2013网易实习生招聘 岗位：数据挖掘工程师

2013网易实习生招聘 岗位：数据挖掘工程师 
一、问答题 
a) 欠拟合和过拟合的原因分别有哪些？如何避免？

欠拟合：模型过于简单；过拟合：模型过于复杂，且训练数据太少。
b) 决策树的父节点和子节点的熵的大小？请解释原因。 

父节点的熵>子节点的熵

c) 衡量分类算法的准确率，召回率，F1值。

d) 举例序列模式挖掘算法有哪些？以及他们的应用场景。

DTW（动态事件规整算法）：语音识别领域，判断两端序列是否是同一个单词。

Holt-Winters（三次指数平滑法）：对时间序列进行预测。时间序列的趋势、季节性。

Apriori

Generalized Sequential Pattern(广义序贯模式)

PrefixSpan

 

 

 二、计算题 
1) 给你一组向量a，b 
a) 计算二者欧氏距离 

(a-b)(a-b)^T

即：

b) 计算二者曼哈顿距离 

2) 给你一组向量a，b，c，d
a) 计算a，b的Jaccard相似系数

 b) 计算c，d的向量空间余弦相似度 

c) 计算c、d的皮尔森相关系数

 即线性相关系数。

或者

 三、（题目记得不是很清楚） 
一个文档-词矩阵，给你一个变换公式tfij’=tfij*log(m/dfi)；其中tfij代表单词i在文档f中的频率，m代表文档数，dfi含有单词i的文档频率。 
1) 只有一个单词只存在文档中，转换的结果？（具体问题忘记） 

2) 有多个单词存在在多个文档中，转换的结果？（具体问题忘记） 

3) 公式变换的目的？

四、推导朴素贝叶斯分类P(c|d)，文档d（由若干word组成），求该文档属于类别c的概率，
并说明公式中哪些概率可以利用训练集计算得到。

 五、给你五张人脸图片。 
可以抽取哪些特征？按照列出的特征，写出第一个和最后一个用户的特征向量。

 六、考查ID3算法，根据天气分类outlook/temperature/humidity/windy。（给你一张离散型
的图表数据，一般学过ID3的应该都知道） 

a) 哪一个属性作为第一个分类属性？ 

b) 画出二层决策树。 

七、购物篮事物（关联规则） 
一个表格：事物ID/购买项。 
1) 提取出关联规则的最大数量是多少？（包括0支持度的规则）

 2) 提取的频繁项集的最大长度（最小支持>0） 

3) 找出能提取出4-项集的最大数量表达式 
4) 找出一个具有最大支持度的项集（长度为2或更大） 

5) 找出一对项a，b，使得{a}->{b}和{b}->{a}有相同置信度。

 八、一个发布优惠劵的网站，如何给用户做出合适的推荐？有哪些方法？设计一个合适的系
统（线下数据处理，存放，线上如何查询？）

最后推荐一些资料、书籍和讲座给大家，供大家参考：

《编程之美》；
《剑指offer》；

《编程珠玑》；（这本书很经典，但是难度相对较大，建议先看编程之美和剑指offer，然后在读这本）
秒杀99%的海量数据处理面试题http://blog.csdn.net/v_july_v/article/details/7382693；
《Cracking the Coding Interview: 150 Programming Questions and Solutions》，顺便贴个此本书的题解：http://hawstein.com/posts/ctci-solutions-contents.html，且其中文版《程序员面试金典》即将由图灵教育出版社出版；

IT笔试面试网站：http://www.dy1280.com