“老司机”划重点！搞定这120个真实面试问题，杀进数据科学圈

MSE对异常值更加严格。在这个意义上MAE鲁棒性更好，但也更难以拟合模型，因为它无法在数值上进行优化。因此，当模型的可变性较小且在计算上容易拟合时，我们应该使用MAE，否则应该使用MSE。

• MSE：更容易计算梯度
• MAE：计算梯度需要线性编程MAE对异常值更加稳健。

如果较大错误造成的后果很严重，使用MSEMSE相当于最大化高斯随机变量的可能性。

(5) 你会什么误差指标来评估二分类器的好坏?如果类别不平衡怎么办?如果超过2组怎么办?

• 准确性：你正确预测的情况的比例。优点：直观，易于解释，缺点：当类标签不平衡且数据信号较弱时效果不。
• AUROC：在x轴上绘制fpr，在y轴上绘制tpr以获得不同的阈值。给定随机正例和随机负例，AUC是你能可以识别类别的概率。优点：在测试分类能力时效果很好，缺点：不能将预测解释为概率(因为AUC由排名决定)，因此无法解释模型的不确定性。
• logloss/deviance：优点：基于概率的误差度量，缺点：对假阳性，假阴性非常敏感。当有超过2组时，我们可以使用k个二分类并将它们添加到logloss中。 像AUC这样的一些指标仅适用于二分类情况。

概率

(1) 阿米巴虫波波生0个、1个或2个小阿米巴虫的概率分别是25%、25%以及50%。这些小阿米巴虫们的繁殖能力也都一样。请问波波的后代灭绝的概率是多少?

• p=1/4+1/4p+1/2p^2 => p=1/2

(2) 任何15分钟时间段内，你看到至少一颗流星的概率是20%。请问在一小时内你看到至少一颗流星的概率是多少?

• l 1-(0.8)^4。 或者我们用泊松过程也可以解。

(3) 仅使用一枚色子，你如何生成一个1-7内随机数?

• 丢三次色子：每一次丢的都是结果的第n位
• 每次丢色子时，如果值为1-3，则记录0，否则记录1。结果会位于0(000)与7(111)之间，均匀分布(因为这三次抛掷互相独立)。如果得到0则重复抛掷：该过程会终止于均匀分布的值。

(4) 有一个数据集包含来自两个正态分布的数值。两个分布的标准差相同。来自两个分布的数据点个数相同。请问如果想要该数据集呈双峰分布，两个分布的均值应当至少差多少?

• 多于两个标准差

(5) 提供已知正态分布的样本值，请问你能如何模拟一个均匀分布的样本值?

• 将值代入同一随机变量的累计分布函数

(6) 一对夫妻告诉你他们有两个小孩，其中至少有一个是女孩。请问他们拥有两个女儿的概率是多少?

• 1/3

产品指标

(1) 对于一个广告驱动的消费者产品(比如Buzzfeed，YouTube，Google搜索等)，什么可以称为好的成功衡量指标?服务驱动的消费者产品(比如优步，Flickr，Venmo等)呢?

• 广告驱动：页面浏览量与每日活跃量，点击率，每次点击成本
• 服务驱动：购买量，转化率

(2) 对于一个效率工具(比如印象笔记，Asana，Google文档等)，什么可以称为好的成功衡量指标?线上课程平台(比如edX，Coursera，Udacity等)呢?

• 效率工具：付费订阅用户数
• 线上课程平台：付费订阅用户数，课程完成率

(3) 对于一个电商产品(比如Etsy，Groupon，Birchbox等)，什么可以称为好的成功衡量指标?订阅产品(比如Netflix，Birchbox，Hulu等)呢?高级付费订阅(比如OKCupid，领英，Spotify等)呢?

• 电商产品：购买量，转化率，时/日/周/月/季/年销售额，，售出产品成本，存货量，网站流量，净回头客量，客服电话量，平均解决问题时长
• 订阅产品：流失量，(不知道接下来这几个都是啥)
• 高级付费订阅：(无解答)

(4) 对于高度依赖于用户投入与交互的消费者产品(比如Snapchat，Pinterest，Facebook等)，什么可以称为好的成功衡量指标?通讯产品(比如GroupMe，Hangouts，Snapchat等)呢?

• 高度依赖于用户投入与交互的消费者产品：user AU ratios，分类型邮件汇总，分类型推送通知汇总，复活率。
• 通讯产品：(无解答)

(5) 对于拥有app内购服务的产品(比如Zynga，愤怒的小鸟以及许多其他游戏)，什么可以称为好的成功衡量指标?

• 用户/付费用户平均营收

编程(14题)

(1) 编写一个函数，计算2n个用户所有可能分配向量，其中n个用户为控制组，n个用户为治疗组。

• 递归编程

(2) 提供一个包含推特消息的列表，求十个最常用的的标签。

• 在字典中存储所有标签然后求前十值

(3) 在给定时间内写出算法求解背包问题的最佳近似解。

• 贪婪算法

(4) 在给定时间内写出算法求解旅行商问题的最佳近似解。

• 贪婪算法

(5) 你将得到一个大小为n的数据集，但你无法提前知道n具体有多大。写出一个占据O(k)的算法来随机抽取k个元素。

• 水塘抽样

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!