百度糯米

LR和SVM --> LR实现简单，可解释性强 SVM、小样本、非线性、高维模式识别超平面跟所有数据相关吗 --> 不是loss区别 --> -ylogy-(1-y)log(1-y) argminw^2预测概率的输出选择LR还是和SVM --> lr svm只分类，深度激活函数，连续特征和离散特征如何处理。 有序数组，从某一地方切成两半，对调，查一个数是不是在这个数组里二分查找[1,2,3,4,5][4,5,1,2,3] o(n)。一个字符串，数字，变成数字，数，求一个平方根newton。

开场问了些传统机器学习算法相关的，聚类算法如何评估，GBDT和XGG的区别是什么，有什么优缺点在实际的建模流程中，你的一般思路是什么。然后接下来就是一些深度学习的问题了。为什么要进行批归一化。如果模型太复杂不能上线，该进行什么样的处理。对比下RNN，LSTM，GRU三者的差异和特点。然后就是针对做过的项目做一些展开。比如项目具体的实现方案，为什么要做这个，现在再来做的话，会有什么更好的方法。