人工智能面试题 · 技术原理 · XGBoost
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 54 道 · 更新 2026-08-05
筛选题目已选：技术原理 · XGBoost
考察点
技术栈
第 21 题在实习或项目中，你选择 XGBoost 的原因是什么？请结合使用场景说明。 考察模型选型时的场景匹配能力和对 XGBoost 原理的理解第 22 题XGBoost和随机森林的主要区别是什么？ 考察对集成学习两种典型算法的原理、机制和适用场景的理解第 23 题XGBoost有哪些缺点？LightGBM对此做了哪些优化？ 考察对两种主流梯度提升树框架的理解及对比分析能力第 24 题如何评估 XGBoost 模型中各特征的重要性？常用的特征重要性指标有哪些？ 考察对 XGBoost 特征重要性评估方法的理解及其差异第 25 题请解释XGBoost的损失函数及优化方式。 考察对XGBoost目标函数学习和参数更新机制的理解第 26 题XGBoost 中如何计算特征重要性？ 考察对 XGBoost 特征重要性计算方式的理解第 27 题请介绍XGBoost与GBDT的原理、区别及各自适用场景。 考察对梯度提升树模型家族的理解深度与差异把握第 28 题请介绍 XGBoost 的基本原理，并说明它相对于传统梯度提升决策树有哪些主要优点。 考察对 XGBoost 算法原理的理解及其优势的归纳能力第 29 题请说明 XGBoost 的优缺点，并比较它与随机森林的区别。 考察对梯度提升树模型原理的理解及模型间对比分析能力第 30 题GBDT和XGBoost的区别 考察对集成学习模型演进、优化目标与工程实现的深入理解第 31 题请介绍XGBoost的核心原理。 考察对XGBoost算法原理、优化目标和关键机制的理解第 32 题请介绍 XGBoost 的核心原理及其主要特点。 考察对 XGBoost 算法原理、优化目标和关键特性的理解第 33 题是否熟悉XGBoost和随机森林？它们的核心区别是什么？ 考察对常用集成学习算法的原理理解与应用辨析第 34 题机器学习算法：介绍GBDT和XGBoost的区别，XGBoost最优分裂节点的选择方法、加速方式、预排序的作用、分箱方式（等宽/等深）、缺失值处理方法（训练及预测阶段）。 考察对GBDT与XGBoost原理差异及关键工程细节的理解第 35 题XGBoost 如何得出最终预测结果？ 考察对 XGBoost 模型集成机制和预测计算流程的理解第 36 题LightGBM和XGBoost的区别是什么？ 考察对两种主流梯度提升框架核心机制差异的理解第 37 题XGBoost相比GBDT有什么提升？ 考察对XGBoost核心改进机制的理解及其与GBDT的差异第 38 题XGBoost中的树分裂过程是怎样的？分裂收益如何计算？ 考察对XGBoost分裂策略与增益计算原理的理解第 39 题请介绍XGBoost的原理、主要特点以及在实际项目中常用的调优方法。 考察对XGBoost核心原理、算法特性及参数调优的理解掌握第 40 题XGBoost如何选择最优分裂节点？采用哪些加速方式？ 考察对XGBoost分裂机制与工程优化的理解