这是以前参加校招时的面试题集合，可能不全，仅供参考，未经允许，不得转载。
机器学习算法工程师的面试一般分为几步，自我介绍、项目介绍、算法考察，当然大部分公司都会考察手写代码。
项目方面一般会考察以下几点：
1. 项目介绍
2. 项目中的收获（理论与实践，向资深员工学习）
3. 项目中遇到的问题（大数据下的处理，理论在实践中如何改进）
自我介绍、项目介绍和手写代码不在本文介绍范围，本问只介绍具体的机器学习问题。随着时间的变化，可能有些题有些旧了，大家自己有取舍地看下就可以。
1. 支持向量机
a. 支持向量机(SVM)原理（最小间隔最大化，结构风险最小化）
b. svm优点（非线性、高维、小样本、泛化能力强、有全局最优点）
c. 多类问题的解决方案，多类分类（一对其余k个(看分为那个类或离那个分类面远)，一对一k(k-1)/2个（投票决定），决策树）
d. 公式、模型、优点，libsvm
e. 如何组织训练数据
f. 如何调节惩罚因子C,C无限大变成硬间隔问题，C变大，损失变大，越不容忍离群点
g. svm的泛化能力
h. 增量学习
i. 并行处理 网格搜索，调参
j. 调参，g越大，高维越多，越过拟合，分类正确率几乎达到了100%
k. g默认 1/k ，k为特征维数 C默认1
2. 逻辑回归(LR)原理、公式、求解(梯度下降法、拟牛顿法)、代码实现
3. 生成模型（朴素贝叶斯、隐马尔科夫，可以用EM求解）和判别模型（直接学习条件概率分布或者决策函数）
聚类：
4. kMeans聚类算法原理、不足（没有结构化信息、不适合非球状的聚类）、改进(扁平聚类)（聚类效果评估）
5. 层次聚类
6. KNN的优缺点（优点：a.可做分类和回归 b.可用于非线性分类 c.准确度高，对outlier不敏感）（缺点：a. 计算量大，b.样本不平衡问题 c.需要大量内存）
7. 排序算法效果评估（MAP、DCG、NDCG）
8. k值选择（族平均直径的拐点）
9. 聚类算法的评价（纯度、NMI、RI、F5 ）纯度不能在聚类质量和簇数目上保持均衡，NMI可以
10. 分类算法的评价标准
11. 朴素贝叶斯公式，laplace光滑，某些特征（网址、电话号码等）
12. 正则化的作用（控制模型复杂度，提高模型的泛化能力）
13. 用过的分类聚类算法，分类（LR、朴素贝叶斯、支持向量机、神经网络、KNN、决策树），聚类（Kmeans、层次、谱聚类）
14. 看过哪些专业书
15. 对数据挖掘的了解
16. 机器学习在互联网应用面临的10大挑战（数据稀疏、不平稳随机过程产生的数据、高质量的标定数据、大规模、速度、在线学习、冷启动、做到极致、人加机器）
17. 蒙特卡洛算法（特别是Gibbs采样算法）
知道蒙特卡洛算法的基本原理，特别了解Gibbs算法的采样过程；Markov 随机过程和Markov chain等
18. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：
用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；
在树构造过程中进行剪枝；
能够完成对连续属性的离散化处理；
能够对不完整数据进行处理。
19. MLN 建构在图模型和一阶逻辑基础上的一种语言，可以用来描述很多现实问题
20. 特征选择方法（相关性、距离、信息增益、一致性属于筛选器，而分类器错误率属于封装器。）
21. 降维的方法（特征选择和特征提取）特征选择（过滤法、封装法、混用法、嵌入法）特征提取（pca）
22. 神经网络防止过拟合（样本尽量多，除去噪音点，交叉验证）
23. 矩阵分解（特征值，特征向量）
24. 分类效果评估（宏平均和微平均）
其中宏平均F1的计算方法先对每个类别单独计算F1值，再取这些F1值的算术平均值作为全局指标。而微平均F1的计算方法是先累加计算各个类别的a、b、c、d的值，再由这些值求出F1值。由两种平均F1的计算方式不难看出，宏平均F1平等对待每一个类别，所以它的值主要受到稀有类别的影响，而微平均F1平等考虑文档集中的每一个文档，所以它的值受到常见类别的影响比较大。
25. 归一化 （[min,max]归一化，零均值归一化，s型分布）
26. 特征提取（卡方、互信息、信息增益），lasso
27. 感知机(线性)
KNN(非线性，欧氏，球体，k值较小过拟合，交叉验证选K值)
决策树（贪心，剪枝反之过拟合，信息增益）
LR线性
最大熵（迭代尺度，让似然函数变大，收敛条件：所有 wi 都收敛，wi是拉格朗日乘子）题：
28. libsvm
checkdata 归一化
交叉验证，g的取值范围，c的取值范围，取最优
C越大，对误分类的惩罚越大，越要求线性可分
g越大，高维特征组合越多，越非线性，g越小，越选择低维
29. HMM
1)概率计算，不用前向后向，时间复杂度是O(T*N^T)
用前向后向，时间复杂度是O(T*N^2)
2)学习参数，EM算法
3)预测问题，维特比算法O(T*N^2)
30. EM算法
E步求期望，M步求最大。
jensen不等式。
31. 图形图像 RNN（反馈）CNN(卷积)
32. 回归
编程能力方面：
1. 编程实现atoi、itoa
2. 编程实现memcpy、memmove、memset
3.编程实现strcpy、strcat
数据结构和基础算法方面：
1.排序算法时间空间复杂度是否稳定思想（快排空间复杂度o(logn)，归并空间复杂度o(n)，稳定的排序有插入排序、冒泡排序、归并排序，希尔排序是插入排序的一种）
2.如何对n个数进行排序，要求时间复杂度O(n)，空间复杂度O(1)（桶排序）
3.找出数组中两个只出现一次的数字(异或分为两个数组，然后再异或得到结果)
4.最长公共字串（动态规划）
5.二叉树非递归遍历
6.旋转数组找最小或找某值
7.最大连续子矩阵
基础算法应用题
1. 两个文件找相同行
2. 硬币 正面p 反面q 如何得到0.5 01认为正面，10认为反面
正反0.5 去掉00，其它1/3
3. 球均匀取点
4. 找中位数（前16位，后16位）
5. 随机数生成器
6. 旋转数组找中位数
具体应用场景、实际问题分析
1. query改写 simrank
加分项：
1. 实习经历
2. 项目经验
3. spark 弹性分布式数据集、scala
分析问题的思路：
宏观的把握，如节假日。
微观的细节，如具体的商户或者商品。
HR方面：
1. 为什么不继续留在百度或者腾讯
2. 有什么缺点（不善于拒绝别人）和优点（动手能力快）