每年到了校招季，总有很多同学在牛客网、知乎上翻旧题，而网易2018校园招聘机器学习算法工程师这套笔试卷，算是当年流传度极高、讨论量也很大的一套题。我自己当年也刷过，后来参与过校招笔试出题和面试，再看这套卷子，发现它的出题思路和考察点其实非常典型：不堆砌偏题怪题，而是把机器学习基础、算法功底和工程直觉分层考察，层层递进。对于准备算法岗、机器学习岗的同学来说，这份试卷至今仍有很强的参考价值——它代表了一线互联网公司对校招算法工程师的基本能力预期。这篇博文我就以过来人的视角，把这份卷子的考点、难点和备考方法完整拆一遍，帮你把“刷题”变成“查漏补缺”。
1. 2018网易机器学习算法工程师笔试卷的整体拆解
1.1 试卷结构与考点分布
先聊试卷结构。网易这套笔试卷整体分为客观题和主观题两大部分，客观题又以单选题和多选题为主，主观题则是典型的算法编程题和简答题组合。从时间设置来看，笔试时长一般在90分钟到120分钟之间，题量不算是特别大的那种，但覆盖面相当广。
我当时做完这套题的第一感受是：它不考死记硬背，而是考“你有没有真正用过这些模型”。比如试卷中大量出现关于特征工程、过拟合处理、模型评价指标的选择、损失函数性质等问题，这些如果只是看过理论而没有实际调过参、跑过实验，很容易在两个相似选项中犹豫。从考点权重来看，大致可以分为四块：
| 考点模块 | 典型题型 | 大致占比 |
|---|---|---|
| 机器学习基础理论 | 监督学习、模型评估、损失函数、正则化 | 30% |
| 算法与数据结构 | 编程题、复杂度分析、经典算法变体 | 30% |
| 概率统计与数学基础 | 贝叶斯、期望、分布、矩阵求导 | 20% |
| 工程与业务场景 | 特征工程、推荐系统、文本处理 | 20% |
这里要注意一个趋势：2018年前后，各家公司算法岗笔试都在增加“场景题”的比例，网易也不例外。单纯背公式已经拿不到高分，你必须能把一个业务问题转化为一个机器学习问题，再从数据、特征、模型、评估四个维度给出完整方案。
1.2 客观题的高频命题角度
客观题部分，网易特别喜欢从以下几个角度出题。
第一个角度是模型原理的“边界条件”。比如问你：在朴素贝叶斯中，如果某个特征在训练集中没有出现，但测试集中出现了，应该如何处理？这本质上考察拉普拉斯平滑。再比如问SVM中核函数的选择依据，以及高斯核的带宽参数对模型复杂度的影响。这类题目的特点是：只要你在实际项目中真正用过这些模型，几乎不需要死记就能答对，因为你在调参时一定遇到过类似问题。
第二个角度是损失函数与优化的组合拳。网易喜欢把交叉熵损失、均方误差、Hinge Loss放在一起，让你判断“哪个损失函数对异常值更敏感”“哪个损失函数更适合 probabilistic 输出”。坦白说，这种题目对只会调用 sklearn 的同学来说是致命的，因为你如果不理解损失函数背后的概率解释，很难答得准。
第三个角度是模型评估指标的选择陷阱。典型的例子是：在正负样本极度不平衡的场景下，准确率（Accuracy）是否适合作为评估指标？如果不适合，应该选择精确率、召回率、F1还是AUC？网易会进一步问你，AUC对正负样本比例变化是否敏感，这一点如果没动手算过，很容易被绕进去。对于这类题目，我建议备考时把二分类问题的混淆矩阵、PR曲线、ROC曲线的推导自己手推一遍，并且用代码做几个小实验，观察正负样本比例变化对曲线形态的影响。
2. 主观题中的机器学习核心考点
2.1 手推公式与模型推导题
主观题里，公式推导几乎是大厂笔试的标配。网易这套卷子也不例外。我印象比较深的是要求推导逻辑回归的梯度更新公式，以及用极大似然估计推导线性回归的损失函数。这类题目本身不难，难的是很多同学只会背最终的损失函数形式，却不知道它是怎么从概率假设推出来的。
拿逻辑回归来举例，完整的推导链条应该是：
- 假设样本的标签服从伯努利分布，给定特征 x 和参数 w，正类概率为 p(y=1|x;w) = sigmoid(w^T x)。
- 写出单个样本的似然函数 p(y|x;w) = p^y * (1-p)^(1-y)。
- 对整个训练集写出似然函数 L(w) = ∏ p(y_i|x_i;w)。
- 对似然函数取对数，得到对数似然 l(w) = ∑ [y_i * log(p_i) + (1-y_i) * log(1-p_i)]。
- 将对数似然取负，作为损失函数，即交叉熵损失。
- 对 w 求梯度，得到梯度更新公式 w := w + α * ∑ (y_i - p_i) * x_i。
推导本身不复杂，但能把每一步的数学动机讲清楚，才是面试官想看到的。如果你只是背下最终的更新公式，遇到“为什么用交叉熵而不是均方误差”这类追问就很容易卡壳。我的建议是：把线性回归、逻辑回归、朴素贝叶斯、SVM的原问题与对偶问题、PCA的最大方差解释这五个经典推导反复手写三遍以上，做到不假思索。
2.2 模型评价与调参思路题
网易的笔试卷里有一类题非常有意思：给你一个具体的业务场景和模型表现，让你分析可能的原因并给出改进方案。比如给你一个二分类模型，训练集准确率99%，测试集准确率85%，问你可能存在什么问题，如何解决。
这题考察的是过拟合的识别与应对。答案可以从数据层面（增加训练数据、数据增强）、模型层面（降低模型复杂度、增加正则化、早停法）、特征层面（特征选择、降维）三个维度展开。很多同学能答出“过拟合”三个字，却无法给出有层次的解决方案，这是拿不到高分的主要原因。
另一个常见场景是：模型在离线评估中AUC达到0.92，上线后业务指标却没有提升，分析可能原因。这种题没有标准答案，考察的是你对“离线与在线不一致”问题的理解深度。我当时总结了一个答题框架，后来也用在了实际工作中：
- 离线评估与在线环境的样本分布是否一致（采样偏差）。
- 离线指标与业务目标是否对齐（AUC提升是否代表用户行为改善）。
- 特征与标签的时间穿越问题（训练集中使用了未来信息）。
- 模型上线时的工程实现是否有bug（特征拼接错位、缺失值处理不一致）。
网易这类大厂非常看重候选人能否用系统化思维分析问题，而不是只给零散的点。哪怕你经验不足，只要按照“数据-特征-模型-评估-工程”的框架去组织答案，至少能向面试官传递出“我有结构化思考能力”的信号。
2.3 特征工程与业务理解题
特征工程在网易笔试中的权重，比许多人想象的高得多。有一道题让我至今记忆犹新：给定用户的历史购买记录，预测用户在未来7天内是否会产生购买行为，请你设计特征。这道题其实是推荐系统和用户增长领域的经典问题，考察点非常综合。
我当时从四个维度构建特征体系：
- 用户维度：用户历史购买频次、购买金额均值/方差、最近一次购买距离今天的天数（R维度，recency）。
- 商品维度：商品的历史销量、价格带位置、类目热度。
- 用户-商品交叉维度：用户对该商品所在类目的偏好度、用户对该商品的点击/收藏/加购行为序列。
- 时间维度：用户的购买间隔规律、节假日临近程度、用户活跃时段特征。
这套特征体系的思路，本质上就是经典RFM模型的扩展。对于没有实际经验的同学，我建议多去看看推荐系统、用户增长相关的经典文章和开源方案，了解工业界常用的特征工程套路。不要只会做标准化、独热编码这种基础操作，那是工具层面的东西，业务建模能力才是笔试拉开差距的地方。
3. 算法题考察重点与刷题策略
3.1 高频算法题型的底层逻辑
网易这套试卷的算法编程题部分，并不算特别变态，至少没有到Hard难度压轴的程度。但它的特点是“常规题考变形”和“边界条件挖坑”。
比如字符串相关的题目，有同学反映说感觉像KMP但又不是直接给你一个模板。热词里也出现了“在KMP算法中，对于模式串 p="abacaba"，其next数组”这个具体问题。这种考察方式的本质，是看你是否真的理解next数组的含义，以及能否手动推导。很多同学会用KMP做匹配，却无法手动计算next数组，这是典型的“会用不会讲”，在校招笔试中很吃亏。
我建议备考KMP时不要只刷板子题，而是动手推导几个模式串的next数组，理解前缀函数（prefix function）的本质——即对每个位置 i，子串 p[0..i] 的最长相等真前后缀长度。理解了这一点，你再看字符串匹配、字符串循环节、字符串哈希等问题，底层逻辑都是相通的。
另外，网易的算法题非常喜欢考“排序的变体”。比如在一个近乎有序的数组中查找目标值、寻找第K大的元素、归并排序的应用（逆序对数量计算）。热词里反复出现“数据结构排序算法”“冒泡排序算法c++”“堆排序算法”，说明排序类算法在校招中的基础地位从来没有动摇过。
3.2 贪心与动态规划的实战辨析
贪心算法和动态规划，是每年校招算法题的两大常青树。网易的题目里，贪心常以“区间调度”“任务排队”的形式出现，动态规划则更多以“背包类问题”“路径计数类问题”出现。
先说贪心。贪心算法的核心不是“每次选最大的”，而是“通过局部最优推导全局最优”，并且你得能证明为什么贪心策略成立。以区间调度问题为例，按结束时间排序选择是最优策略，这个结论可以通过交换论证法来证明。很多同学贪心题能做对，但面试官一追问“为什么贪心是对的”就懵了。备考时，我建议把《算法导论》第16章中贪心算法的几个经典案例（活动选择、霍夫曼编码、分数背包）全部手推一遍证明过程。
再说动态规划。动态规划的核心是状态定义和状态转移方程。参加过校招的人都知道，动态规划题最怕的不是写代码，而是“状态定义错了后面全错”。我在笔试时有个习惯：先写出状态定义和转移方程，再用小规模数据手动走一遍，确认逻辑正确后再写代码。这个过程会花一点时间，但能避免因为状态设计错误而浪费更多时间。网易这类大厂的笔试通常会提供本地编译环境，小数据自测是非常值得做的。
3.3 概率与统计在算法题中的交叉应用
网易算法岗笔试还有一个隐蔽特点：概率题和算法题会交叉出现。比如给定一个不均匀硬币，如何设计一个算法生成均匀分布的随机数；再比如大数据场景下如何用固定内存从流式数据中均匀采样。
后者实际上是经典的蓄水池采样（Reservoir Sampling）问题。核心思路是：对于第 i 个到达的元素，以 1/i 的概率替换当前选中的元素。这个算法实现只有几行代码，但背后的概率推导不简单。我当时为了彻底搞懂它，自己用蒙特卡洛模拟跑了几万次实验，验证每个位置被选中的概率确实都是 1/n，这才算真正放心。对校招笔试来说，概率题往往容易成为区分点，所以建议把常见的概率模型（生日问题、几何分布、贝叶斯更新、蓄水池采样）好好过一遍。
4. 工程能力与机器学习工具链考察
4.1 数据处理与特征编码的实操陷阱
这套笔试卷里还有一部分容易被忽视的题目，就是关于数据处理和特征编码的工程细节。比如问：类别特征取值超过10000个，直接做One-Hot编码会有什么问题？应该如何解决？
这个问题在工业界非常现实。当类别特征的高基数问题出现时，直接One-Hot会导致维度爆炸、内存暴涨、模型训练极慢且容易过拟合。常用的解决方案包括：频数编码（Target Encoding）、哈希编码（Hashing Trick）、嵌入编码（Embedding Encoding），以及在树模型中可以直接将类别特征作为原生特征处理（如LightGBM的categorical_feature参数）。
另一个高频考察点是缺失值处理。网易的题目会问你：对于线性模型和树模型，缺失值处理的策略有何不同？答案的核心在于，线性模型通常需要对缺失值进行填充或增加缺失指示列，而树模型（特别是XGBoost、LightGBM）本身在训练过程中就能学习缺失值的默认分裂方向。如果只会用pandas的fillna(0)应对所有情况，遇到这类题目就很难答出深度。
4.2 常用机器学习库与分布式框架的理解深度
2018年的时候，scikit-learn、XGBoost、TensorFlow是笔试出现频率最高的三个框架。网易会考察你对这些框架底层原理的理解程度，而不仅仅是API的使用。
比如问：XGBoost和GBDT的区别是什么？这题的满分答案需要答出以下几点：
- XGBoost在目标函数中加入了正则项，控制模型复杂度。
- XGBoost对损失函数做了二阶泰勒展开，而传统GBDT只用了一阶梯度信息。
- XGBoost支持列抽样，既能减少过拟合，又能加速计算。
- XGBoost对缺失值有自动学习分裂方向的处理机制。
- XGBoost在工程实现上做了预排序和缓存优化，训练效率更高。
再比如问：训练一个模型需要100GB内存的数据，而你的单机只有16GB内存，怎么办？这种题没有标准答案，但可以给出多个层次的方案：采样训练（数据量太大但模型收益有限时）、特征筛选降维、使用外存学习算法（如Vowpal Wabbit）、分布式训练框架（如Parameter Server架构）等。这类题目考察的是你对工程瓶颈的敏感度，哪怕没有实际用过分布式框架，只要思路清晰，也能拿到大部分分数。
4.3 深度学习基础知识的覆盖范围
2018年的笔试，深度学习占的比例还不像今天这么高，但已经纳入考察范围。网易偏爱的题型包括：CNN中感受野的计算、Batch Normalization的作用、RNN中的梯度消失与梯度爆炸、激活函数的选择（ReLU vs sigmoid vs tanh）。
感受野的计算这类题目，公式很简单，但是推导过程容易记混。我当时总结了一个笨但有效的方法：从最后一层往前推，不做任何简化，一层一层算。感受野的递推公式为：
RF_l = RF_{l-1} + (kernel_size - 1) * stride_l
其中 RF_l 是当前层的感受野，RF_{l-1} 是前一层的感受野，stride_l 是当前层相对于前一层输入移动的步长累乘值。逐层手算，虽然慢但保证不出错。
对于Batch Normalization，网易喜欢考察它的训练阶段和推理阶段的区别。训练时用当前batch的均值和方差来归一化，推理时使用训练期间累积的全局均值和方差。很多人知道“训练用batch统计量，推理用全局统计量”这个结论，但说不清为什么推理阶段不能直接用batch统计量——因为推理时batch size可能很小（甚至为1），统计量不稳定，会严重影响模型输出。
5. 备考路线与刷题计划的实战建议
5.1 书籍、课程与刷题平台的资源清单
针对网易这套笔试卷，也针对大厂算法岗校招通用备考，我整理一份亲测有效的资源清单：
- 机器学习理论：《机器学习》（周志华的西瓜书）作为入门，重点看前8章；《统计学习方法》（李航）作为进阶，重点看感知机、KNN、朴素贝叶斯、决策树、逻辑回归、SVM、EM算法、隐马尔可夫模型的前几章；《深度学习》（花书）作为深度学习部分的补充。
- 算法与数据结构：《算法导论》前15章足够应付绝大多数校招笔试；《剑指Offer》作为面试经典题刷；LeetCode按“高频面试题”分类刷，重点放在数组、字符串、链表、树、动态规划、贪心这几类。
- 概率与统计：《概率论与数理统计》课本经典教材即可，配合考研真题练手更佳。
- 刷题平台：牛客网有历年校招真题，这是最接近真实考题的资源；LeetCode保持每周刷题频率，考前一个月集中刷Medium难度高频题。
5.2 分阶段备考节奏安排
我把校招准备周期分为三个阶段，适用于多数有3到6个月准备时间的同学。
第一阶段是基础巩固期（约4到8周）。这一阶段以看书和手推公式为主，目标是把机器学习核心模型的推导过程、损失函数、优化方法都过一遍，同时每天固定刷3到5道LeetCode简单或中等题。建议每看完一章西瓜书，就把相关模型的数学推导独立手写一遍，然后对照教材订正。
第二阶段是真题实战期（约3到4周）。这一阶段集中刷牛客网的大厂笔试卷，尤其是网易历年真题。做题时严格计时，模拟真实笔试环境，用Excel或在线表格记录每道题的正确率和耗时。做完以后一定要复盘错题，找出错误原因是知识点盲区、计算失误还是时间分配不合理。我当时用这个表格，半个月后就能明显看出自己的薄弱环节集中在哪几类题型。
第三阶段是查漏补缺期（考前1到2周）。这一阶段不再大量刷新题，而是回到错题本，把之前做错的题和不懂的知识点重新过一遍。同时保持每天至少一道算法题的手感，但以Medium为主，避免死磕Hard。重点背诵和手推机器学习高频公式，包括逻辑回归梯度、SVM对偶、EM算法两步推导、反向传播的链式法则。
5.3 时间紧张的快速上车方案
如果离笔试只有两周甚至一周，那么这套笔试卷的价值就更大了。快速的备考策略是：优先攻克“投入产出比”最高的模块——机器学习基础理论和算法题，这两块占了约60%的分数。
具体来说，前面3天集中啃逻辑回归、决策树、SVM、朴素贝叶斯这四大经典模型的原理与公式推导。中间5天刷LeetCode的数组、字符串、动态规划、贪心四类高频题，每天至少8题，不求多而求精。最后3天全真模拟网易这套笔试，做完了认真复盘，把错题涉及的知识点重新过一遍。概率统计的题目如果时间不够，优先掌握贝叶斯公式、常见分布期望与方差、正态分布的3σ原则，这些足以应付大部分客观题。
提示：校招笔试备考最忌讳“求全”。网上有刷不完的题和读不完的书，但你的时间是有限的。用真题摸底，用错题定位知识盲区，再有针对性地补，效率远高于盲目刷题。
6. 常见问题与实战排障经验
6.1 笔试现场失分的隐形杀手
结合我自己当年笔试和后来模拟面试的经验，我总结出几个笔试中常见的“隐形杀手”，希望后来的同学们避坑。
第一个是客观题陷得太深。很多同学遇到一道选择题，非要完全确认答案才继续往下走，结果耽误了后边的算法大题。大厂笔试的客观题部分通常不是按题给分，而是按正确率加权或直接计原始分，与其在一道1.5分的选择题上纠结十分钟，不如先确保算法大题完整做出来。我的建议是：客观题每题控制在2分钟以内，拿不准的先标记跳过，最后再回来纠结。
第二个是算法题不写注释和中间思路。笔试的算法题很多时候不是全自动判分，而是人工阅卷和自动判题结合。即使你的代码AC不了，但思路清晰、注释完整，阅卷人可能会给部分过程分。反过来，代码写得乱七八糟，即使碰巧通过了测试用例，印象分也会大打折扣。
第三个是Python和C++混用导致的环境依赖问题。网易的笔试系统通常支持多种语言，但每种语言的环境配置略有不同。有些同学平时用Python写习惯了，到了笔试系统发现部分库不可用，或者普通python环境没有安装numpy，遇到这种问题会很影响心态。我建议考前先确认笔试平台支持的Python版本、有无numPy/pandas等常用库，再决定自己的主写语言。如果没有额外库支持，就老老实实用纯Python写算法题。
6.2 复盘时如何把一套真题吃透
刷一套真题容易，吃透一套真题难。我见过很多同学刷题的方式是：做完对答案，看懂了就划掉，然后继续刷下一套。这种方式看似高效，实际上收获有限。
我复盘真题的习惯分三步走：
第一步，每题都不只看正确选项，还要看错误选项为什么错。随便找一道选择题，网易不会把三个错误选项设计成明显离谱的答案，而是会有一定迷惑性。理解每个错误选项背后的认知偏差，能帮你发现自己对某个概念理解的盲区。
第二步，把客观题涉及的知识点关键词全部整理出来，写成一个知识图谱。比如一道SVM的题目，我会把核函数、软间隔、对偶问题、KKT条件、SMO算法这一整条链路都过一遍，并且问自己：如果面试官在这个链条上随机挑一个点深挖，我能回答到什么深度？
第三步，算法题要一题多解。很多算法题并不只有一种解法，笔试时能AC就够了，但复盘时应该考虑：还有没有更优的时间复杂度或空间复杂度解法？两种解法背后的算法思想是否相通？把一道题吃透，胜过稀里糊涂地做十道题。
6.3 面试官视角的评分逻辑
参与过校招面试后，我发现笔试评分逻辑很多时候和候选人想象的不一样。网易这类大厂的算法岗笔试，核心目标不是筛选出“满分选手”，而是筛选出“潜力选手”。
面试官看一个候选人的笔试卷，通常关注三个维度：
- 基础是否扎实：客观题的正确率是否有6成以上，这是底线。
- 代码是否规范：算法题代码的可读性、边界条件处理、复杂度分析是否到位。
- 思考是否有深度：简答题和开放题的答案是否有层次感，能否给出框架性的分析而非零散的点。
所以，如果你在笔试中遇到完全不会的开放题，不要留白，尽量用已有的知识框架去组织一个有条理的回答。即使不完全正确，也比空着强得多。面试官能从你的回答中看到你“如何构建思路”的过程，这本身就是评估因素之一。
7. 这套笔试卷的后续扩展与长期价值
如果你认真复盘了这套网易机器学习算法工程师笔试卷，你会发现它的考察范围与当前工业界机器学习工程师的日常工作是高度吻合的：处理数据、设计特征、构建模型、评估效果、上线监控、持续迭代。整张试卷考察的不是某个孤立知识点，而是“能否完整地解决一个机器学习问题”的系统能力。
复盘完这套真题后，你可以沿着两个方向继续深入。第一个方向是算法竞赛或开源项目实战，通过Kaggle比赛或GitHub开源项目，把笔试中涉及的模型、特征工程、评估方法在真实数据上跑一遍，这会让你对“分数背后的原理”有更深的理解。第二个方向是整理自己的面试知识库，把笔试中暴露的薄弱点、复盘笔记、公式推导过程整理成一个文档，持续迭代，一直到秋招结束。
最后说一个我自己的体会：刷这套题最大的价值不在于“押中多少原题”，而在于帮你看清楚自己的认知边界在哪里。知道自己不知道什么，比知道自己知道什么更重要。每一道不会做的题、每一个纠结的选项，都在帮你把学习的方向修正到更贴近工业界实际的位置。这种自我认知能力的提升，会陪伴你走过整个职业生涯。
)
