257
2013網易實習生數據挖掘工程師
2013網易實習生招聘 崗位：數據挖掘工程師一、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) 衡量分類算法的準確率，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，ba) 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相似係數 b) 計算c，d的向量空間餘弦相似度 c) 計算c、d的皮爾森相關係數
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？
並說明公式中哪些概率可以利用訓練集計算得到。
五、給你五張人臉圖片。
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用戶的特征向量。
六、考查ID3算法，根據天氣分類outlook/temperature/humidity/windy。（給你一張離散型
的圖表數據，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支持度的規則） 2) 提取的頻繁項集的最大長度（最小支持>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持度的項集（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、一個發布優惠劵的網站，如何給用戶做出合適的推薦？有哪些方法？設計一個合適的係
統（線下數據處理，存放，線上如何查詢？）
最後更新：2017-04-03 12:54:05