的作用。
面試題：對BFC規范(塊級格式化上下文：block formatting context)的理解？
面試題：清除浮動有哪些方式？
面試題：在網頁中的應該使用奇數還是偶數的字體？為什麼呢？
面試題：寫一個左中右布局占滿屏幕，其中左、右倆塊固定寬200，中間自適應寬，要求先載入中間塊，請寫出結構及樣式。
面試題：什麼是CSS reset？
面試題：css sprite是什麼,有什麼優缺點
面試題：display: none;與visibility: hidden;的區別
面試題：position有哪些值?有什麼作用? 【特別多公司問】
面試題：line-height和height有什麼區別？
面試題：opacity 和 rgba區別
2.3 JavaScript基礎面試題
面試題：延遲載入JS有哪些方式？
面試題：JS數據類型有哪些？
面試題：null和undefined的區別
面試題：JS數據類型考題
面試題：==和===有什麼不同
面試題：JS微任務和宏任務
面試題：JS作用域考題
面試題：JS對象考題
面試題：JS作用域+this指向+原型 考題
面試題：JS判斷變數是不是數組，你能寫出哪些方法？
面試題：slice是幹嘛的、splice是否會改變原數組
面試題：JS數組去重
面試題：找出多維數組最大值
面試題：給字元串新增方法實現功能
面試題：找出字元串出現最多次數的字元以及次數
2.4 真正移動端 —— H5/C3面試題
面試題：什麼是語義化標簽
面試題：::before 和 :after中雙冒號和單冒號 有什麼區別？解釋一下這2個偽元素的作用。
面試題：如何關閉iOS鍵盤首字母自動大寫
面試題：怎麼讓Chrome支持小於12px 的文字？
面試題：rem和em有什麼樣區別
面試題：ios系統中元素被觸摸時產生的半透明灰色遮罩怎麼去掉
面試題：webkit表單輸入框placeholder的顏色值能改變嗎？
面試題：禁止ios 長按時不觸發系統的菜單，禁止ios&android長按時下載圖片
面試題：禁止ios和android用戶選中文字
面試題：自適應 [淘寶無線適配]
面試題：響應式
第三章 面試題進階篇
3.1 JavaScript進階面試題
面試題：new操作符具體做了什麼
面試題：閉包 【必須會】
面試題：原型鏈 【必須會】
面試題： JS繼承有哪些方式
面試題：說一下call、apply、bind區別
面試題：sort背後原理是什麼？
面試題：深拷貝和淺拷貝
面試題：localstorage、sessionstorage、cookie的區別
3.2 ES6面試題
面試題：var、let、const區別
面試題：作用域考題
面試題：將下列對象進行合並
面試題：箭頭函數和普通函數有什麼區別？
面試題：Promise有幾種狀態
面試題：find和filter的區別 【大廠】
面試題：some和every的區別 【大廠】
3.3 webpack面試題
面試題：webpack插件
3.4 Git面試題
面試題：git常用命令
面試題：解決沖突
面試題：GitFlow
第四章 面試題框架篇
4.1 區分初中高級的 —— Vue面試題
面試題：Vue2.x 生命周期有哪些？
1.系統自帶八個
2.當一旦進入到某個組件會執行哪些生命周期
3.$el和$data在哪個階段有
4.如果使用keep-alive會多倆個生命周期
5.如果加入keep-alive第一次進入組件會執行哪些生命周期
6.如果加入keep-alive第二次或者第N進入該組件會執行哪些生命周期
面試題：談談你對keep-alive的了解
面試題：v-if和v-show區別
面試題：v-if和v-for優先順序 2.x
面試題：ref是什麼？
面試題：nextTick是什麼？
面試題：Vue中如何做樣式穿透
面試題：scoped原理
面試題：Vuex是單向數據流還是雙向數據流？
面試題：講一下MVVM
面試題：雙向綁定原理
面試題：什麼是虛擬DOM
面試題：key是干什麼？
面試題：diff演算法
面試題：Vue組件傳值
面試題：props和data優先順序誰高？
面試題：computed、methods、watch有什麼區別？
面試題：Vuex
面試題：Vue路由
面試題：Vue項目打包後出現空白頁
4.2 微信小程序面試題
面試題：如何自定義頭部？
面試題：如何自定義底部？
4.3 uni-app面試題
面試題：生命周期
面試題：條件編譯
第五章 面試題性能優化篇
㈦ 數據分析師—技術面試
數據分析師—技術面試
三月份開始找實習，到現在已經有半年的時間了，在這半年的時間中，該經歷的基本上都已經經歷，春招實習時候，拿到了7個offer，校招時候，成功的拿下一份心儀的工作，結束了我的秋招旅程。對於面試，技術層面即演算法、軟體等等，業務層面就是忽悠（畢竟沒有做過完整的項目），但是也要有自己的邏輯和思考方式（這方面我也有很大的欠缺），下面將自己的面試經歷梳理為技術層面和業務層面，來分享給大家。
技術面試
一、軟體
1. R語言的文件讀取：csv文件的讀取方式（read.csv），txt文件的讀取方式（read.table）
2. R語言中一些小函數的作用
①apply函數：1代表調用每一行的函數，0代表調用每一列的函數（注意其用法和Python的區別）
②runif函數：生成均勻分布的隨機數
③sample（，return = TRUE）：隨機有放回的抽樣
3. Python中list列表和元組的最大區別：元組的值不可以改變，但是列表的值是可以改變的。
4.資料庫中表的連接方式
①內部連接：inner join
②外部連接：outer join
③左連接：left join
註：對於數據分析，建議大家無論是R，Python，sql都有自己一套流程化的體系，這一體系可以很好的幫助你解決實際中的問題。
二、演算法
對於演算法（分類，聚類，關聯等），更是建議大家有一套流程化的體系，在面試演算法的時候，是一個依次遞進的過程，不要給自己挖坑，相反，更要將自己的優勢發揮的淋漓盡致，把自己會的東西全部釋放出來。
下面我將自己的所有面試串聯起來，給大家分享一下，僅供參考。
面試官：小張同學，你好，看了你的簡歷，對相關演算法還是略懂一些，下面開始我們的面試，有這么一個場景，在一個樣本集中，其中有100個樣本屬於A，9900個樣本屬於B，我想用決策樹演算法來實現對AB樣本進行區分，這時會遇到什麼問題：
小張：欠擬合現象，因為在這個樣本集中，AB樣本屬於嚴重失衡狀態，在建立決策樹演算法的過程中，模型會更多的偏倚到B樣本的性質，對A樣本的性質訓練較差，不能很好的反映樣本集的特徵。
面試官：看你決策樹應該掌握的不錯，你說一下自己對於決策樹演算法的理解？
小張：決策樹演算法，無論是哪種，其目的都是為了讓模型的不確定性降低的越快越好，基於其評價指標的不同，主要是ID3演算法，C4.5演算法和CART演算法，其中ID3演算法的評價指標是信息增益，C4.5演算法的評價指標是信息增益率，CART演算法的評價指標是基尼系數。
面試官：信息增益，好的，這裡面有一個資訊理論的概念，你應該知道的吧，敘述一下
小張：香農熵，隨機變數不確定性的度量。利用ID3演算法，每一次對決策樹進行分叉選取屬性的時候，我們會選取信息增益最高的屬性來作為分裂屬性，只有這樣，決策樹的不純度才會降低的越快。
面試官：OK，你也知道，在決策樹無限分叉的過程中，會出現一種現象，叫過擬合，和上面說過的欠擬合是不一樣的，你說一下過擬合出現的原因以及我們用什麼方法來防止過擬合的產生？
小張：對訓練數據預測效果很好，但是測試數據預測效果較差，則稱出現了過擬合現象。對於過擬合現象產生的原因，有以下幾個方面，第一：在決策樹構建的過程中，對決策樹的生長沒有進行合理的限制（剪枝）；第二：在建模過程中使用了較多的輸出變數，變數較多也容易產生過擬合；第三：樣本中有一些雜訊數據，雜訊數據對決策樹的構建的干擾很多，沒有對雜訊數據進行有效的剔除。對於過擬合現象的預防措施，有以下一些方法，第一：選擇合理的參數進行剪枝，可以分為預剪枝後剪枝，我們一般用後剪枝的方法來做；第二：K-folds交叉驗證，將訓練集分為K份，然後進行K次的交叉驗證，每次使用K-1份作為訓練樣本數據集，另外的一份作為測試集合；第三：減少特徵，計算每一個特徵和響應變數的相關性，常見的為皮爾遜相關系數，將相關性較小的變數剔除，當然還有一些其他的方法來進行特徵篩選，比如基於決策樹的特徵篩選，通過正則化的方式來進行特徵選取等。
面試官：你剛剛前面有提到預剪枝和後剪枝，當然預剪枝就是在決策樹生成初期就已經設置了決策樹的參數，後剪枝是在決策樹完全建立之後再返回去對決策樹進行剪枝，你能否說一下剪枝過程中可以參考的某些參數？
小張：剪枝分為預剪枝和後剪枝，參數有很多，在R和Python中都有專門的參數來進行設置，下面我以Python中的參數來進行敘述，max_depth（樹的高度），min_samples_split（葉子結點的數目），max_leaf_nodes（最大葉子節點數），min_impurity_split（限制不純度），當然R語言裡面的rpart包也可以很好的處理這個問題。
面試官：對了，你剛剛還說到了用決策樹來進行特徵的篩選，現在我們就以ID3演算法為例，來說一下決策樹演算法對特徵的篩選？
小張：對於離散變數，計算每一個變數的信息增益，選擇信息增益最大的屬性來作為結點的分裂屬性；對於連續變數，首先將變數的值進行升序排列，每對相鄰值的中點作為可能的分離點，對於每一個劃分，選擇具有最小期望信息要求的點作為分裂點，來進行後續的決策數的分裂。
面試官：你剛剛還說到了正則化，確實可以對過擬合現象來進行很好的調整，基於你自己的理解，來說一下正則化？
小張：這一塊的知識掌握的不是很好，我簡單說一下自己對這一塊的了解。以二維情況為例，在L1正則化中，懲罰項是絕對值之和，因此在坐標軸上會出現一個矩形，但是L2正則化的懲罰項是圓形，因此在L1正則化中增大了系數為0的機會，這樣具有稀疏解的特性，在L2正則化中，由於系數為0的機率大大減小，因此不具有稀疏解的特性。但是L1沒有選到的特性不代表不重要，因此L1和L2正則化要結合起來使用。
面試官：還可以吧！正則化就是在目標函數後面加上了懲罰項，你也可以將後面的懲罰項理解為范數。分類演算法有很多，邏輯回歸演算法也是我們經常用到的演算法，剛剛主要討論的是決策樹演算法，現在我們簡單聊一下不同分類演算法之間的區別吧！討論一下決策樹演算法和邏輯回歸演算法之間的區別？
小張：分為以下幾個方面：第一，邏輯回歸著眼於對整體數據的擬合，在整體結構上優於決策樹；但是決策樹採用分割的方法，深入到數據內部，對局部結構的分析是優於邏輯回歸；第二，邏輯回歸對線性問題把握較好，因此我們在建立分類演算法的時候也是優先選擇邏輯回歸演算法，決策樹對非線性問題的把握較好；第三，從本質來考慮，決策樹演算法假設每一次決策邊界都是和特徵相互平行或垂直的，因此會將特徵空間劃分為矩形，因而決策樹會產生復雜的方程式，這樣會造成過擬合現象；邏輯回歸只是一條平滑的邊界曲線，不容易出現過擬合現象。
面試官： 下面呢我們來聊一下模型的評估，演算法進行模型評估的過程中，常用的一些指標都有哪些，精度啊？召回率啊？ROC曲線啊？這些指標的具體含義是什麼？
小張：精度（precision），精確性的度量，表示標記為正例的元組占實際為正例的比例；召回率（recall），完全性的度量，表示為實際為正例的元組被正確標記的比例；ROC 曲線的橫坐標為假陽性，縱坐標為真陽性，值越大，表示分類效果越好。
（to be honest，這個問題第一次我跪了，雖然說是記憶一下肯定沒問題，但是當時面試的那個時候大腦是一片空白）
面試官：聚類分析你懂得的吧！在我們一些分析中，它也是我們經常用到的一類演算法，下面你介紹一下K-means演算法吧！
小張：對於K-means演算法，可以分為以下幾個步驟：第一，從數據點中隨機抽取K個數據點作為初始的聚類中心；第二：計算每個點到這K個中心點的距離，並把每個點分到距離其最近的中心中去；第三：求取各個類的均值，將這些均值作為新的類中心；第四：重復進行步驟二三過程，直至演算法結束，演算法結束有兩種，一種是迭代的次數達到要求，一種是達到了某種精度。
後記
面試的水很深，在數據分析技術面的時候問到的東西當然遠遠不止這些，因此在我們的腦子裡面一定要形成一個完整的體系，無論是對某一門編程語言，還是對數據挖掘演算法，在工作中都需要形成你的閉環，在面試中更是需要你形成閉環，如何更完美的包裝自己，自己好好總結吧！
附錄
R語言數據處理體系：數據簡單預處理個人總結
1、數據簡單查看
⑴查看數據的維度：dim
⑵查看數據的屬性：colnames
⑶查看數據類型：str
註：有一些演算法，比如說組合演算法，要求分類變數為因子型變數；層次聚類，要求是一個距離矩陣，可以通過str函數進行查看
⑷查看前幾行數據：head
註：可以初步觀察數據是不是有量綱的差異，會後續的分析做准備
⑸查看因子型變數的佔比情況：table/prop.table
註：可以為後續數據抽樣做准備，看是否產生類不平衡的問題
2、數據缺失值處理
⑴summary函數進行簡單的查看
⑵利用mice和VIM包查看數據缺失值情況，代表性函數： md.pattern、aggr
⑶caret包中的preProcess函數，可以進行缺失值的插補工作，有knn、袋裝、中位數方法
⑷missForest包中的missForest函數，可以用隨機森林的方法進行插補
⑸可以用回歸分析的方法完成缺失值插補工作
⑹如果樣本量很多，缺失的數據很少，可以選擇直接剔除的方法
3、數據異常值處理
⑴summary函數進行簡單的查看，比如：最大值、最小值等
⑵boxplot函數繪制箱線圖
4、數據抽樣
⑴sample函數進行隨機抽樣
⑵caret包中的createDataPartition()函數對訓練樣本和測試樣本進行等比例抽樣
⑶caret包中的createFold函數根據某一個指標進行等比例抽樣
⑷DMwR包中SMOTE函數可以解決處理不平衡分類問題
註：比如決策樹演算法中，如果樣本嚴重不平衡，那麼模型會出現欠擬合現象
5、變數的多重共線性處理
⑴結合業務，先刪除那些和分析無關的指標
⑵corrgram包的corrgram函數查看相關系數矩陣
⑶caret包中的findCorrelation函數查看多重共線性
⑷如果相關性太大，可以考慮刪除變數；如果變數比較重要，可以考慮主成分/因子分析進行降維處理
㈧ 為什麼有的公司一直招聘面試，但就是不錄用
遇到過這樣的事情，是一個比較好一點的公司，很牛的行政崗，一直在招人，但這個崗位空缺了近一年，到現在也沒招到人。而且是招了幾個月，看準裡面關於這個崗位的面試也都評價面試輕松、氛圍待遇很好，但一撥一撥人來面試、筆試，卻最終拒了所有人，不給發offer？這是為什麼呢？幫忙分析一下其中可能的原因，謝謝。
這個問題比較常見，通常來說有以下幾種情況，你可以對比一下你遇到的屬於下列哪些或者接近於幾種。
崗位真的在招聘，這個崗位的工作繁重乃至直屬領導不好伺候，招聘來的人幹不了幾個月就受不了走人，連續走了好幾任，只能繼續補人。一般這種崗位就是坑，內部員工了解的都不太會考慮。
可以這么理解，這個崗位確實在招人，但是這個崗位不好做，新人還是其他跳槽招來的人很快就離職了，然後又招，從而這個崗位的人走馬燈似的換了好幾茬人了。這種情況下，沒辦法，為了項目進度之類的，還是得繼續招聘。
掛羊頭賣狗肉，就是打著招文員助理的名號，實則招銷售。掛著行政崗實際是銷售，銷售人員流動率又大，缺口大，常年不斷地招聘。因為若是直接以銷售崗位來進行招聘，可能很多人不喜歡銷售或者其他的一些原因，去進行面試的人比較少，所以以其他的崗位來進行招聘；比較常見的是崗位需求的是技術崗，其實是銷售崗位，或者面試的時候人家說成技術銷售之類的，這樣或許求職者也會接受這樣的職位邀約，從而求職成功，皆大歡喜。
企業通過這個招聘的借口想表達一個消息，比如這個崗位缺人，讓上級領導知道其他員工工作量飽滿而不是混日子。比如領導在暗示一些人可以走動走動得到這個崗位。或者想通過這件事傳達出某些信息，這個信息可能不是為了招聘，可能只有小范圍內部的員工才知道實情，不是真的招人，就是打打廣告等等。
對很多公司的HR來說，在他們的KPI考核指標中都有很關鍵的一點就是人員穩定性和人員招聘指標的考核。於是一些HR為了完成招人的需求，他們就會定期的發一些招聘廣告來收集一些簡歷，定期的邀請一些人來他們公司面試。
但是對這些公司來說，他們一般都是只邀請人過來走個過場，做做樣子，或者從求職者那邊得到當前求職市場狀況，以及競爭對手情況，還有行業水平等，其實他們公司在那段時間是根本沒有招人需求的。這樣做或許對公司來說是有一些好處，但是對求職者來說，這可苦了那些從大老遠過來面試的人。這時候你可以試想一下，你從大老遠過來面試，你不僅需要自掏交通費，路途遙遠你過來還要吃一頓飯，最後這么一折騰或許一天就過去了，最終公司給你回復一句：您的情況我們已經了解了，下來有需要我們會通知你。你還在真切等待對方給你的回復，也發郵件催了，但是或許他們永遠都不會通知你。對此，當知道真相的你會不會感到很崩潰？
有時候公司想了解競爭對手情況或者同業情況，最好的辦法就是放出相應的崗位，然後在面試候選人的時候提問，獲取相應信息。
由於公司考慮業務擴張或者轉型涉及新領域，對涉足新領域的行情不太了解，邀候選人來其實就是通過面試了解更好業內信息，探底，實際未必招人。
假招聘真收集情報。他們收到簡歷後只讓競爭對手公司員工進入面試環節，面試時問題大多數敏感的，如你們公司銷售額是多少?你的績效考核有哪些?top客戶情況等。可以發現面試官不停的在記錄，這就是典型的搜集情報式招聘。很多公司的中低層員工不但沒有保護僱主秘密的意識，甚至面試時為討好面試官反而會和盤托出……
自己公司搞不定的模型演算法框架等，那就假裝高薪吸引大牛來面試順便問問對方的解決方案。這種情況也是常見的一種，有些問題案例比較復雜，自己的人可能搞不懂，但是又不打算聘請一些技術牛人來解決，從而考慮用急招一些別的公司或者技術方面比較厲害的人來進行解決，尤其是高技術方面。等你將方案完美解決之後，人家的問題也就解決完成了。
其實還有一點需要注意的是，招聘之後遲遲不回復你信息，即你是否已經被人家錄用，一些公司的流程比較費時間。
首先，從談判技巧上來說，應該欲擒故縱。
就算再有意向，面試官如果表現的太過積極，不利於和求職者溝通後續的薪資待遇。
其次，對於意向人選的最終確定，往往不是一個人拍板。
至少是人資負責招聘的面試官和招聘部門的主管兩個人交換意見，商量後才最終確定。除了考慮個人的勝任能力，可能還要考慮其他因素，如應聘者的性格、工作穩定性、期望薪資等，綜合判斷才能決定。
其三，要走公司的入職流程。
稍微大一點的公司，員工入職就應該有一個入職的流程，可能還需要更高階的公司主管來簽字同意之後，才能確定錄用，這時人資部才可以通知應聘者。
求職者大多希望去應聘時一次搞定，行還是不行給個痛快話，但其實，在招聘企業來講，這是一個系統工作，不必糾結「對方為什麼不這么這么做」，你需要關注的重點是「我要怎麼怎麼做」！
綜上，你遇到哪種情況呢，評論區留言聊一聊。