對於機器學習的初學者來說，面試方面的經驗總結也非常重要。能夠加深對算法和機器學習基本理論的理解。所以，本文網羅了多年來 BAT 的面試真題，能搞懂這些面試題加上多次反覆研習知識，在 BAT 面試初中級算法時就輕鬆多了（前提是企業比較看重面試者算法能力）。
一、算法面試注意細節
算法工程師崗位（機器學習、數據挖掘、數據分析等）面試主要包含兩大塊：
- 首先，基本的 Coding 能力；
- 其次，機器學習算法的理論與應用能力。
基本的 Coding 能力考察，主要是讓你寫一些數據結構與算法設計的常見算法題，比如鏈表類、二叉樹、排序、查找、動態規劃等。這方面個人建議《劍指 Offer》+ LeetCode 結合的方式進行練習。
機器學習算法理論與應用能力不講，單就面試來看，本文就夠了。當然師父領進門，修行在個人，想要在這方面深造，還需要大量實踐和廣泛的學習優秀論文及開源源代碼。
二、算法面試常見問題
1. 模型融合方法有哪些
主要有以下幾個：
- Voting
- Averaging
- Bagging
- Boosting
- Stacking
2. 特徵選擇方法
主要有：
- 去掉取值變化小的特徵；
- 遞歸特徵消除法;
- 基於學習模型的特徵排序;
- 線性模型和正則化。
3. 學習項目的一般步驟
主要包括：
- 問題抽象，模型選擇；
- 數據獲取；
- 特徵工程（數據清洗，預處理、採樣等）；
- 模型訓練，調優；
- 模型驗證、誤差分析；
- 模型融合；
- 模型上線。
4. 推導 LR 算法
5. 多參數調參方法
網格化搜索： 對於多個參數，首先根據經驗確定大致的參數範圍。然後選擇較大的步長進行控制變量的方法進行搜索，找到最優解後；然後逐步縮小步長，使用同樣的方法在更小的區間內尋找更精確的最優解。