版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
百度算法岗高频面试题及详细答案(真实面试版)本题库整理百度近3年校招、社招算法岗真实面试原题,包含手撕代码、机器学习、深度学习、推荐广告算法、概率统计五大核心模块,答案贴合面试官考察重点,语言通俗易懂,无书面模板化话术,适配百度技术面面试节奏。一、手撕代码算法题(百度一面必考)1、数组多数元素(摩尔投票法)题目:给定一个数组,已知其中有一个元素出现次数超过数组长度的一半,请找出这个元素,要求时间复杂度O(n)、空间复杂度O(1)。参考答案:这道题不能用哈希统计次数,会占用O(n)空间,最优解法是摩尔投票法,核心思路是两两抵消、幸存者即为多数元素。原理很简单:目标元素数量超过半数,就算和其他所有元素一一抵消,最后剩下的一定是它。遍历数组时维护两个变量,候选数和计数:1.计数为0时,更新当前元素为候选数;2.当前元素等于候选数,计数+1,否则计数-1;3.遍历结束后,候选数就是超过半数的元素。代码实现:python
defmajorityElement(nums):
candidate=0
count=0
fornuminnums:
ifcount==0:
candidate=num
count+=1ifnum==candidateelse-1
returncandidate面试官追问:如果不确定一定存在多数元素怎么办?答:遍历结束后需要二次遍历数组,统计候选数的真实出现次数,验证是否超过半数,避免特殊用例出错。2、1到N数字按字典序打印题目:输入整数N,将1~N所有数字按照字典序排列输出,不允许直接数组排序,要求优化时间复杂度。参考答案:直接排序的时间复杂度是O(nlogn),效率偏低,最优解法是十叉树深度优先遍历。数字的字典序本质就是十叉树的前序遍历,比如1下面的子节点是10、11...19,2下面是20、21...29。遍历逻辑:从1开始,先遍历当前数字,再递归遍历它的子节点(当前数*10、*10+1...),超过N就回溯,全程O(n)时间复杂度,无多余排序开销。python
deflexicalOrder(n):
res=[]
defdfs(cur):
ifcur>n:
return
res.append(cur)
foriinrange(10):
dfs(cur*10+i)
foriinrange(1,10):
dfs(i)
returnres3、不等概率随机数转换(rand7实现rand10)题目:现有rand7()函数可以生成1~7的均匀随机整数,如何利用它实现rand10(),生成1~10均匀随机整数?参考答案:核心思路:用低概率随机函数组合出更大的均匀区间,再取舍、取模得到目标区间。1.利用公式(rand7()-1)*7+rand7(),可以生成1~49的均匀随机数,每个数字出现概率一致;2.舍弃41~49的数字(共9个),剩下1~40共40个均匀数字;3.对结果取模10再加1,即可得到1~10均匀随机数。舍弃多余区间是为了保证均匀性,避免概率偏移,整体期望调用次数可控,是面试标准解法。二、机器学习核心面试题(百度二面重点)1、L1和L2正则的区别、适用场景参考答案:两者都是为了抑制过拟合、降低模型复杂度,但核心特性和场景完全不同:1.L1正则(Lasso):基于权重绝对值求和,会产生稀疏解,能让部分权重直接变为0,自带特征筛选效果。适合高维稀疏场景,比如文本、广告稀疏特征,能过滤无效特征。2.L2正则(Ridge):基于权重平方和,只会让权重无限趋近于0,不会置零,权重分布更平滑,主打权重衰减、防止单个权重过大。适合稠密特征场景,是逻辑回归、神经网络的主流正则方式。高频追问:为什么L1能产生稀疏解?答:从几何角度看,L1的约束域是菱形,损失函数最优解大概率出现在坐标轴上,对应权重为0;L2是圆形,最优解大多在非坐标轴位置,权重只会缩小不会归零。从梯度角度,L1梯度恒定,小权重会被直接迭代至0,L2梯度随权重减小而减小,无法归零。2、XGBoost原理及优势,对比传统GBDT参考答案:XGBoost是GBDT的工程优化版本,核心还是梯度提升树,每次迭代拟合残差,累加多棵树的预测结果,主要优化点有4个:1.二阶泰勒展开:传统GBDT只用一阶导数,XGB同时用一阶、二阶导数,拟合精度更高,收敛更快;2.自带正则化:支持L1、L2正则,同时限制树深度、叶子节点数量,从多维度抑制过拟合;3.并行优化:虽然树的迭代是串行的,但单棵树的特征分裂、阈值选择可以并行计算,大幅提升训练速度;4.缺失值自动处理:训练时自动学习缺失值的最优分裂方向,无需手动填充,适配工业脏数据场景。百度广告、推荐场景大量使用XGBoost,核心原因就是精度高、鲁棒性强、适配工业稀疏数据。3、KMeans原理、优缺点及调优方式参考答案:KMeans是无监督聚类算法,核心逻辑:随机初始化K个聚类中心,迭代计算所有样本到聚类中心的距离,将样本划分到最近的簇,再更新聚类中心,直到中心不再变化。优点:逻辑简单、训练速度快、复杂度低,适配大规模数据,工业落地成本极低。缺点:需要手动指定K值、对初始聚类中心敏感、对异常值和离群点敏感、只能划分球形簇,不规则簇聚类效果差。调优方式:用肘部法则确定最优K值、多次初始化取最优结果、预处理剔除异常值、采用KMeans++优化初始中心选择。三、深度学习高频面试题1、Dropout训练和推理阶段的区别参考答案:Dropout核心是随机失活神经元,防止网络过度依赖部分神经元,抑制过拟合,两个阶段逻辑完全不同:1.训练阶段:以固定概率随机关闭部分神经元,仅保留部分参数参与迭代,每次迭代的网络结构都不同,打破神经元耦合关系;同时会对保留的神经元输出做缩放,保证输出均值稳定。2.推理阶段:关闭Dropout,所有神经元全部参与计算,使用完整网络结构预测,保证推理结果稳定、精准,不会随机波动。2、Encoder-only、Decoder-only、Encoder-Decoder架构区别及适用场景参考答案:1.Encoder-only:只有编码器,擅长理解类任务,双向注意力机制,能捕捉全局上下文信息。适用于文本分类、情感分析、语义匹配,代表模型BERT。2.Decoder-only:只有解码器,单向自回归注意力,逐字生成内容,适配序列生成任务。适用于文本生成、对话、续写,代表模型Llama、GPT系列。3.Encoder-Decoder:编码器提取输入特征,解码器基于编码特征生成输出,适配输入输出长度不一致的场景。适用于机器翻译、摘要生成、语音转换,代表模型Transformer原生架构、T5。四、推荐广告算法专项(百度核心业务面)1、FM相比LR的优势参考答案:LR只能学习一阶特征,无法捕捉特征交叉关系,广告、推荐场景的核心效果往往来自特征组合,FM完美解决这个问题:1.自动二阶特征交叉:无需手动构造交叉特征,自动学习任意两个特征的组合权重,大幅减少特征工程成本;2.适配稀疏特征:工业场景特征极度稀疏,很多特征组合从未出现,LR无法学习,FM通过隐向量内积计算交叉权重,能泛化未出现过的特征组合;3.计算效率高:通过数学公式化简,二阶交叉计算复杂度从O(n²)降到O(n),可落地大规模线上服务。2、DIN、DIEN核心原理及区别参考答案:两者都是阿里、百度推荐场景常用的用户行为序列模型,主打利用用户历史行为提升推荐精准度:1.DIN:核心是注意力机制,针对当前候选商品,对用户历史行为做加权,和候选商品相似的历史行为权重更高,精准捕捉用户当下兴趣,解决用户行为序列噪声问题。缺点是只能捕捉静态兴趣,无法体现兴趣变化。2.DIEN:在DIN基础上升级,增加了兴趣抽取层和兴趣演化层。先从用户行为中抽取隐藏兴趣,再建模用户兴趣随时间的变化过程,能捕捉动态兴趣、短期兴趣变迁,适配用户兴趣多变的场景,推荐精度更高,百度信息流、短视频推荐广泛使用。五、概率统计面试题1、抛硬币问题:连续抛一枚均匀硬币,直到出现两次正面为止,求期望抛硬币次数参考答案:设E0为当前无正面时的期望次数,E1为已有一次正面时的期望次数。状态转移逻辑:1.E0:抛一次硬币,50%概率正面到E1,50%概率反面留在E0,E0=1+0.5*E1+0.5*E0;2.E1:抛一次硬币,50%概率正面结束,50%概率反面回到E0,E1=1+0.5*0+0.5*E0;联立方程求解,可得E0=6,即期望次数为6次。2、条件概率基础题:已知男性患病概率1%,女性患病概率0.1%,人群男女比例1:1,随机抽一人患病,求此人是男性的概率参考答案:用贝叶斯公式求解:设A为男性,B为患病;P(A)=0.5,P(B|A)=0.01,P(B|非A)=0.001全概率公式:P(B)=0.5*0.01+0.5*0.001=0.0055贝叶斯公式:P(A|B)=P(B|A)*P(A)/P(B)=(0.01*0.5)/0.0055≈90.9%六、工程基础面试题(百度通用考察)1、redo和undo日志的作用、区别参考答案:两者是数据库事务持久化、崩溃恢复的核心日志,作用完全不同:1.undo日志:回滚日志,记录事务修改前的数据快照。主要用于事务回滚,保证事务原子性;同时实现MVCC多版本并发控制,保存数据历史版本,支撑读不加锁。2.redo日志:重做日志,记录事务修改后的物理日志。主要用于崩溃恢复,数据库宕机后,根据redo日志重放已提交但未落地磁盘的数据,保证事务持久性,解决内存数据和磁盘数据不一致问题。2、MVCC实现原理、可见性判断规则参考答案:MVCC
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年协调力考试题库带答案
- 2026年北屯市玉带河文化传媒有限公司公开招聘职员备考题库及参考答案
- 2026年材料科学基础塑性题库及参考答案
- 2026年计算机安全习题库及参考答案
- 2026年导游证试题题库带答案
- 2026年城乡规划专升本模拟试卷及参考答案
- 2026年教资科目一模拟题题库及答案
- 2026年考评员简答题题库(含答案)
- 2026年江西省新余市公务员省考公共基础知识模拟题及答案
- 2026年安徽公考行测题库及答案
- 2026年山东省潍坊市建设工程专业技术资格考试建筑工程题库及答案
- 湖北荆州市监利市2025-2026学年八年级上学期期末英语试题(含答案)
- 全国农业水产行业职业技能大赛水生物病害防治员选拔赛试题及答案
- 湖南省2027届高三九校联盟第一次联考英语试卷(含答案及解析)+听力原文及音频
- 2026年辽宁省中考英语试题(含答案)
- SEMI F63-24 中文版 半导体工艺用超纯水标准指南(2024版)
- 中投公司笔试题及答案
- 离散身份艺术表达-洞察及研究
- 青少年中医保健课件
- 《幼儿园班级管理 》课件-第四章 幼儿园班级安全管理
- T/CNFAGS 16-2024绿色甲醇分级标准(试行)
评论
0/150
提交评论