【面经&八股】搜广推方向:常见面试题(三)
文章目录
- 【面经&八股】搜广推方向:常见面试题(三)
- 1. 如何解决数据不平衡
- 2. 假设检验的两类错误
- 3. 为什么快排比堆排快
- 4. RMSE、MSE、MAE
- 5. 双塔模型的应用
- 6. XGBoost如果损失函数没有二阶导,该怎么办
- 7. AUC是如何实现的,它对正负样本采样是否敏感
- 8. Batch Normalization
- 9. 推荐模型——LS-PLM 基于机器学习算法的推荐。(可供扩展:说说你知道的推荐模型)
- 10. 推荐模型——Airbnb 基于Embedding的实时搜索推荐系统。(一种经典的embedding相似度召回模型)
- 11. 如何解决推荐系统重复推荐用户已经处理过的item的问题
- 参考