由于百度是秋招的时候面的，现在很多问题都记不住了，这里只写下我还记得的题目吧(当时太懒了，不想写了。。。)：
1.文本分类比赛用的什么模型？为什么？
答：LR、SVM、XGBoost。。。
问：最终选用了哪个？
答：blabla。。。线性核的SVM
问：为什么选线性核SVM？
答：效果最好，特征数目远大于样本数目时，选线性核的SVM比较好。
问：为什么？
答：LR受全部样本的影响，SVM只受支持向量的影响。(感觉有些牵强)
2.文本分类的数据是怎样的？类别标签是怎样的？
答：blabla。。。
3.LR多分类是怎么实现的？
答：softmax层
问：为什么用softmax层，而不用onevsall等多分类策略
。。。不记得了
4.SGD如何改进优化？
答：这里我理解错了，实际上他是想问mini-batch梯度下降。
5.推导带L1正则项的LR，以及如何进行优化的？
答。。。
6.gdbt和xgboost的区别？
答：（经典面试题）。。。
7.树模型、xgboost、gbdt哪个需要做特征归一化？
。。。
8.面对一个任务，如何选择模型？
我感觉这里可以理解为模型的使用场景。。。
9.LR和SVM的区别？
答：（经典面试题）。。。
10.过拟合的解决手段？
。。。
11.CNN、RNN、LSTM的原理？
。。。
12.书写下链表逆序？
。。。。
13.书写归并排序，并优化到空间复杂度为O(1)
。。。双指针
14.几种梯度下降法的区别？
。。。
15.Hadoop相关