预测算法面试

这次面试的是一个预测算法的岗位。虽然我对供应链相关的预测很厌烦了，但是这个不是供应链领域的，感觉应该还好。

首先在介绍工作经历和项目部分，这次面试没有上来没有条理乱说一气，而是预测目标、算法架构、各种使用特征这些分层次说。感觉是一个进步呢。之前面试官也没有和我反馈这一点。

比如门店销量预测，输出粒度是门店-sku粒度的日级别销量。当然这里也有问题，比如有的品补货周期长，怎么做？新品历史特征少，怎么预测？（可以根据价格、品类等按最近邻算法找到相似商品，扩充历史特征，再进行预测。）

预测用的指标是什么？为什么是mape？感觉很多面试官都会问这个问题，说明确实是重点。当然全域商品的mape肯定会更偏向低销商品的mape，那么有些重点品销量高，如果以mape来优化，那么重点品的指标肯定被忽视了。应该怎么平衡这个关系？

分销量区间计算mape？然后重点品另外计算mape？这个时候用mape来计算，合适吗？销量高的商品可以用mape来计算吗？还是用mae/mse来计算呢？

上面提到的联合预测是怎么做的？这里我是提到了一些有销量关联的商品，然后把两种历史销量都输入到特征里，然后合并成一个logits序列后再分别输出两种历史销量。这种算法到底正确吗？

然后还有调价模型，问我是不是用了运筹优化算法，其实运筹优化算法的比例比较小。。我就是通过采样的方法取数据点然后从这些点里面取最优目标的。是不是还得再学一些运筹优化算法了

最后的算法题不是很难，后面空间复杂度再优化的改进，在提示下也做出来了。

希望可以进下一轮面试吧。