wwwHe同学面试经验分享（下）
本篇文章为wwwHe同学的面经分享的下篇，这里给出面试会问到的问题以及部分问题的答案解析，希望能帮助现在还在找工作找实习的朋友们顺利拿下大厂offer。
腾讯调剂后一面
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
tmp_sum = 0
res = nums[0]
for num in nums:
tmp_sum = max(tmp_sum + num, num)
res = max(res, tmp_sum)
return res
总结，面试官很温柔，谢轻虐！
腾讯调剂后二面
4、梯度下降改进的优化方法，步长调整包括哪些、梯度方向修正包括哪些、综合方法Adam；
bagging该方法通常考虑的是同质弱学习器，相互独立地并行学习这些弱学习器，并按照某种确定性的平均过程将它们组合起来。
boosting，该方法通常考虑的也是同质弱学习器。它以一种高度自适应的方法顺序地学习这些弱学习器（每个基础模型都依赖于前面的模型），并按照某种确定性的策略将它们组合起来。
stacking，该方法通常考虑的是异质弱学习器，并行地学习它们，并通过训练一个「元模型」将它们组合起来，根据不同弱模型的预测结果输出一个最终的预测结果。
def max_stock(alist, k):
n = len(alist)
k = min(n//2, k)
hold = [[0]*(k+1) for _ in range(n)]
unhold = [[0]*(k+1) for _ in range(n)]
hold[0][0] = -alist[0]
for kk in range(1, k+1):
hold[0][kk] = unhold[0][kk] = -float('inf')
for i in range(1, n):
hold[i][0] = max(unhold[i-1][0]-alist[i], hold[i-1][0])
for kk in range(1, k+1):
hold[i][kk] = max(unhold[i-1][kk]-alist[i], hold[i-1][kk])
unhold[i][kk] = max(unhold[i-1][kk], hold[i-1][k-1]+alist[i])
return max(unhold[-1])
添加助手微信回复研究方向或专业即可加入我们的微信交流群或QQ交流群
原文作者：ChallengeHub；如有侵权，请联系管理员删除。
上一篇：
PySpark四： 机器学习
下一篇：
推荐系统之召回技术的发展总结
请登录后发表评论
登录
全部评论
