ltj面试记录

以下几点知识需要再复习一下：

1、交叉验证 cross-validation

概念

　　交叉验证(Cross-validation)主要用于建模应用中，例如PCR、PLS回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和。这个过程一直进行，直到所有的样本都被预报了一次而且仅被预报一次。把每个样本的预报误差平方加和，称为PRESS(predicted Error Sum of Squares)。

目的

　　用交叉验证的目的是为了得到可靠稳定的模型。在建立PCR 或PLS 模型时，一个很重要的因素是取多少个主成分的问题？用cross validation 校验每个主成分下的PRESS值，选择PRESS值小的主成分数。或PRESS值不在变小时的主成分数。^[1]

　　常用的精度测试方法主要是交叉验证，例如10折交叉验证(10-fold cross validation)，将数据集分成十分，轮流将其中9份做训练1份做测试，10次的结果的均值作为对算法精度的估计，一般还需要进行多次10折交叉验证求均值，例如：10次10折交叉验证，以求更精确一点。

　　交叉验证有时也称为交叉比对，如：10折交叉比对

 

2、神经网络模型

BP(back propagation)神经网络 激活函数一般使用S型函数 一般分为输入层、隐含层和输出层，隐含层可能由多层组成BP(back propagation)神经网络 激活函数一般使用S型函数 一般分为输入层、隐含层和输出层，隐含层可能由多层组成

 

3、微博UserRank系统计算公式

假设这段时间的垃圾消息总数为spam, 用户A发送出的垃圾总数为spam(A), 关注A的用户的关注数量分别为C(1), C(2) ...  C(n), UserRank分别为R(1), R(2) ... R(n), 活跃非认证用户数为active, 总用户数为user

用户A的UserRank R(a) = d/active - d*(spam(A)/spam) + Σ (i = 0 to n)  R(i)/C(i)

4、网络通信模型、丢包、数据安全问题

5、如何等概率的删除单链表中的某个节点