校招季经常有人翻出几份流传最广的笔试真题iHandy 2019 校招的机器学习/算法工程师笔试题就是其中之一。它之所以被反复讨论是因为考点分布非常典型既有机器学习基础概念又有硬核的数据结构与算法还带一些让人摸不着头脑的进阶发散题。我当年整理这份题目时也踩了不少坑后来给学弟学妹做辅导时发现大家搜索最多的几个点——KMP 的 next 数组、粒子群算法原理、各种排序算法的复杂度——恰恰就是这份试卷里最容易卡住人的地方。这篇文章不是给原题答案的而是结合我自己做题、复盘、辅导的经验把这类算法岗笔试题背后的考点逻辑拆开讲清楚。无论你是正在准备秋招的应届生还是想查漏补缺的职场新人只要目标是机器学习算法方向这篇文章都能帮你少走不少弯路。1. 先弄明白这份试卷到底在考什么很多人拿到笔试题就急着刷题结果越做越慌。我的建议是先站高一点看试卷结构搞清楚出题人想筛选什么样的人再决定复习重心。1.1 一份典型移动互联网算法岗笔试题的结构iHandy 那年招的是机器学习/算法工程师岗位定位是移动互联网产品背后的算法支持。这类公司的笔试题通常不是单纯考深度学习调参而是把“算法工程师”拆成两个能力维度算法基础数据结构与经典算法和机器学习基础模型原理与机器学习应用流程。从题型上看一般分为几个部分第一部分是选择题覆盖机器学习基础概念比如偏差方差、过拟合、常见损失函数、聚类算法特性权重不高但题量不小第二部分是填空题偏爱数据结构细节比如某种排序算法在特定数据下的比较次数、KMP 算法的 next 数组第三部分是简答题让你解释某个模型原理或某个算法流程第四部分是编程题常见的有排序、动态规划、贪心、字符串处理。时间压力是这类笔试的真实难点。选择题看似简单但每题都要快速判断一犹豫后面编程题就来不及。我当时的策略是选择题平均每道不超过 1 分钟填空题不超过 2 分钟把整块时间留给编程题。这个策略来自一个朴素认知——编程题分值最大而且可以通过部分用例拿分性价比最高。1.2 从高频搜索词看大家的集体记忆我在整理相关资料时特意关注了围绕这套题的高频检索词非常有意思。被搜得最多的几个点KMP 算法中模式串abacaba的 next 数组、粒子群算法原理、机器学习期末复习、各种排序算法、Dijkstra 算法、贪心算法、快速幂。这些搜索词说明经历过这套题的人都在同一个地方栽过跟头。这些高频词背后其实透露出一个信息笔试的考点并不偏但问法很刁钻。比如 KMP 的 next 数组绝大多数人上课听过、刷题见过但真让你手算一个具体字符串的 next 数组很多人会卡住。粒子群算法也是一样属于优化算法中的经典内容但非优化方向的候选人可能完全没接触过。这就是出题人的策略——用“熟悉又容易出错”的知识点拉开差距。1.3 这类公司想要什么样的候选人做过几套校招笔试题之后你会发现一个规律笔试不是要你拿满分而是要你证明自己具备“可培养”的潜力。iHandy 这类移动互联网公司算法团队要解决的是真实产品问题比如用户行为预测、内容推荐、图像处理等所以他们要的不是纯调包侠也不是纯刷题家而是基础扎实、思维清晰、能落地的人。基础扎实体现在你对经典算法的原理边界有清晰认知比如知道 Dijkstra 不能处理负权边、知道快排在近乎有序的数组上会退化。思维清晰体现在面对陌生题时能拆解问题、从简单版本开始思考。能落地则体现在你对机器学习应用流程的理解不是停留在调库而是知道数据清洗、特征工程、模型评估在哪里发力。明白这三点你就知道复习时该怎么分配精力了。2. 机器学习基础题别让基础概念变成丢分题机器学习部分的考察范围其实比较固定翻来覆去就是模型评估、正则化、经典模型原理、聚类降维这些。但正因为固定出题人容易在细节上做文章你以为你会一写就错。2.1 模型评估指标不平衡样本下的选择选择题和简答题里几乎必考模型评估。最基础的是准确率、精确率、召回率、F1 值的关系。很多人的误区在于习惯性认为准确率越高模型越好但一旦遇到正负样本不平衡准确率就失真了。举个例子假设 1000 个样本里只有 10 个是正样本模型全预测为负样本准确率也有 99%。但这个模型没有任何实际价值。所以笔试题里只要提到“样本不平衡”你就应该想到用精确率、召回率、F1 或 AUC 来评估。精确率是“预测为正的样本中有多少是真的正样本”召回率是“真实正样本中有多少被找出来了”。F1 是两者的调和平均在不平衡场景下比准确率有参考价值得多。如果题目更深一步可能会让你解释 ROC 曲线和 AUC。我当时复习时是这么理解的ROC 曲线横轴是假正例率纵轴是真正例率AUC 是曲线下的面积表示随机抽取一个正样本和一个负样本正样本得分高于负样本的概率。AUC 的优势在于它对样本分布不敏感即使正负比例变化AUC 也相对稳定。简答题如果考到这个按这个逻辑答思路是清晰的。2.2 正则化L1 为什么能稀疏L2 为什么能平滑正则化是高频考点尤其是 L1 和 L2 的区别。很多人只背结论“L1 产生稀疏解L2 防止过拟合”但简答题要求你说清楚为什么。我习惯用损失函数加约束的角度来讲。加了 L1 正则项后优化目标变成在原损失基础上加权重绝对值的和在零点附近L1 的梯度是常数不随权重变小而变小所以权重很容易被压到 0这就是稀疏性的来源。而 L2 正则项是权重平方和梯度大小正比于权重本身权重越小梯度越小只会让权重趋向 0 但很难等于 0所以 L2 不会产生严格稀疏解只是让权重整体变小模型变得更平滑。另外一个常考的角度是几何解释。把损失函数的等高线画出来L1 约束是一个菱形最优解容易落在坐标轴上也就是某些维度权重为 0L2 约束是一个圆形最优解一般不会落在坐标轴上。这个图我建议你自己动手画一遍印象会深很多。2.3 高频模型考点LR、SVM、树模型与集成学习经典模型的选择题和简答题也是重头戏其中逻辑回归LR几乎必考。常问的一个陷阱题是为什么 LR 用交叉熵损失而不是均方误差MSE答案是逻辑回归的输出经过 sigmoid 映射如果用 MSE损失函数是非凸的梯度下降容易陷入局部最优而交叉熵损失在这个模型下是凸函数有全局最优解。另一个角度是交叉熵对应极大似然估计有概率解释。SVM 常考的包括核函数的作用、软间隔的 C 参数含义。核函数本质是隐式地把样本映射到高维空间让原本线性不可分的数据变得可分同时不需要显式计算映射后的坐标只要算内积。C 参数是惩罚系数C 越大对误分类的惩罚越重越容易过拟合。树模型和集成学习是简答题大户。随机森林和 GBDT 的区别是我见过最多的题随机森林是 Bagging 思想每个树独立训练、并行生成最终投票或平均主要降低方差GBDT 是 Boosting 思想树是串行生成的每棵树拟合前面所有树的负梯度残差近似主要降低偏差。如果考到 XGBoost 为什么快可以从二阶泰勒展开、列采样、特征预排序和并行化这几个点回答。2.4 聚类、降维与特征工程聚类和降维在选择题里出现频率很高。K-Means 必考点是算法步骤、如何选 K、对初始中心敏感。K-Means 的步骤是随机选 K 个中心点迭代执行“分配样本到最近中心”和“重新计算中心”两步直到收敛。选 K 常用肘部法则画出 K 值与代价函数样本到所属中心距离平方和的关系图找拐点。对初始中心敏感是 K-Means 的天然缺陷K-Means 通过让初始中心尽可能分散来缓解。PCA 的考点是它做了什么。PCA 通过线性变换把原始特征映射到新的正交坐标系新坐标系的轴按方差大小排列取前 k 个方差最大的方向实现降维。从数学上讲PCA 等价于对协方差矩阵做特征值分解取最大的 k 个特征值对应的特征向量。这里我提醒一句PCA 之前一定要做特征标准化否则数值范围大的特征会主导方差计算这是我实际踩过的坑。特征工程虽然不一定单独出题但简答题可能让你结合场景设计特征。基础的套路包括缺失值处理均值填充、中位数填充、删除、类别特征编码独热、标签编码、连续特征离散化、特征归一化。归一化尤其重要因为 LR、SVM、K-Means 这类基于距离或梯度的模型对特征尺度敏感而树模型对尺度不敏感。2.5 备考资料怎么用才高效很多人问我复习机器学习该看什么资料。热搜词里有“周志华 机器学习 pdf”和“吴恩达机器学习”其实这两者搭配使用效果最好。吴恩达的课程作为第一遍入门快速建立框架感对新手友好周志华的西瓜书作为第二遍精读它的特点是理论推导多、细节丰富适合用来补齐“为什么”。李航的《统计学习方法》更适合作为工具书遇到某个模型不懂就去查对应章节不用从头啃。我的建议是不要贪多。机器学习知识点多而杂用“框架 查漏”的方式最高效先花一两周过完吴恩达课程建立整体认知然后对着招聘常考的知识点清单一项项过西瓜书里的对应章节把推导过程亲手写一遍。单纯看书不手推考试时遇到推导题还是会卡壳。3. 数据结构与算法笔试里的硬仗数据结构与算法部分通常是拉开分数差距的关键。这部分题目不像机器学习那么有套路它真的考你写代码的基本功和边界处理能力。3.1 手算 KMP 的 next 数组从一道填空题说起搜索这个词的人特别多这题确实是经典中的经典。题目往往是这样的对于模式串pabacaba求其 next 数组。先说清楚 next 数组的定义不同教材的 next 数组定义有差异但核心都是“当前子串的最长相等前后缀长度”。我按最常见的一种定义来推next[i]表示模式串p[0..i]这个子串中最长的相等前缀和后缀的长度不包含子串自身。一步步来i0子串是a没有相等的前后缀因为前后缀不能是自身next[0]0i1子串是ab前缀有a后缀有b不相等next[1]0i2子串是aba前缀有a, ab后缀有a, ba最长相等的是a长度 1next[2]1i3子串是abac前缀a, ab, aba后缀c, ac, bac没有相等的next[3]0i4子串是abaca前缀有a, ab, aba, abac后缀有a, ca, aca, baca最长相等的是a长度 1next[4]1i5子串是abacab前缀有a, ab, aba, abac, abaca后缀有b, ab, cab, acab, bacab最长相等的是ab长度 2next[5]2i6子串是abacaba前缀有a, ab, aba, abac, abaca, abacab后缀有a, ba, aba, caba, acaba, bacaba最长相等的是aba长度 3next[6]3所以按“最长相等前后缀长度”的定义next [0, 0, 1, 0, 1, 2, 3]。这里有一个特别容易踩的坑如果你用的是另一套教材比如严蔚敏数据结构里的定义next 数组可能从下标 1 开始而且next[1]0, next[2]1按这个定义算出来会变成[0, 1, 1, 2, 1, 2, 3]。所以考试时如果遇到这种题先看清楚题目给的 next[i] 定义再动手如果题目定义含糊可以在答案里注明你采用的定义我当年这样做反而被面试官认可了。3.2 排序算法全家桶复杂度对比与手写要求排序算法是笔试题里的常青树选择填空和编程题都可能涉及。最基础的要求是手写快速排序、归并排序、堆排序知道各算法的时间复杂度、空间复杂度、稳定性。我先放一张对比表这个表建议刻在脑子里排序算法平均时间复杂度最坏时间复杂度空间复杂度稳定性冒泡排序O(n²)O(n²)O(1)稳定选择排序O(n²)O(n²)O(1)不稳定插入排序O(n²)O(n²)O(1)稳定希尔排序O(n^1.3) 左右O(n²)O(1)不稳定归并排序O(n log n)O(n log n)O(n)稳定快速排序O(n log n)O(n²)O(log n)不稳定堆排序O(n log n)O(n log n)O(1)不稳定笔试里几个容易被追问的点第一快排最坏情况什么时候出现当每次 partition 选到的基准都是当前区间最值导致区间划分严重不均比如对已经近乎有序的数组用固定选第一个元素做基准就会退化到 O(n²)。解决办法是随机选基准或三数取中。第二为什么快排不稳定因为基准元素会和远端元素交换可能把相同元素的相对顺序打断。第三堆排序建堆复杂度为什么是 O(n)虽然是逐层调整但越底层节点越多而调整次数越少求和下来是线性的。手写快排时我建议记住这个简洁版本void quickSort(vectorint nums, int l, int r) { if (l r) return; int i l, j r, pivot nums[l]; while (i j) { while (i j nums[j] pivot) j--; nums[i] nums[j]; while (i j nums[i] pivot) i; nums[j] nums[i]; } nums[i] pivot; quickSort(nums, l, i - 1); quickSort(nums, i 1, r); }3.3 图论与贪心Dijkstra 的边界和经典贪心题图论算法里Dijkstra 是笔试选择题和面试追问的常客。核心考点有两个一是它为什么不能处理负权边二是如何优化到 O(E log V)。Dijkstra 是贪心策略每次从未确定最短路的节点中选距离最小的节点认为它的最短路已经确定。这个结论成立的前提是“所有边权非负”因为如果边权非负当前选出的最小距离节点不可能被其他未确定节点通过更长的路径更新出更短的距离。一旦存在负权边这个前提就崩塌了——某个节点虽然当前距离很大但可以通过一条负权边被大幅更新。所以遇到负权边应该用 Bellman-Ford 或 SPFA。堆优化 Dijkstra 的思路是用优先队列维护“当前距离最小的未确定节点”每次取出堆顶节点松弛它的邻接边如果某个邻接节点距离被更新就重新入堆。代码模板建议自己默写一遍这里不展开贴完整代码但面试官很可能让你在白板上写。贪心算法是编程题里常见的类型。经典的区间调度问题给定一系列区间选择尽可能多的互不重叠的区间策略是按区间结束时间排序每次选结束时间最早且与已选区间不重叠的那个。这道题的意义在于说明贪心不是拍脑袋需要证明贪心策略的正确性——通常用交换论证法即假设最优解的第一个区间不是贪心选的区间的那个可以替换成贪心选的区间而不影响后续选择。3.4 容易被忽略的快速幂和位运算快速幂也是这类笔试的热搜词。它其实不难但如果你没见过现场想会比较吃力。核心思路是用二分思想把幂运算的复杂度从 O(n) 降到 O(log n)long long fastPow(long long base, long long exp, long long mod) { long long res 1; while (exp 0) { if (exp 1) res (res * base) % mod; base (base * base) % mod; exp 1; } return res; }原理是把指数写成二进制比如a^13相当于a^(841)也就是a^8 * a^4 * a^1。循环里不断把 base 平方对应二进制位的贡献当当前位是 1 就乘到结果里。笔试里如果考快速幂一般会结合取模运算因为幂运算结果可能溢出。位运算相关的还有判断一个数是不是 2 的整数次幂可以用n 0 (n (n - 1)) 0统计二进制中 1 的个数可以用n (n - 1)不断消掉最低位的 1。这些技巧性强的题属于面试官“用小知识点考察基本功扎实程度”的典型手段。4. 进阶与发散题考的是知识面和学习能力笔试里总会出现一些让你一愣的题目它们不在常规复习范围内但出现得很有规律。我印象最深的就是粒子群算法原理这题在网上被搜了无数次。4.1 粒子群算法原理为什么会出现在笔试题里粒子群算法PSO是一种启发式优化算法模拟鸟群觅食行为。每个候选解被看作搜索空间中的一个“粒子”粒子有位置和速度通过不断更新位置来逼近最优解。核心更新公式有两个。速度更新v w * v c1 * r1 * (pbest - x) c2 * r2 * (gbest - x)位置更新x x v其中 w 是惯性权重控制粒子保持原速度的能力c1、c2 是加速常数分别控制向个体历史最优位置 pbest 和群体全局最优位置 gbest 学习的程度r1、r2 是 [0,1] 之间的随机数。如果你只背公式笔试还是可能不会答。出题人更可能问的是“粒子群算法的基本思想是什么”或者“和遗传算法有什么区别”。我的回答思路是PSO 本质上是对种群的合作与信息共享的模拟每个粒子利用自身经验和群体经验调整运动方向。和遗传算法的区别在于遗传算法通过选择、交叉、变异操作迭代而 PSO 没有交叉变异只通过速度位移更新实现更简单、参数更少。从这个角度回答即使没准备过也能写出个自洽的答案。4.2 模拟退火用物理过程解优化问题模拟退火和粒子群算法经常成对出现因为都属于无启发式优化算法。模拟退火的基本思想来自金属退火过程加热到高温后缓慢冷却让原子达到能量最低的稳定状态。算法核心是 Metropolis 准则假设当前解为 x产生一个新解 x如果新解更优就直接接受如果新解更差也不是直接拒绝而是以概率 exp(-ΔE/T) 接受它其中 ΔE 是新解与旧解的差差越大接受概率越低T 是当前温度。随着温度降低接受劣解的概率越来越小最终收敛。为什么接受劣解因为这样可以跳出局部最优。如果只接受更优解算法就是纯粹的爬山法很容易困在局部极值。模拟退火的精髓在于前期温度高、探索性强后期温度低、收敛性强。如果笔试出简答题把“接受劣解的概率公式 好处 温度逐渐降低”这三点答出来基本能拿到分。4.3 更偏门的工程与学术考点RETE、KL 散度与 ELBO有些高频搜索词让我觉得意外比如“规则引擎 drools 的 rete 算法实现原理”和“kl elbo 算法原理详解”。这说明这套笔试题或同期的面试题可能涉及工程和学术边角知识。RETE 算法是规则引擎比如 Drools的核心匹配算法它的主要思想是缓存事实对象将规则匹配过程网络化避免每次规则触发时都重新匹配所有条件。如果你没接触过规则引擎第一眼看到这个题会懵。我的建议是如果笔试现场遇到完全没概念的题不要直接放弃而是从名字推断——RETE 在拉丁语里是“网”的意思算法本质就是构建一个判别网络来加速匹配。这个推断方向即使不完全准确也比交白卷好。KL 散度和 ELBO 则是概率图模型和变分推断领域的概念。KL 散度用来衡量两个概率分布的差异ELBO 是变分推断中通过最大化下界来逼近难以计算的真实后验的核心工具。这类题大概率是筛选“对前沿方向有了解”的候选人不需要深究但如果你在简历里写了熟悉概率图模型就要能说出 KL 散度非负和不具备对称性这两个性质。4.4 遇到完全没见过的题怎么拿分这一节我想多说几句因为“遇到不会的题怎么办”是校招笔试里最真实的场景。我自己的经验是先稳住心态把题目当成一场小型的开放研究问题来解。第一步是把问题用自己的话重新描述一遍拆解成已知条件和目标。第二步是找一个最简单版本的解法。比如让你设计一个音频重采样算法你没专门学过但你知道“重采样”就是改变采样率最简单的方案就是线性插值比如把 44.1kHz 转成 22.05kHz每两个点取一个如果是非整数倍用最近邻插值或线性插值。这个方案可能不是最优但它展示了你的问题拆解能力。第三步如果时间充裕再补充改进方向比如用 sinc 滤波器做抗混叠处理。面试官和判卷人看重的从来不是“你全会”而是你在不会的时候有没有一套可复用的思考方法。这道题我在给学弟学妹辅导时反复强调笔试不要求满分但要求你拿够关键分。5. 考完之后才明白的事给下一届的备考点拨这套题复盘完之后我想聊一些更实在的备考策略。这些内容来自我自己的经历和带人的经验不一定写在任何教材里但对实际拿 offer 很有用。5.1 三轮复习法打基础、刷题、过项目如果离笔试还有一个月我建议把时间切成三块。第一周和第二周是基础轮主要任务是把机器学习核心概念和经典算法过一遍重点是理解原理而不是背答案。第三周是刷题轮每天固定时间在在线评测系统上写代码题重点练习排序、动态规划、贪心、字符串处理这四类高频题。第四周是项目轮把简历上写的项目重新梳理一遍确保每个模型选择、每个参数设置都能说出理由。这个顺序是我当时总结出来的。很多人一上来就刷题结果刷到最后机器学习基础忘了本末倒置。先过概念是为了建立知识地图再刷题是为了把地图上的关键节点练熟最后过项目是为了应对“笔试通过后立刻面试”的情况。5.2 确定拿分项与策略性放弃拿到笔试试卷我建议花一两分钟快速浏览全部题目在心里给题目分类必拿分题、努力题、放弃题。必拿分题通常是排序算法复杂度、KMP next 数组、LR 原理这类基础题这些题不能错错了基本说明基础不牢。努力题是 Dijkstra 优化、动态规划中等难度这种需要思考的题做出来能拉开差距。放弃题是完全没有头绪的进阶发散题比如你完全没接触过的特定工程算法花太多时间不值得。策略性放弃不是让你交白卷而是不要死磕。如果最后一题完全不会写一个暴力解的思路框架把时间复杂度标注清楚也能拿到部分过程分。我见过很多人前 90 分钟纠结一道选择题最后编程题没时间写这是最亏的。5.3 把笔试题变成面试素材库最后分享一个我自己觉得最有用的技巧每做完一套笔试题不要对完答案就扔而是把错题整理成一个素材库每条记录包含三个字段题目描述、正确答案、背后原理。更重要的是在“背后原理”后面追加一行“面试官可能会怎么追问”。比如你错了“KL 散度为什么非负”这道题你整理的追问可能是“ELBO 推导中哪一步用到了 Jensen 不等式”。再比如你手写快排时把 partition 写错了你可以预设追问“如果你选第一个元素做基准遇到有序数组会怎样”。这样当笔试通过进入面试时你已经有了一整套“防追问”预案。我当年把八套笔试题整理成一个几十条记录的本子面试时遇到的很多问题都在这个本子里找到过影子。笔试不只是笔试它其实是面试官提前发给你的复习提纲明白了这一点你的备考效率会高很多。
