AI Knowledge

外观

传统机器学习与评测专项面试题 ​

目录 ​

1. 使用说明 ​

  • 对应知识主题：传统机器学习与评测；
  • 角色：资深面试官从模型归纳偏置追问到生产评测，高级技术应聘者负责连接算法、指标和业务决策；
  • 回答顺序：先给 1～3 句专业短答，再用生活化解释，公式和项目内容按需补充边界；

事实红线｜ 不把某个模型说成普遍最优，不用单一 AUC/F1 代替完整评测，不编造示例项目指标；

  • 题目数量：7 题，严格覆盖 L1～L7。

阅读图例｜ L1～L2 概念与边界 · L3～L4 原理与实现 · L5 工程 · L6 架构 · L7 项目复盘

答案层级｜ 必答结论 · 小白解释 · 加分项 · 高频误区 · 下一问

2. 递进路线 ​

图：传统机器学习与评测 L1～L7 递进路线

替代文本： L1 传统模型的价值 → L2 逻辑回归概率边界 → L3 树与集成原理 → L4 指标、阈值和类别不平衡 → L5 排查离线/线上退化 → L6 设计可发布分类系统 → L7 示例项目复盘。

图表加载中…

读图结论： 蓝色阶段建立概念与边界，紫色阶段进入原理与实现，橙色和青色阶段验证工程与架构能力，绿色阶段用项目证据完成复盘。

题链先检查候选人能否根据数据和约束选择基线，再要求解释概率、树和集成机制，最终落到阈值、校准、版本和线上故障。

图：从 FP/FN 业务代价选择指标与阈值

替代文本： 先定义正类、实际动作、FP 与 FN 的业务代价、类别先验和处置容量；漏报更昂贵时侧重 Recall 或偏 Recall 的 Fβ 并设 Precision 下限，误报更昂贵时侧重 Precision 或偏 Precision 的 Fβ 并设 Recall 下限，两类代价可量化时直接比较期望成本。正类稀少时补充 PR-AUC，概率参与风险或定价时检查校准，最后统一在验证集选阈值并在隔离测试集终评。

图表加载中…

读图结论： 指标选择从错误代价和业务约束出发，阈值在验证集按这些约束确定；Accuracy、F1 或 AUC 都不能脱离正类定义、先验、成本和校准单独决定上线动作。

图中 Recall、Precision、PR-AUC 和校准指标回答的是不同问题：前两者描述某个阈值下的错误结构，PR-AUC 描述跨阈值排序权衡，校准描述概率是否可信。最终决策仍应回到 FP/FN 成本、处置容量和隔离测试证据。

3. 一问一答 ​

第 1 题｜L1 概念｜传统机器学习为什么仍然重要？ ​

核心考察点｜归纳偏置、数据形态和模型选择

面试官提问

在深度学习和大模型普及后，什么场景仍应优先考虑传统机器学习？

30 秒专业短答

传统机器学习包含线性、核方法、树与集成等归纳偏置不同的模型，并不等于“过时模型”。在小样本、强表格结构或特征已有业务语义时，它们往往能提供更高效的基线；线性模型和受限浅树通常较易解释，部署成本仍取决于模型规模、特征流水线与延迟约束。

小白解释

不是所有运输都要用火箭：城市送货时小货车更便宜、好维修、路线也清楚。模型选择同样要看货物、距离和成本，而不是只看技术是否新。

  • 合格线｜ 说明传统模型在表格、小数据、解释和低成本场景的价值；
  • 加分项｜ 提出“预训练 Embedding + 传统分类头”作为高维非结构化数据的基线；
  • 高频误区｜ 按模型新旧排名，或认为传统模型必然比深度学习差；
  • 下一问｜ 建立基线价值后，先深入最常见的概率分类基线——逻辑回归。

第 2 题｜L2 边界｜逻辑回归为什么用于分类，它真正线性的是什么？ ​

核心考察点｜逻辑回归概率建模与决策层边界

面试官提问

请解释 Logit、Sigmoid、概率和业务阈值之间的关系。

30 秒专业短答

逻辑回归假设正类对数几率 log(p/(1-p))=wᵀx+b 对输入线性，经 Sigmoid 将线性得分映射为 (0,1) 概率，再由业务阈值转成动作。线性的是 Log-odds 和原始特征空间中的决策边界，不是概率本身；阈值也不是模型固定真理。

小白解释

模型先像秤一样把多项因素加权得到风险分，再用一条平滑刻度把分数换成概率；是否拦截还要看业务能承受多少误报，就像安检门灵敏度不是秤本身决定的。

  • 合格线｜ Log-odds 线性、Sigmoid 概率、阈值由验证和业务代价选择；
  • 加分项｜ 写出二元交叉熵与 Xᵀ(p-y)/n 梯度，并区分排序与概率校准；
  • 高频误区｜ 说逻辑回归先做线性回归再硬截断，或默认 0.5 永远最优；
  • 下一问｜ 线性边界表达不足时，需要理解决策树与集成学习如何引入非线性。

第 3 题｜L3 原理｜决策树、Bagging、随机森林和 Boosting 的本质区别是什么？ ​

核心考察点｜树模型机制、相关性、偏差与方差

面试官提问

请从划分机制、偏差—方差和训练依赖解释，而不是只说“很多棵树”。

30 秒专业短答

决策树用特征划分递归降低节点不纯度，深树通常偏差较低但方差较高；Bagging 对不同 Bootstrap 样本训练基学习器并聚合，在模型具有足够多样性时主要降低方差；随机森林再随机选择候选特征以降低树间相关性。梯度 Boosting 串行拟合当前损失对模型输出的负梯度，通常逐步降低拟合偏差，但最终偏差与方差仍受树深、学习率、轮数、子采样、正则化和噪声共同影响。

小白解释

单棵树像一位容易受样本影响的评委；Bagging 让多位看过不同抽样材料、意见不完全相同但仍可能相关的评委共同投票，随机森林还让他们关注不同证据；Boosting 则像一位老师逐轮针对当前整体扣分方向改进。

  • 合格线｜ 树递归划分；Bagging 并行平均；随机特征去相关；Boosting 串行修正负梯度；
  • 加分项｜ 说明增加树数只能降低不相关方差，Boosting 仍会对噪声过拟合；
  • 高频误区｜ 认为随机森林一定不过拟合，或说 Boosting 每轮只拟合“错误标签”；
  • 下一问｜ 模型能输出分数后，必须用正确指标和阈值把分数转成业务决策。

第 4 题｜L4 实现｜如何实现类别不平衡分类的训练评测流水线？ ​

核心考察点｜训练—验证—测试流水线、混淆矩阵、抽样校正与决策阈值

面试官提问

说明数据切分、重采样、指标计算、阈值选择和测试终评分别在哪一步完成。

30 秒专业短答

先按上线时间或实体边界切分数据；缺失处理、编码、缩放、类别权重和重采样只在训练集拟合。验证集依据混淆矩阵计算 Precision=TP/(TP+FP)、Recall=TP/(TP+FN) 和 F1，并结合容量或成本选阈值；方案冻结后由测试集终评。验证和测试通常应反映部署先验；若因稀有正类采用抽样评测，必须使用抽样权重或先验校正，并保留代表真实流量的独立验收集。

小白解释

一千封邮件只有十封诈骗，全部判安全也有 99% 准确率，但十封全漏了。给少数类加权像训练时更重视诈骗样本，调整阈值像上线后改变报警灵敏度，两者不是一件事。

  • 合格线｜ 训练内拟合/采样；验证集计算指标并选阈值；测试集终评；抽样评测需校正并保留代表性验收集；
  • 加分项｜ 根据人工容量使用 Recall @ Precision≥目标 或成本矩阵，并报告 Log Loss/Brier 与分概率桶校准；
  • 高频误区｜ 只换成 F1 就认为问题解决，或对验证/测试抽样后不做校正便宣称代表真实流量；
  • 下一问｜ 即使离线指标和阈值设计合理，线上仍可能因校准、漂移或服务链路失败。

第 5 题｜L5 工程｜AUC 很高但线上效果差，如何定位？ ​

核心考察点｜从离线排序指标到线上决策的完整链路

面试官提问

请区分排序、校准、阈值、数据和服务问题，并给出排查顺序。

30 秒专业短答

AUC 主要反映排序，不能证明概率校准、业务阈值或容量约束正确。我会先核对正类、标签窗口、阈值和业务动作，再比对离在线特征的值、顺序、单位、缺失与版本，随后检查校准、先验/输入漂移和错误切片，最后才评估模型本身。

小白解释

排队顺序大致正确，不代表每个人的风险分值准确，也不代表入口只放多少人合适；如果线上证件读取错了，排序算法再好也会做错决定。

  • 合格线｜ 口径、阈值、特征一致性、校准、漂移和切片逐层检查；
  • 加分项｜ 区分 ROC-AUC 与 PR-AUC，查看概率桶、回退比例、反馈回路和模型/阈值共同版本；
  • 高频误区｜ 继续追求更高 AUC，或不看线上 Pipeline 便直接换模型；
  • 下一问｜ 要稳定发布，需要把预处理、模型、校准、阈值和监控打包成一个可回滚系统。

第 6 题｜L6 架构｜如何设计可发布、可回滚的分类系统？ ​

核心考察点｜训练/服务一致性、制品化、门禁与观测

面试官提问

从训练 Pipeline 到线上决策层，你会如何管理版本和质量门禁？

30 秒专业短答

我会让缺失处理、编码、缩放、模型、校准器、标签映射和阈值形成不可分割的版本制品，训练内拟合、验证集选方案、测试集终评。发布通过黄金样本核对离在线一致性，再影子或灰度；线上按数据、模型、决策和系统四层监控，并保留旧制品与一键回退。

小白解释

像把秤、砝码、单位换算表和报警线装成一个整套仪器，不能只换秤芯却沿用旧刻度；出厂前用标准砝码校验，灰度使用有问题就整套切回旧版本。

  • 合格线｜ 完整 Pipeline 共同版本化，黄金样本、灰度、分层监控和回滚；
  • 加分项｜ 加入特征契约、标签快照、按语言/来源/时间切片、阈值容量回归和失败样本入库；
  • 高频误区｜ 只保存模型文件，或模型升级后继续使用旧阈值和旧校准器；
  • 下一问｜ 最后用源文档示例说明从基线选择到发布验证，并明确不能声称的结果。

第 7 题｜L7 项目复盘｜AI 视频风险分流项目应如何选择模型并验收？ ​

核心考察点｜基线、错误分析、模型升级与证据边界

面试官提问

假设正类稀少、漏审和误拦成本不同，你会怎样从基线演进？当前仓库能证明什么？

30 秒专业短答

这是源文档中的示例项目：先用逻辑回归验证特征和标签是否有信号，再根据非线性残差比较限制深度的树、随机森林或 Boosting；验证集按人工容量和误判代价选阈值，测试集报告混淆矩阵、校准和时间/创作者/语言切片。仓库没有真实实现与数据，不能声称任何效果提升。

小白解释

先用一把透明的直尺检查数据方向是否合理，弯曲关系明显时再换更灵活的尺子；最终不是比哪把尺子名字高级，而是看固定考卷、误拦成本和不同人群上是否可靠。

  • 合格线｜ 逻辑回归基线、非线性残差、阈值/校准、真实先验和分切片验收；
  • 加分项｜ 补充标签版本、同源/时间切分、未知类别、生成模型版本漂移和旧模型回退；
  • 高频误区｜ 不做基线直接上复杂模型，或把示例中的架构和指标说成已上线成果；
  • 下一问｜ 本组题结束；应通过同一冻结切分比较模型，并记录错误类型而不是只看排名。

4. 自测与评分 ​

  • [ ] 手写逻辑回归 Log-odds、Sigmoid、交叉熵和梯度的关系；
  • [ ] 画出决策树、Bagging、随机森林和 Boosting 的因果区别；
  • [ ] 用一份不平衡混淆矩阵解释 Accuracy、Precision、Recall 和阈值；
  • [ ] 对“AUC 高但线上差”写出逐层证据清单；
  • [ ] 按准确性、原理深度、工程意识、项目表达、沟通结构各 0～5 分评分；
  • [ ] 第 7 题不得把示例方案写成真实经历或虚构效果。

5. 事实边界与参考资料 ​

  • 单一事实源：传统机器学习与评测；
  • 源文档依据包括 scikit-learn Linear Models、Decision Trees、Ensembles、Metrics、Calibration，以及 Random Forest、Gradient Boosting 和 XGBoost 原始论文；
  • 模型与阈值不存在脱离数据、标签和业务代价的通用最优选择；

当前无法确认｜ 示例视频风险分流的代码、数据、模型效果、线上校准、延迟、成本和业务收益。

6. 总结 ​

一句话记忆： 传统机器学习的核心是让模型归纳偏置、数据边界、概率质量和业务决策彼此对齐。

  • 逻辑回归学习线性 Log-odds，树递归划分，Bagging 降方差，Boosting 逐步修正损失；
  • Accuracy、AUC 和 F1 都不是万能指标，阈值必须回到业务代价；
  • 采样和预处理只能在训练数据中拟合，验证选方案，测试做终评；
  • 线上退化要查口径、特征、校准、漂移、版本和服务；
  • 项目选型必须从简单基线与错误证据出发，不能编造效果。