2021年9月份，快手社科广告算法面试题5道

[julyedu_7]

1、l1,l2公式，区别

L1/L2的区别

• L1是模型各个参数的绝对值之和。

L2是模型各个参数的平方和的开方值。

• L1会趋向于产生少量的特征，而其他的特征都是0。

因为最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0 ，产生稀疏权重矩阵

L2会选择更多的特征，这些特征都会接近于0。

最优的参数值很小概率出现在坐标轴上，因此每一维的参数都不会是0。当最小化||w||时，就会使每一项趋近于0。

L1的作用是为了矩阵稀疏化。假设的是模型的参数取值满足拉普拉斯分布。

L2的作用是为了使模型更平滑，得到更好的泛化能力。假设的是参数是满足高斯分布。

2、二分查找

leetcode704，搜索区间两端闭，while条件带等号，mid要加减1。

代码：

Pythonclass Solution:
 def search(self, nums: List[int], target: int) -> int:
        left = 0
        right = len(nums) - 1
 while left <= right:
            mid = left + (right - left)//2
 if nums[mid] == target:
 return mid
 elif nums[mid] < target:
                left = mid + 1
 elif nums[mid] > target:
                right = mid - 1
 return -1

时间复杂度：O(logN)。

空间复杂度：O(1)。

3、翻转数组二分查找

该题为leetcode153题：数组不包含重复元素，并且只要当前的区间长度不为 1，pivot 就不会与 high 重合；而如果当前的区间长度为 1，这说明我们已经可以结束二分查找了。因此不会存在nums [ pivot ] = nums [ high ] 的情况。

当二分查找结束时，我们就得到了最小值所在的位置。

代码：

Pythonclass Solution:
 def findMin(self, nums: List[int]) -> int: 
        low, high = 0, len(nums) - 1
 while low < high:
            pivot = low + (high - low) // 2
 if nums[pivot] < nums[high]:
                high = pivot 
 else:
                low = pivot + 1
 return nums[low]

4、决策树都用什么指标，信息增益是什么

信息增益，信息增益率，基尼指数

信息增益是以某特征划分数据集前后的熵的差值，熵可以表示样本集合的不确定性，熵越大，样本的不确定性就越大。

5、auc含义公式

AUC是ROC曲线下面的面积，AUC可以解读为从所有正例中随机选取一个样本A，再从所有负例中随机选取一个样本B，分类器将A判为正例的概率比将B判为正例的概率大的可能性。AUC反映的是分类器对样本的排序能力。AUC越大，自然排序能力越好，即分类器将越多的正例排在负例之前。

公式如下：

 

[CSDN-Ada助手]

您可以前往 CSDN问答-数据结构与算法 发布问题, 以便更快地解决您的疑问