仅供参考：

用过哪些机器学习算法

1.说一下xgboost的原理

2.GBDT的原理以及常用的调参的参数

3.一个数组，找出第k大的数

4.快排的思想是什么，排序算法哪些时间复杂度比较低

5.特征选择方法都有用过哪些，特征重要性

6.除了k-means，还可以用什么聚类方法，或者你还熟悉什么聚类方法

7.朴素贝叶斯原理

8.TF-IDF原理

9.你都知道哪些分类算法

10.LDA的原理是什么？

11.你用过Python 那么你Python都用过哪些机器学习的库？

12.逻辑回归的思想和过程，损失函数是什么，如何训练得到最优参数

13.如何判断模型有没有过拟合

14.user-cf、item-cf公式，原理区别

15.有监督和无监督算法都有哪些，大概讲讲
有监督：linear model、logisit model、决策树、随机森林、朴素贝叶斯、KNN、SVM
无监督：kmeans、PCA

16.lr与线性回归的区别

https://blog.csdn.net/qq_38328378/article/details/81349922
线性回归与逻辑回归是机器学习中比较基础又很常用的内容。线性回归主要用来解决连续值预测的问题，逻辑回归用来解决分类的问题，输出的属于某个类别的概率，工业界经常会用逻辑回归来做排序。

手写代码:
topk
手撸代码，不用库函数求一个数的立方根，要求误差小于0.01
手写代码实现lr的训练与预测
如何判断单链表中是否有环？

LR、SVM（推导及原理）、树模型（xgboost推导及原理）、集成学习（原理和区别）