网易2018校招机器学习算法工程师笔试卷现在回过头看依然是一份很有代表性的考察样本。那阵子算法岗远没有现在这么卷但这张卷子已经相当扎实地覆盖了机器学习与算法的核心骨架数据结构、经典算法、统计学习理论、模型评估、特征工程外加几道编程实战。我身边不少当年一起刷题的朋友后来面试其他大厂时也都遇到同款知识点所以这份卷子的参考价值并不随时间过期反而很适合拿来检验基本功。如果你正在准备算法岗校招或者刚入门机器学习想确认自己到底缺哪块这份题目拆解能帮你把知识清单捋清楚。1. 笔试全貌与考察逻辑拆解1.1 一张卷子考了什么题型与知识点分布网易这套笔试卷的题型结构基本沿用了国内互联网大厂算法岗笔试的成熟框架。从公开资料和参加过考试同学的复盘来看大致可以分为四类单选题、多选题、编程题、简答/推导题。每一类都有明确的考察侧重点不是随便凑出来的。为了让没参加过的人有个直观感受我把它整理成一张分布表。题型大致题量主要考察方向建议用时单选题10题左右机器学习基础概念、数据结构、概率统计15分钟多选题5题左右模型对比、算法特性、边界条件10分钟编程题2题左右数据结构、字符串、动态规划、搜索40分钟简答/推导题2题左右经典模型公式推导、特征工程思路、业务场景设计35分钟这个时间分配是我根据当年实际答题节奏调整过的一版。考试总时长一般是一个半小时到两小时最忌讳的就是在单选题上反复纠结。一张卷子的难度曲线通常不是均匀上升的前面几道基础题反而是送分题真正拉开差距的往往是编程题和最后一道综合推导题。从知识点覆盖来看排序算法、KMP、动态规划这些是代码题的常客逻辑回归、SVM、决策树、朴素贝叶斯这些经典模型则是理论题的主力再加一些概率统计和特征工程的内容。这套组合几乎成了后来几年互联网算法岗笔试的标准配方原因很简单它能在有限时间内同时考察候选人的代码功底和理论深度。1.2 网易选这些题的真实意图很多同学刷题时只关注“这题怎么做”但很少去想“公司为什么出这题”。我当年吃过这个亏直到面了多个团队才慢慢理解。网易这套卷子的出题逻辑其实反映了算法岗招聘的三个底层诉求。第一区分“刷题型选手”和“原理型选手”。单选和多选里的机器学习概念题表面上是考记忆实际上是考理解。比如问“下列哪个指标不受类别不平衡影响”如果只背过公式而没真正理解AUC和准确率的区别很容易在这类题上翻车。第二考察工程落地能力。编程题不会出纯竞赛难度的题目而是在经典算法上加了业务化包装比如给定用户行为序列求某个统计量这本质上是在模拟真实场景中的数据清洗和特征计算。第三检验学习深度。简答题里让推导逻辑回归的损失函数或解释SVM的对偶问题就是在淘汰那些只会调库、不懂原理的候选人。想明白这三点你就能理解为什么网易笔试不考深度学习而重点考传统机器学习。不是因为深度学习不重要而是校招笔试要覆盖更广的基础面深度学习完全可以放到面试环节再深入考察。作为候选人你不用面面俱到地去押题但一定要把经典算法的原理吃透做到能推导、能手写、能解释。2. 核心算法题解析从KMP到排序与搜索2.1 KMP算法next数组推导与手写注意事项KMP几乎是校招笔试编程题里的“钉子户”网易这张卷子也不例外。很多同学一看到KMP就头疼觉得next数组很难背。其实问题出在学习方法上如果你理解了next数组的本质根本不需要背。next数组的定义是对于模式串Pnext[i]表示P[0...i-1]这个子串中最长的相等前缀和后缀的长度。注意这里的前缀和后缀不能是子串本身。比如模式串 pabacaba我带你手推一遍next数组。当i0时next[0]约定为-1。i1时子串是a没有相等的前后缀所以next[1]0。i2时子串是ab前缀a不等于后缀bnext[2]0。i3时子串是aba前缀a等于后缀a长度1next[3]1。i4时子串是abac最长的相等前后缀长度是0next[4]0。i5时子串是abaca前缀a等于后缀anext[5]1。i6时子串是abacab前缀ab等于后缀ab长度2next[6]2。i7时子串是整个模式串abacaba最长的相等前后缀是aba长度3所以next[7]3。这个推导过程写出来很直观但真正手写代码时很多人会卡在“如何用递推求next”。核心思路是假设我们已经知道next[i]的值现在要求next[i1]就让当前的最长相等前后缀长度k去尝试扩展如果P[k]P[i]那么next[i1]k1如果不相等就回退到next[k]继续比较。这个回退过程是KMP最精妙也最容易被忽视的地方。void getNext(const string p, vectorint next) { int n p.size(); next.resize(n); next[0] -1; int k -1, i 0; while (i n - 1) { if (k -1 || p[i] p[k]) { k; i; next[i] k; } else { k next[k]; } } }建议你把这段代码亲手敲一遍然后带着刚推出来的数组走一遍匹配流程。KMP的核心价值在于主串指针不回溯这在处理大文本匹配时能保证O(mn)的复杂度。笔试中KMP题一般不会只让你写匹配更常见的是让你计算next数组或者求匹配位置所以两个都要熟练。2.2 排序算法手写快排、堆排与复杂度分析排序算法是数据结构部分考查频率最高的一类题网易笔试几乎每年都会涉及。原因是排序算法能同时考察代码实现能力、复杂度分析和边界处理能力。我见过太多同学能说出快速排序和堆排序的原理但一到笔试现场手写就各种bug这是典型的“眼高手低”。快速排序最重要的是partition函数的写法。我习惯用“挖坑法”来写不容易出错。思路是先取一个基准值一般取第一个元素形成一个“坑”然后从右向左找比基准小的元素填坑再从右向左找比基准大的元素填坑最后把基准放回坑里。这个过程结束后基准元素就位接着递归处理左右两半。int partition(vectorint arr, int left, int right) { int pivot arr[left]; while (left right) { while (left right arr[right] pivot) right--; arr[left] arr[right]; while (left right arr[left] pivot) left; arr[right] arr[left]; } arr[left] pivot; return left; } void quickSort(vectorint arr, int left, int right) { if (left right) return; int idx partition(arr, left, right); quickSort(arr, left, idx - 1); quickSort(arr, idx 1, right); }快速排序的时间复杂度平均是O(n log n)最坏情况是O(n^2)当输入序列已经有序且每次都取第一个元素作为基准时就会触发。笔试时如果题目要求写出“最坏情况下的时间复杂度”很多人的答案是错的就是没想清楚退化条件。堆排序的考点集中在建堆和堆调整两个操作上。建堆的过程是从最后一个非叶子节点开始自底向上做“下沉”操作时间复杂度是O(n)。堆排序的总复杂度是O(n log n)并且是原地排序不会额外占用太多内存。笔试中常见的手写题是“用堆排序求数组第k大的数”这种题用最小堆最方便维护一个大小为k的最小堆遍历数组如果当前元素比堆顶大就替换并做堆调整。这样堆顶就是第k大的数整体复杂度O(n log k)。2.3 高级数据结构的应用哈希、二叉搜索树与并查集除了排序和字符串网易笔试的编程题还喜欢考察哈希、二叉搜索树、并查集这些常见结构。它们很少以“请你实现一个哈希表”这种直白的形式出现更多是藏在某个业务场景里。比如“设计一个数据结构支持插入、删除和随机返回一个元素时间复杂度均为O(1)”这道经典题就需要你结合哈希表和动态数组来做。哈希表的本质是空间换时间。笔试中涉及哈希的题目一般不需要你从头实现哈希函数而是要求你分析哈希冲突对性能的影响或者设计合理的哈希函数。我建议你记住一个结论当装载因子超过0.75时哈希表的性能会急剧下降所以Java的HashMap扩容阈值就是0.75这个数字背后是有数据支撑的。二叉搜索树的核心考点是中序遍历有序性。很多题表面上跟BST无关比如“给定一个数组求每个元素右边第一个比它大的数”实际上可以用单调栈解决但BST相关思路也常出现。至于平衡二叉树AVL或红黑树笔试一般不会让你手写旋转但会考察你对平衡条件的理解。红黑树的五大性质最好背下来面试问到的概率很高。并查集是我个人非常推荐重点掌握的结构因为它代码量少、套路固定但能解决的题非常多。支持路径压缩和按秩合并的并查集单次操作的时间复杂度近似O(1)。国内大厂笔试里经常出现的“朋友圈数量”“岛屿数量”“连通分量”问题都可以用并查集秒解。我建议你专门练习一下手写并查集35行以内的代码量性价比极高。3. 机器学习理论考点详解3.1 模型评估指标准确率、召回率、F1与AUC的坑模型评估是机器学习笔试中最高频的知识点之一网易也不例外。这里有一个很多初学者都会踩的坑在类别不平衡的场景下准确率完全没有参考价值。比如99%的样本是负类模型把所有样本都判为负类准确率是99%但这显然不是一个好模型。所以笔试里只要出现“类别不平衡”几个字答案基本就往召回率、精确率、F1、AUC或者PR曲线方向靠。精确率和召回率是一对此消彼长的指标。精确率Precision TP/(TPFP)衡量的是“预测为正类的样本中有多少真的为正类”召回率Recall TP/(TPFN)衡量的是“真实正类样本中有多少被找出来了”。在垃圾邮件过滤场景中我们更关注精确率因为误杀正常邮件比漏放垃圾邮件更让人恼火在癌症筛查场景中我们更关注召回率因为漏诊的代价远高于误诊。F1是精确率和召回率的调和平均数公式是F1 2 * P * R / (P R)。注意是调和平均而不是算术平均调和平均对低值更敏感。如果一道题给了你混淆矩阵的四个格子让你分别算Precision、Recall、F1这属于送分题但前提是你把混淆矩阵的坐标弄清楚——横轴是预测值纵轴是真实值TP在左上角FP在右上角FN在左下角TN在右下角这个排列在很多资料里并不统一审题时一定要看清。AUC是一个更鲁棒的指标。AUC P(正样本的预测值 负样本的预测值)它衡量的是模型的排序能力对类别不平衡不敏感。绘制ROC曲线时横轴是FPR纵轴是TPR。AUC永远在0到1之间0.5相当于随机猜0.7以上算可用0.9以上说明模型有很强的区分能力。笔试中如果问“为什么AUC对不平衡数据不敏感”不要只答“因为AUC不考虑阈值”还要提到它是从排序角度计算概率本质上是穷举了所有正负样本对。3.2 经典模型推导逻辑回归、朴素贝叶斯与SVM网易笔试的简答题部分特别爱出“请推导逻辑回归”或“比较SVM和逻辑回归的异同”。这类题考察的是你能否把公式推导的链条完整写出来而不是背结论。逻辑回归的完整推导链条是先通过线性回归得到 z w^T x b再用sigmoid函数将z映射到(0,1)区间得到 h(x) 1 / (1 e^{-z})然后将h(x)解释为P(y1|x)。极大似然估计的负对数损失最终会得到一个损失函数就是交叉熵损失。关键点在于梯度计算。逻辑回归的损失函数对参数w求导结果恰好是 (h(x) - y) * x这个形式极其优雅也正是为什么逻辑回归可以用简单的梯度下降来优化的原因。很多同学笔试时会写错符号或漏掉负号建议你自己动手推一遍链式法则推完之后就很难忘了。朴素贝叶斯的考点是“朴素”二字的含义它假设特征之间相互独立。正是因为这个强假设联合概率分布才能分解成各个特征条件概率的乘积。在垃圾邮件分类这种特征维度高的场景中这个假设虽然不完全成立但往往能取得不错的效果。笔试容易考的点是用贝叶斯公式计算后验概率时分母P(X)对所有类别是常数所以比较时可以直接省略。SVM的推导是这个板块的难点。如果你完整推导过线性可分SVM的对偶问题你就会理解为什么会有支持向量的概念为什么核函数能解决非线性问题。笔试中通常不会让你一步步推拉格朗日乘子但可能会问“为什么SVM对高维数据表现较好”“什么是KKT条件”“核函数的本质是什么”。核函数的本质是定义一个高维空间中的内积避免显式进行高维映射的计算。这个解释在笔试问答中最好用既简洁又准确。3.3 特征工程与过拟合控制特征工程在笔试中经常以“给你一个业务场景你会怎么设计特征”这种开放题出现。这类题没有唯一答案但考察的是你的工程直觉。一个好用的回答框架是先分统计特征、时间特征、文本特征、交叉特征这几个维度来构建答案。统计特征是最基础的一类包括均值、方差、最大值、最小值、分位数等。比如预测用户是否会付费可以统计用户历史消费金额的平均值和最近30天的消费次数。时间特征强调的是“近期行为比历史行为更有价值”所以可以设计“最近7天活跃天数”“距离上次登录的天数”这类特征。文本特征如果出现在业务题里大多是让用TF-IDF或Word2Vec做向量化。交叉特征则考验你能否从业务逻辑中找到有意义的组合比如“新用户高活跃”组合可能表示刚进入平台的优质用户。特征工程的回答要体现“先单个特征再组合特征最后做特征筛选”的完整思路。特征筛选的常用方法包括方差选择、卡方检验和基于模型的重要性排序笔试答出两到三种就够了。过拟合控制是另一个高频题。常见方法可以归纳为四条线数据层面做数据增强和交叉验证模型层面降低复杂度参数层面加正则化项训练层面加早停法和dropout深度学习用。问答题的核心是讲清楚“每个方法背后在解决什么问题”。比如L2正则化的本质是在假设参数服从高斯先验的前提下做最大后验估计所以会让权重趋向于0L1正则化对应拉普拉斯先验会让权重倾向于变成0从而实现稀疏性。能把这一点讲明白分数就会明显高于只会列举方法名的同学。4. 实操过程一张模拟卷的完整作答实录4.1 选择题阶段的取舍策略笔试刚开始的15分钟我建议你把全部选择题快速扫一遍。拿到卷子第一件事不是从第一题开始按顺序做而是先花一分钟浏览整份试卷判断难易分布标记出自己有把握的题和需要犹豫的题。我当年就是先做完了所有有把握的题再回头啃难题这样即使时间不够也能保证正确率。因为算法岗笔试不是要求你考满分而是要求你的相对排名靠前在有限时间内拿更多分才是最优策略。多选题是最容易拉开分数差距的地方。多选题的规则一般是“少选得部分分错选不得分”所以不确定的选项宁愿不选。举个例子如果一道题问“下列哪些算法可以用来处理非线性分类问题”选项里有逻辑回归、SVM、决策树、朴素贝叶斯。逻辑回归本身是线性分类器但加了核技巧之后也可以处理非线性。这种选项就属于“会做的人会纠结不会做的人直接蒙错”的典型。如果你不确定宁可少选。选择题里偶尔会出现一两道纯记忆型的题比如“在KMP算法中对于模式串p‘abacaba’其next数组的值是多少”。这种题没有技巧就是平时要刷足够的题量。建议在校招季开始前把所有经典算法的next数组、复杂度、稳定排序结论都整理成一张速查表考前30分钟过一遍。4.2 编程题现场手撕思路编程题的两道题通常一道是数据结构和算法题一道是偏业务场景的编码题。做题顺序我建议先做数据结构题因为这类题的解法比较标准容易快速AC业务场景题虽然看起来贴近应用但往往需要花时间理解题意和边界条件容易陷入细节。第一道编程题如果考排序变体常见思路是先分析复杂度要求再选算法。比如题目说“n较大且要求O(n log n)”那就应该直接写快速排序或堆排序不要纠结其他方法。如果题目说“数据范围小但要求稳定”那就用归并排序。手写代码时一定要先写主函数的框架再补辅助函数最后再检查边界条件。我见过不少同学先写辅助函数写到一半思路断了反而浪费了时间。第二道业务场景题最关键的技巧是从题目描述里提取“输入输出样例”。如果题目给出了输入输出样例你先把样例走一遍搞清楚数据是怎么流转的比阅读大段文字描述快得多。然后想想这个题能不能转化成经典问题如果把“用户行为序列”看成“数组”“连续活跃天数”看成“最长连续子序列”那解法就呼之欲出了。很多业务包装题的核心都是经典模型只是换了层皮。写代码时我习惯先处理几个必考的边界条件空数组、单元素数组、数组元素全相等、目标值在首尾位置。这些情况往往是样例里不会给但后台测试数据一定会覆盖的。如果写完代码后有时间再用自己构造的几个极端case跑一遍基本就能避免因为边界问题导致的崩溃或超时。4.3 简答题的答题结构与踩分点简答题是很多人的弱项因为它既考知识又考表达。我自己的经验是答简答题一定要分层哪怕你只记得两个要点也要写成(1)(2)(3)的结构。因为笔试通常是人工阅卷重点看你的“踩分点”是否覆盖了参考答案里的关键条目。条目清晰、有逻辑顺序的答案比一大段堆砌文字的答案得分高很多。举个例子如果题目是“请简述Bagging和Boosting的异同”你的答案结构应该分成两层相同点和不同点。相同点写“都是集成学习方法通过组合多个弱学习器提升模型性能”不同点分三条写样本采样方式不同Bagging有放回采样Boosting每一轮调整样本权重、弱学习器训练方式不同Bagging并行Boosting串行、目标不同Bagging降低方差Boosting降低偏差。每一条后面再加一句简短解释这样结构就完整了。还有一道很常见的题是“如何处理特征缺失值”踩分点包括删除缺失率过高的特征或样本、用均值/中位数/众数填充、用模型预测填充、用哑变量标记缺失情况。把四个方法列出来并说明适用场景基本就能拿满分。注意答题时不要只列方法名称每个方法补一句“在什么情况下使用”这道题就从“及格”变成了“优秀”。5. 常见失分点与备战建议5.1 笔试失利典型问题清单我总结了几届同学做网易笔试题的常见失分点整理成表格方便你对照自查。这张表格里的每一项都是真实考场里反复出现的问题避开它们你至少能多拿10分。失分点具体表现改进方法时间分配失衡选择题纠结20分钟编程题只剩10分钟先易后难遇到卡壳先跳过公式推导不熟逻辑回归梯度推导少符号、SVM对偶条件写不全考前手推每个算法的完整链条复杂度乱写快排复杂度只写O(n log n)忽略最坏情况记住“平均/最坏/最好”三种复杂度边界条件漏判数组越界、空输入不处理写代码前先列边界case多选题不确定硬选错选被扣整题分拿不准的选项一律不选简答题结构混乱一段话写完没有踩分点用编号分层先结论后解释业务题被包装迷惑读题很久不知道转化经典问题多刷题训练“反包装”思维这里面最容易被忽视的是第7条。业务包装题看起来题目很长、信息量很大但本质往往很基础。我建议你平时刷题时养成一个习惯每做完一道题强迫自己在题目的“技术标签”位置写一句“这是一道XX算法的题”比如“这是一道前缀和的题”“这是一道滑动窗口的题”。长期训练下来考场上你一眼就能看穿题目包装。5.2 三周备战路线参考如果你现在是零基础或者半基础状态时间还剩三周我推荐按下面这个路线来准备。不用追求面面俱到但要保证核心考点全部覆盖。第一周主攻数据结构和算法编程。每天至少手写两道经典算法题重点覆盖排序、二分、双指针、滑动窗口、KMP、动态规划。编程语言建议用C或Python不要换来换去。这一周的目标不是做难题而是把基础算法练到闭着眼睛能写出来。可以按我前面给的代码模板去练先理解再默写最后做到能根据题目要求灵活调整。第二周主攻机器学习理论和推导。每天一个主题周一逻辑回归、周二SVM、周三决策树和随机森林、周四朴素贝叶斯和EM、周五集成学习、周六特征工程和模型评估、周日把前六天内容过一遍并尝试不看笔记推导一遍关键公式。周志华的《机器学习》是这个阶段的好帮手重点看前六章和第十六章。推导时可以在纸上写也可以在电脑上敲Markdown公式关键是动手写出来。第三周做模拟考和查漏补缺。找两三套相似的笔试真题严格按考试时间120分钟来模拟。模拟考后不要只对答案要把每道错题的知识点提取出来整理成一份“错题知识点清单”。比如错了一道动态规划的题就在清单上写“动态规划状态定义方法不够熟练”然后当天补做三道同类题。第三周的晚上可以刷选择题和简答题训练快速反应能力同时把前面整理好的知识速查表反复过几遍。最后再分享一个小技巧笔试前一定要调整好作息保持上午头脑清醒的状态。校招笔试很多安排在上午如果你习惯熬夜刷题考试时大脑容易短路。我在实际备考刷题中发现坚持早睡早起复习效率反而比熬夜高考场上思维也更清晰。另外代码编辑器可能会和你平时练习的环境不一样考前至少用在线OJ熟悉一下输入输出的标准写法这个细节能帮你节省不少时间。