2013網易實習生招聘 崗位 資料探勘工程師

2013網易實習生招聘 崗位：資料探勘工程師

一、問答題 

a) 欠擬合和過擬合的原因分別有哪些？如何避免？

欠擬合：模型過於簡單；過擬合：模型過於複雜，且訓練資料太少。

b) 決策樹的父節點和子節點的熵的大小？請解釋原因。 

父節點的熵》子節點的熵

c) 衡量分類演算法的準確率，召回率，f1值。

d) 舉例序列模式挖掘演算法有哪些？以及他們的應用場景。

dtw（動態事件規整演算法）：語音識別領域，判斷兩端序列是否是同乙個單詞。

holt-winters（三次指數平滑法）：對時間序列進行**。時間序列的趨勢、季節性。

apriori

generalized sequential pattern(廣義序貫模式)

prefixspan

二、計算題

1) 給你一組向量a，b 

a) 計算二者歐氏距離 

(a-b)(a-b)t

即：

b) 計算二者曼哈頓距離

2) 給你一組向量a，b，c，d

a) 計算a，b的jaccard相似係數

b) 計算c，d的向量空間余弦相似度

c) 計算c、d的皮爾森相關係數

即線性相關係數。

或者

三、（題目記得不是很清楚） 

乙個文件-詞矩陣，給你乙個變換公式tfij』=tfij*log(m/dfi)；其中tfij代表單詞i在文件f中的頻率，m代表文件數，dfi含有單詞i的文件頻率。 

1) 只有乙個單詞只存在文件中，轉換的結果？（具體問題忘記） 

2) 有多個單詞存在在多個文件中，轉換的結果？（具體問題忘記） 

3) 公式變換的目的？

四、推導樸素貝葉斯分類p(c|d)，文件d（由若干word組成），求該文件屬於類別c的概率，

並說明公式中哪些概率可以利用訓練集計算得到。

五、給你五張人臉。 

可以抽取哪些特徵？按照列出的特徵，寫出第乙個和最後乙個使用者的特徵向量。

六、考查id3演算法，根據天氣分類outlook/temperature/humidity/windy。（給你一張離散型

的圖表資料，一般學過id3的應該都知道） 

a) 哪乙個屬性作為第乙個分類屬性？ 

b) 畫出二層決策樹。 

七、購物籃事物（關聯規則） 

乙個**：事物id/購買項。 

1) 提取出關聯規則的最大數量是多少？（包括0支援度的規則）

2) 提取的頻繁項集的最大長度（最小支援》0） 

3) 找出能提取出4-項集的最大數量表示式 

4) 找出乙個具有最大支援度的項集（長度為2或更大） 

5) 找出一對項a，b，使得->和->有相同置信度。

八、乙個發布優惠劵的**，如何給使用者做出合適的推薦？有哪些方法？設計乙個合適的系

統（線下資料處理，存放，線上如何查詢？）

《程式設計珠璣》；（這本書很經典，但是難度相對較大，建議先看程式設計之美和劍指offer，然後在讀這本）

秒殺99%的海量資料處理面試題

《cracking the coding interview: 150 programming questions and solutions》，順便貼個此本書的題解：且其中文版《程式設計師面試金典》即將由圖靈教育出版社出版；

it筆試面試**：

2013網易實習生資料探勘工程師

2013網易實習生招聘 崗位 資料探勘工程師 一 問答題 a 欠擬合和過擬合的原因分別有哪些？如何避免？b 決策樹的父節點和子節點的熵的大小？請解釋原因。c 衡量分類演算法的準確率，召回率，f1值。d 舉例序列模式挖掘演算法有哪些？以及他們的應用場景。二 計算題 1 給你一組向量a，b a 計算二者...

2018網易遊戲雷火盤古實習生招聘筆試真題

1.字串編碼 輸入描述 每個測試輸入包含1個測試用例 每個測試用例輸入只有一行字串，字串只包括大寫英文本母，長度不超過10000。輸出描述 輸出編碼後的字串 輸入例子 aaaabccdaa 輸出例子 4a1b2c1d2a 思路分析 這道題好像以前是一家企業的面試題，leetcode easy級別，思...

2017網易遊戲雷火盤古實習生招聘筆試真題

1.給定乙個字串，請你將字串重新編碼，將連續的字元替換成 連續出現的個數 字元 比如字串aaaabccdaa會被編碼成4a1b2c1d2a。include include char s 10004 int main tem s i cot 1 else cot printf d c cot,tem ...