京东算法工程师面试题集.docxVIP

第PAGE页共NUMPAGES页

2026年京东算法工程师面试题集

一、机器学习基础（3题，每题10分，共30分）

1.题目：

假设你在京东设计一个推荐系统，用户购买某商品后，需要预测其是否会购买关联商品A。现有以下特征：用户历史购买品类、用户年龄、商品价格、商品类别。请简述你会选择哪种机器学习模型，并说明理由。

答案与解析：

推荐系统中的关联购买预测属于二分类问题，需要考虑特征之间的交互关系和稀疏性。以下是两种主流模型的选择及理由：

-逻辑回归（LR）+FTRL算法：

-优点：简单高效，适合处理大规模稀疏数据，适合线上实时更新。京东的商品和用户特征通常具有高维稀疏性，LR结合FTRL（Follow-the-Leader）算法能在线高效迭代。

-缺点：无法捕捉复杂的非线性关系。

-梯度提升决策树（GBDT/XGBoost/LightGBM）：

-优点：能自动处理特征交互，如“年轻用户更偏好低价商品”这类隐式关系。京东场景中用户行为和商品属性通常存在复杂依赖，GBDT能通过分桶和正则化提升泛化能力。

-缺点：训练时间较长，需要调参。

最佳选择：对于实时性要求高的场景优先选择LR+FTRL，若需要更高精度则选择GBDT，结合京东的业务特性（如“秒杀商品关联推荐”），建议采用LightGBM以平衡速度和效果。

2.题目：

京东的物流路径规划需要考虑交通拥