面试官先做了自我介绍，是个温柔又犀利的小姐姐，先是祝贺我通过了一面，说再坚持两轮。然后自我介绍

然后因为一面的时候问了distinct我不会，二面姐姐问我会了吗，和一面也有讨论和你说了记得看一下，看你有没有看（确实是没想看，侥幸心理，一心看XGBoost去了）

大数据的基本架构（直接不会。。。）

快排

二叉树有几种遍历情况，根据先序和中序构造二叉树或输出某个节点，说一下过程没有让写代码（感谢）

面试官不知道该问什么了

然后问了简历的第一个项目，年收入预测（这个年代久远也是侥幸心理没有回顾），先介绍一下背景，实现过程，难点和解决办法等

对于特征是怎么处理的，缺失值，异常值

k值的选取，过大过小会怎么样（答案：K值的减小就意味着整体模型变得复杂，容易发生过拟合。如果选择较大的K值，就相当于用较大领域中的训练实例进行预测，其优点是可以减少学习的估计误差，但缺点是学习的近似误差会增大；实际应用中，K值一般取一个比较小的数值，例如采用交叉验证法（简单来说，就是一部分样本做训练集，一部分做测试集）来选择最优的K值。）

怎么判断某个特征不重要

pandas中的DataFrame是什么类型，series是什么类型（答案：DataFrame是表格型数据结构，可以单独创建，也可以由别的类型转换过来：列表、series、字典等等。Series类似于1维数组，由索引+数值组成）

 

 

（很可惜没有录音，希望以后可以有机会进去体验和共事）

面试官姐姐最后聊了一会儿天，讲了实际业务和学习能力，说可能他们那里的业务工作不适合去为了学习而学习，但也不是学不到东西，只是说适不适合，未来的规划balabala。总之很醍醐灌顶的感觉。包括她有和一面面试官讨论过我哪里不足，二面看一看有没有去补充完善。像是机器学习这一点已经很是体系化，任何一个小白都可以调用一个模型去实现功能，像是数据量的由来，也不是说等着别人给，实际业务中都是自己或团队去收集处理。……