具体的是说了一下决策树的构成,损失函数,剪枝,特征分裂,然后GBDT分类与回归的原理(分类和回归最大的区别是什么,楼主说的是损失函数不同带来的初始化与叶子节点的处理方式不同,但是好像不是这么的),GBDT为什么能用残差拟合,xgboost对比gbdt的不同,xgboost最大的缺点是什么?有了解lightbgm嘛?说一说fm,FM参数初始化是什么样子的呢(随机初始化?反正楼主没答到点子上)?那么GBDT+LR模型有了解嘛,其中GBDT是做什么的了。
最后介绍了一下deepFM,还有deepFM的改进deep cross networdk 和 xdeepfm。编程题,一个二维平面n个点,求斜率最大,O(Nlogk)排序+ O(n)的遍历。然后综合之前的表现,楼主准备直接回学校了,谁知道竟然还有二面。
...查看更多