数分面试题 - 机器学习

1、给一个无序数组，怎么才能合理采样

无序数组是相对有序数组而言的，无序数组并不等于随机，将无序数组进行洗牌得到随机排列。
for i in range(len(n)):swap(arr[i],arr[random(i,n)])
产生数组第一位的值，然后递归对剩余数组进行相同的过程，可以产生n!中等可能的排序情况。

2、常用python库

numpy：矩阵运算、sklearn：机器学习与数据挖掘、pandas：数据表、seaborn：数据可视化、scipy：数学计算

3、行存储和列存储的区别

行存储：传统数据库的存储方式，同一张表内的数据放在一起，插入更新很快，缺点是每次查询即使只涉及几列，也要把所有数据读取

列存储：OLAP 等情况下，将数据按照列存储会更高效，每一列都可以成为索引，投影很高效。缺点是查询是选择完成时，需要对选择的列进行重新组装。

当你的核心业务是 OLTP 时，一个行式数据库，再加上优化操作，可能是个最好的选择。
当你的核心业务是 OLAP 时，一个列式数据库，绝对是更好的选择”参考

OLTP（on-line transaction processing）翻译为联机事务处理，
OLAP（On-Line Analytical Processing）翻译为联机分析处理，
从字面上来看OLTP是做事务处理，OLAP是做分析处理。
从对数据库操作来看，OLTP主要是对数据进行增删改，OLAP是对数据进行查询。

4、K-Means 算法原理及改进，遇到异常值怎么办？评估算法的指标有哪些？

k-means 原理：在给定 K 值和 K 个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点