面試筆試整理5：專案問題準備

從目的 -> 意義 -> 難點 -> 如何解決的 -> 用了什麼方法為什麼要用這些方法 -> 創新點。 2、實習經歷 實習期間主要負責華為HC大會的推薦演算法以及資料分析，用過SQL Server，製作過報表。 3、自己曾經做過一些比賽，但是結果不是很好，不過還是準備寫到簡歷裡了，畢竟也算是自己做過的專案。 做了一些資料探勘的比賽，面試會問到的常見問題其實也沒有多少，無非是從資料預處理、特徵和模型幾個內容。以jd前一段時間的JData資料探勘比賽為例。

（1）應該對所有的資料進行大致的統計，瞭解資料的大致構成、資料缺失情況、不同表格中特徵的大致分佈情況哪些是離散特徵哪些是連續特徵，從而初步預估出那些資訊和真實場景是有關聯的， （2）進階 主要包括資料特徵的提取（如年齡、購買情況、性別等基本特徵；以及諸多設計的交叉特徵），特徵缺失值處理（可以從填充缺失值（分為離散和連續兩種情況）），資料預處理，模型設計，測試程式碼編寫，訓練集測試集構造，模型調參和再優化幾個部分組成。

2、xgboost的原理和GBDT的不同 因為在資料比賽中用xgboost主要是看上了它的自由性和速度，但是精確性可能並沒有多少提高。比如xgboost的shrinkage（縮減）、借鑑隨機森林的列抽樣防止過擬合。但是時間成本其實還是很值錢的。

3、嘗試使用ensemble，不但使用在資料增加上，也可以用於將基礎模型進行整合。

4、用的規則還是模型？用了多少資料？這些細節的問題也應該知道