1.面試經過
面試兩點開始，面試的工作人員拿來我的簡歷挑著上面的演算法開始問，首先問到的是決策樹演算法，我回答到了熵，資訊增益，特徵選擇以及決策樹演算法的幾個步驟，接著他問我決策樹如何剪枝，我回答了在訓練的時候可以設定它的深度，他接著問如果樹已經訓練好了，該怎麼剪枝，這個我不太明確，當時就扯了一下，說用交叉驗證來比較一下沒有修剪的決策樹與剪掉部分葉子節點的決策樹的預測精確率和召回率來確定該剪掉哪些葉子節點；
然後就進入下一個演算法了，他看到我的簡歷上有一個用貝葉斯做文字分類的專案，就讓我談一下貝葉斯演算法，我首先說了一下貝葉斯演算法的基本理論，怎麼指導著文字分類的，接著談了一下自己做文字分類的流程，感覺答的還不錯。然後問了為什麼選擇貝葉斯做文字分類，分類演算法不是有很多嗎？你覺得用貝葉斯做這個的優點是什麼，為什麼不選用別的演算法。。。蒙圈。。。
下一個演算法是SVM，讓我說一下SVM，推一下目標函式。
隨機森林，解釋一下隨機森林是怎麼個原理，然後針對自己簡歷上的一個專案怎麼進行特徵提取，當時就回答了兩點：1.有專門的人進行特徵篩選 2.根據隨機森林預測的模型中的每個特徵貢獻值的大小進行特徵提取，分別提取前100或200的特徵，然後再跑，比較。
最後問了一下神經網路的前向傳播和反向反饋。
關於機器學習演算法，總體來說不難，因為沒有問得特別深，感覺機器學習目前公司要求的水平還是側重於簡單原理的理解，感覺更重要的是特徵工程和每個演算法的使用場景的差異。

演算法問完了，之後就是程式設計了，對於兩年沒有刷過題的自己來說簡直想說：不要，不要過來。。。第一道演算法題是給一個m*n的0,1矩陣，讓找出裡面最大的全1矩陣，說完題目，他就出去了，好吧，我不會，想了幾分鐘，感覺暴力的方法肯定時間複雜度達不到他的要求，怎麼做了，我拿出了手機開始搜，果然有，不過人家的程式碼我看不懂啊，心累，想放棄了，心裡鬥爭了好久，繼續看人家的程式碼，看不懂。過了好一會兒，他進來了，看見我查手機了，我坦白告訴他我不會，然後他給我換了一道簡單一點的題，連結串列轉置，我剛開始的思路是用到了資料結構-棧，結構他說不需要額外佔用儲存空間或者佔用很少的儲存空間，然後我想了半天，發現可以定義兩個變數就行，告訴他思路，他讓把程式碼寫出來，寫出來了。只想說，程式設計題佔用時間太久，對於程式設計，我真的是菜鳥。
最後他列印了兩張試卷，第一張是選擇題，第二張是一個大題，他說他來得有點晚，時間不夠用，然後就只讓我做最後的那個大題。題目是這樣的：提供1000首歌曲，並且這些歌曲在豆瓣上都有相應的評分，讓你根據評分來設計一個隨機演算法讓評分高的音樂抽到的概率大（概率與評分對應）