1、基本的機器學習算法知道什么 （kmeans knn svm 決策樹 ） kmeans?（介紹原理） 怎么選取最初的k值（我說選彼此距離盡可能大的） 怎么保證是距離比較遠的幾個k值?? （我不知道）比如1000個數的話 怎么找怎么用kmeans算法找k值? 復雜度 2、L1 L2 分別解釋 3、決策樹有哪些 （id3 c4.5 cart）決策樹中的熵 （隨機變量不確定性的度量? 熵越大 隨機變量的不確定性越大）決策樹CART怎么分樹枝（我不知道 就說了個基尼系數）? 基尼系數是描述什么的（用于選擇最優特征 同時決定該特征的最優二值切分點） 4、集成學習 （介紹了各種包括啥）bagging 和 boosting 在哪種情況下用哪個（我說boosting可用于連續和離散的 別的就不知道了） 5、二分查找出了個題 讓我寫代碼 我說沒聽懂? 他說就寫下二分查找的代碼吧 查找出下標為2的數組 6、代碼中用到了排序 他問我知道排序算法嗎? 我說知道 比如冒泡快排?? 問我冒泡的復雜度 我說了平均最好最壞復雜度 他說冒泡什么情況下是最好/壞的復雜度? 然后讓我寫了冒泡的代碼 7、寫完后問了我快排的平均最好最壞復雜度

1、介紹之前的項目，中間會提一些問題 2、寫混淆矩陣，寫召回率和精確率的公式 3、介紹邏輯回歸，寫sigmoid函數，寫LR的損失函數。 4、介紹梯度下降的原理，怎么避免局部最優。 5、介紹SVM，怎么尋找超平面，怎么分線性不可分數據。