1. 算法题：路径总和三

求一棵树中所有路径和为targetsum的值，其实有点像和为k的数组，用前缀和来做

先求出前缀和数组，再类似两数之和问题，每次插入一个数，如果target-当前数在哈希表里存在，更新；

搞不懂啊，真搞不懂

想到了，遍历到每个节点时，实际上不是树，就是一条路径而已，所以和数组差不多，只不过外面要用dfs来套，而且前缀和遍历左边和右边数组要记得更新一下前缀和

（代码没写）

2. xgboost如何对两个指标做预测？

本身xgb无法做多目标排序模型的，如果要用多目标排序模型的思路，就是将xgboost当成一个专家（？）也不行，xgb预测出来的是一个值，而不是多个值

用MultiOutputRegressor是可以做多任务回归的。但似乎本质上还是多个模型预测多个值。

可行方法：将多个目标线性组合成一个目标 比如点击率和完播率

点击率的label一般是0/1，完播率的label是10%，20%这样

就可以建模

3. 完播率如何建模？

（1）视频播放时长建模

播放时长建模是去直接预估一个播放时长，不是0-1之间的，而是一个时长值

按照王树森的说法，标签是历史数据，假设历史数据中，用户看了t分钟，那么标签y=t/(1+t).

而模型预估出一个值z（z不是01之间的，是随便一个数），然后算出一个概率p，p=exp(z)/(1+exp(z))，用p拟合y，这样p越接近y，exp(z)就越接近播放时长。

预测的时候，就用模型输出的值z，计算exp(z) 来预估播放时长。

（2）视频完播率预估

有两种方法建模，一是回归方法，比如10min视频看了4min，标签y=0.4

用交叉熵来预估

（所以说在推荐中，交叉熵是可以用在回归任务的）

二是二元分类方法，假设完播率>80%是正样本，<80%是负样本，用二分类来算

但是算出的结果还是01之间的连续值。。因为要拿来排序啊

但是最后在排序的时候，不能直接拿完播率去排序

预估分数=预估完播率/f(视频长度)

这里f是一个负增长函数，视频长度越长，f越小，预估分数越大。

（这个f具体怎么算的？）

但是还有个问题，我既然是实际用到了xgb，那我用xgb是如何预测一个值的？也就是回归问题？我到底用xgb预测了完播率了吗？

3. 分类损失函数有哪些？针对负样本构建的有哪些？

（1）交叉熵损失

（2）Hinge loss：用于SVM中找最大间隔的场景

（3）balanced cross entropy：用于处理类别不均衡样本的问题，降低易分类样本的权重，强调难分类样本。对正负样本设置不同权重，权重值为正负样本的比例。

但是缺点在于，难以区分简单、难分样本

（4）Focal loss：用于处理正负样本比例失调的情况。bce的改进多增加了一个调制因子，控制简单、难分样本数量失衡。

4. 回归损失函数有哪些？

（1）均方误差损失函数：MSE

（2）L1距离（平均绝对误差，MAE）

（3）RMSE：均方根误差

MSE开根号

（4）Huber 损失（Huber Loss）

5. 我在cv项目里考虑用过的损失函数有哪些？

（1）sMAPE

sMAPE 对称平均绝对百分比误差（symmetric Mean Absolute Percentage Error ）

（2）梯度loss

（3）SSIM

6. BatchNorm和LayerNorm的区别？什么时候用？

BatchNorm适合cv，因为不同通道之间保证相同分布，Layernorm适合nlp，因为是每个句子之间保证相同分布

7. SSIM、PSNR公式

SSIM是用图像的平均值、标准差、协方差来评估的，更偏重感知的相似

PSNR是用图像的logMSE来评估的，与MSE更类似

8. Xgboost如何做回归模型预测的？

应该每一棵树预测的都是一个值，那这样应该是离散数而不是连续值?

如果是回归任务，就可以借鉴决策树回归的原理（CART树，可以做分类和回归），它是根据分割把数据分成不同的子区域，（分裂条件是MSE最小），然后每个子区域（代表这个节点）计算子区域所有训练样本的平均值，作为这个叶子节点的输出。

如何用一阶导数和二阶导数？是泰勒展开法

导数是相减的导数，不对啊那这个导数是哪个函数的导数？

为啥要用二阶导？因为是用泰勒展开法来估计前向分布算法。

f(x+t) = f(x) + f'(x)*t+1/2*f''(x)t^2;

所以基本上用MSE和交叉熵，都是可以求导的

MSE导数很简单，交叉熵导数就得分类求，是k类和不是k类

9. Deepfm比直接用DNN好在哪？

1. 自动学习特征交互（特别是低阶交互）

• DeepFM中的FM部分：FM 模型擅长建模特征之间的二阶交互（pairwise interactions）。通过因子分解，它能够有效地捕捉特征之间的低阶交互，即使在数据稀疏的情况下，也能很好地学习到不同特征之间的关系。
• 直接使用DNN：DNN 在理论上也可以建模特征交互，但它主要擅长学习高阶、复杂的非线性交互。对于低阶交互，DNN并不具备FM那样的高效性。通常，需要大量数据和训练时间才能让DNN有效地学习到这些简单的二阶交互。（会过拟合）

2. 高效的参数共享和稀疏数据处理

• DeepFM中的FM部分：FM的因子分解机制通过引入隐向量（embedding），使得模型可以在不同特征之间共享参数，从而减小了参数量。这使得FM部分在处理稀疏数据（如点击率预估、广告推荐等场景中常见的高维、稀疏特征）时非常有效。
• 直接使用DNN：DNN对稀疏特征数据的建模通常需要先对特征进行嵌入（embedding），然后输入神经网络。虽然它可以通过层次化结构捕捉到复杂的高阶特征，但对稀疏数据的处理并不像FM那样高效。尤其是在数据量相对较少的情况下，DNN可能过拟合或表现不佳。

3. 端到端训练

• DeepFM：与传统的二阶段模型不同，DeepFM是一个端到端训练的模型，即FM部分和DNN部分共享特征输入，同时进行训练。这意味着特征的低阶交互（由FM建模）和高阶交互（由DNN建模）可以在一个模型中共同学习和优化，提升整体的推荐效果。
• 直接使用DNN：DNN主要依赖神经网络来自动学习特征交互，但对于低阶特征交互的学习没有FM部分那样直接。很多场景下，需要通过特征工程手动构造低阶交互特征来帮助DNN学习。

4. 减少对特征工程的依赖

• DeepFM：通过结合FM和DNN，DeepFM在低阶特征和高阶特征交互的学习上相对自动化，不需要依赖复杂的人工特征工程。FM部分处理低阶交互，DNN部分学习高阶复杂交互，两者互补，使得DeepFM可以更少地依赖手工设计的交互特征。
• 直接使用DNN：通常需要大量的特征工程来提前构建有意义的特征交互，尤其是在模型捕捉不到简单的交互时，工程师需要手动构造这些交互特征，从而增加了工作的复杂性。

5. 模型复杂度与性能权衡

• DeepFM：由于FM部分通过嵌入和因子分解来高效地建模二阶特征交互，其计算复杂度较低，同时DNN部分可以进一步建模复杂的高阶交互，因此DeepFM在复杂度和性能之间达到了较好的平衡。
• 直接使用DNN：虽然DNN能够捕捉高阶的复杂特征交互，但这通常伴随着更高的计算开销和复杂度。此外，DNN需要更多的训练数据来避免过拟合，尤其在面对稀疏数据时，训练DNN可能会较为困难。

6. 数据稀疏性下的性能优势

• DeepFM：对于用户行为数据这种稀疏、类别型特征占主导的场景，FM的嵌入机制特别有效，而DNN部分则可以进一步建模特征的非线性交互。因此，DeepFM在面对高维稀疏数据时表现优异。
• 直接使用DNN：DNN在处理稀疏特征时往往需要更多数据来学习有意义的特征交互，性能可能较为依赖数据量和深度特征工程。

10. python语法：call，iter，getitem，contains

__call__ 方法使得一个类的实例像函数一样可以被调用。换句话说，定义了 __call__ 方法的类的对象可以像函数一样使用。

__iter__ 方法使类的实例可以返回一个迭代器，使得对象可以用于 for 循环或任何需要迭代的地方。

__getitem__ 方法用于使类的实例可以通过索引进行访问，就像访问列表或字典一样。

在这个例子中，my_list[0] 实际上调用的是 my_list.__getitem__(0)，从而实现了类似于列表的索引操作。

__contains__ 方法用于定义对象是否包含某个值，使得对象可以用于 in 关键字操作。

11. deepfm里，因子分解的交叉和DNN的交叉有什么区别？

因子分解的交叉是向量维度的，DNN的交叉是位维度的，先把特征concat起来，再输入到网络里，相当于每个值都会做交叉，而因子分解是两个向量计算内积。

12. bert主要结构，和transformer的应用场景有什么区别？

bert是双向编码解码器，transformer的encoder也是双向的，会考虑输入序列每个位置其他位置的信息，能捕捉全局上下文

解码部分是单向的，在机器翻译任务这种，防止未来的信息泄露。

mask的作用？

mask目的是根据上下文预测这些被掩蔽的词，允许模型同时利用上下文信息，理解句子的含义。

mask还可以强化词语之间的联系，捕捉词义的变化。

还可以避免信息泄露，不会完全依赖特定词，而是根据需要来推理，提高模型泛化性。

训练多样性：让模型在训练过程中接触到上下文变体，提高学习的全面性。

13. 实现rotate函数

原地实现方式：

先反转整个数组，再反转左边，再反转右边

反转方法：reserve，原地的话直接交换就行了

14. 过拟合的解决方式：

（1）数据角度：数据增强，变换

（2）模型角度：减少参数数量，降低模型复杂度，用dropout层，剪枝

（3）优化角度：目标函数加上正则化项，惩罚

（4）交叉验证：用k折交叉验证帮助是否过拟合

（5）early stopping：提前停止训练

（6）bagging，boosting提高稳健性

15. stacking？

stacked generalization，堆叠泛化

是指训练一个模型用于组合 (combine)其他各个模型。即首先我们先训练多个不同的模型，然后再以之前训练的各个模型的输出为输入来训练一个模型，以得到一个最终的输出。

Stacking有两层，一层是不同的基学习器（classifiers/regressors），第二个是用于组合基学习器的元学习器

16.Adam用二阶有什么好处?

Adam通过计算梯度的一阶和二阶矩的指数加权平均来调整学习率，从而实现自适应学习。

Adam和RMSprop，动量法都是可以自适应学习率的

矩就是对梯度的期望值

增加二阶矩的好处：

1. 自适应学习率：通过计算梯度平方的平均值，Adam能够为每个参数动态调整学习率。这使得算法在不同参数和不同迭代中都能适应变化，特别是对稀疏和噪声数据。

2. 稳定性：二阶矩能够平滑梯度的变化，减少更新中的震荡，使优化过程更加稳定。

3. 快速收敛：结合一阶和二阶矩，Adam在许多任务中表现出更快的收敛速度，尤其是在复杂的损失面上。

4. 减少手动调参：由于学习率是自适应的，通常不需要频繁调整，简化了超参数选择。

17. GRU具体的原理

recurrent CNN为啥不用，不是老早就有了吗

BART

ERINE

BERT-WWM

全卷积

OOV问题

class Animal:
    num = 0
    def __getattr__(self):
        return 1
    def __init__(self):
        pass
animal = Animal()
print(animal.num)

模型蒸馏对于hard label和soft label的区别，分别用什么loss学习

拓扑排序

混合精度训练

R2HF

KMP算法