数据分析6 面试题汇总

 一 机器学习

解决过拟合的方法：

1 增加样本数量

2 简化模型，决策树减少层数

3 使用深度学习

监督学习：决策树，随机森林，KNN，支持向量机，朴素贝叶斯

无监督：k-means

决策树：

        决策树是一种对样本进行分类的树形结构，也能够进行回归预测。决策树主要包含3种结点（根结点：初始结点；叶节点：最终分类结果结点；内结点：树内部进行判断的条件结点-即特征）  在决策树中，每个样本都只能被一条路径覆盖。

    决策树有三种生成算法分别是ID3、C4.5、CART，分别基于信息增益、信息增益比、基尼指数划分的。

    决策树的优点：①易于理解和解释、可以可视化分析，容易提取出规则。②速度快、计算量相对较小。③可以处理连续和种类字段                                                                                                                                                                                                                                                                           f      决策树的缺点：①数据集特征很多时，容易过拟合。②忽略了特征之间的相关性。

n_estimators ： 指定随机森林中的分类器的个数，默认为10。一般来说n_estimators 太小容易欠拟合，太大计算量大，故需要参数调优选择一个适中的数值；

oob_score： 是否采用袋外误差来评估模型，默认为 False；

criterion ：及CART树划分对特征的评价标准，默认我基尼指数，还可以选择信息增益；
 

参数

K-means
1. 算法原理：k-means 算法是一种无监督聚类算法，即其思想是将样本全部分成K类，使得类间样本的距离足够大，而使得类内的样本距离足够小。
2. 过程：
    首先选择k个点作为初始点，随后将每个点指派到最近的质心，形成k个簇并重新计算每个簇的质心，直到簇不发生变化或达到最大迭代次数。
    优点：原理简单、收敛速度快，聚类效果较优、算法解释度比较强。
    缺点：K值的选取不好把握、非凸数据集难以收敛、采用迭代方法容易得到局部最优结果、对噪声、异常值比较敏感。
    实际应用点：潜在的簇是凸面，且簇之间区别明显，大小相近，适用于大数据。

拍脑袋法

一个非常快速的，拍脑袋的方法是将样本量除以2再开平方出来的值作为K值，具体公式为：

K≈n/2−−−√

肘部法则（Elbow Method）

Elbow Method ：Elbow意思是手肘，如下图左所