2013網易實習生招聘 崗位:資料挖掘工程師
一、問答題
a) 欠拟合和過拟合的原因分别有哪些?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) 衡量分類算法的準确率,召回率,f1值。
d) 舉例序列模式挖掘算法有哪些?以及他們的應用場景。
二、計算題
1) 給你一組向量a,b
a) 計算二者歐氏距離 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相似系數 b) 計算c,d的向量空間餘弦相似度 c) 計算c、d的皮爾森相關系數
三、(題目記得不是很清楚)
一個文檔-詞矩陣,給你一個變換公式tfij’=tfij*log(m/dfi);其中tfij代表單詞i在文檔f中的頻率,m代表文檔數,dfi含有單詞i的文檔頻率。
1) 隻有一個單詞隻存在文檔中,轉換的結果?(具體問題忘記) 2) 有多個單詞存在在多個文檔中,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),文檔d(由若幹word組成),求該文檔屬于類别c的機率,
并說明公式中哪些機率可以利用訓練集計算得到。
五、給你五張人臉圖檔。
可以抽取哪些特征?按照列出的特征,寫出第一個和最後一個使用者的特征向量。
六、考查id3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) 哪一個屬性作為第一個分類屬性? b) 畫出二層決策樹。
七、購物籃事物(關聯規則)
一個表格: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-項集的最大數量表達式
4) 找出一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{a}->{b}和{b}->{a}有相同置信度。
八、一個釋出優惠劵的網站,如何給使用者做出合适的推薦?有哪些方法?設計一個合适的系
統(線下資料處理,存放,線上如何查詢?)