百度2019校园招聘 —— 机器学习/数据挖掘/自然语言处理部分题

部分题目已经在博文中作答，详情点击

1. 百度 2019校园招聘 计算机视觉算法研发工程师
2. 百度笔试题练习[1] （08-17）

---

1. 下列关于语言模型的说法错误的是（） B

A 基于知识的语言模型通过非歧义的规则解释歧义过程
B 基于知识的语言模型是经验主义方法
C 基于语料库的统计分析模型需要从大规模的真实文本中发现知识
D 基于语料库的统计模型更加注重用数学的方法

2. 下列关于现有的分词算法说法错误的是（） A

A 基于统计的分词方法是总控部分的协调下，分词子系统获得有关词、句子等的句法和语义信息来对分词歧义进行判断
B 由于在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词，统计语料中的频度可以判断是否构成一个词
C 统计分词系统将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点
D 中文分词的准确度，对搜索引擎结果相关性和准确性有相当大的关系

3. 有一家医院为了研究癌症的诊断，对一大批人作了一次普查，给每人打了试验针，然后进行统计，得到如下统计数字：
① 这批人中，每1000人有5个癌症病人；
② 这批人中，每100个正常人有1人对试验的反应为阳性，
③ 这批人中，每100个癌症病人有95人对试验的反应为阳性。
通过普查统计，该医院可开展癌症诊断。
现在某人试验结果为阳性，根据最小风险贝叶斯决策理论，将此患者预测为患癌症的风险概率为（ ）。C
假设将正常人预测为正常人和将癌症患者预测为癌症患者的损失函数均为0，将癌症患者预测为正常人的损失函数为3，将正常人预测为癌症患者的损失函数为1.

A 75.5%
B 32.3%
C 67.7%
D 96.9%

4. 如当前样本集合D中第K类样本所占的比列为P(k)（k= 1,2,3,…,y），则样本的信息熵最大值为（ ） C

A 1
B 0.5
C Log2(y)
D log2(P(y))

5. 下列关于现有的分词算法说法错误的是（） A

A 基于统计的分词方法是总控部分的协调下，分词子系统获得有关词、句子等的句法和语义信息来对分词歧义进行判断
B 由于在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词，统计语料中的频度可以判断是否构成一个词
C 统计分词系统将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点
D 中文分词的准确度，对搜索引擎结果相关性和准确性有相当大的关系

---

6. 下列关于数据降维方法说法正确的是（ABCD）

A. MDS要求原始空间样本之间的距离在降维后的低维空间中得以保持
B. PCA采用一组新的基来表示样本点，每个基向量都是原来基向量的线性组合，通过使用尽可能少的新基向量来表出样本，从而实现降维
C. 核化主成分分析为先将样本映射到高维空间，再在高维空间中使用线性降维
D. 流形学习是一种借助拓扑流形概念的降维方法，采用的思想是"邻域保持"

7. 下列属于常用的分箱方法的是（ABC）

A 统一权重法
B 统一区间法
C 自定义区间法
D 平均值法

8. 某数据存放在DS=2000H和DI=1234H的数据段的存储单元中，则该存储单元的物理地址为（A ）

A 21234H
B 14340H
C 3234H
D 其他几项都不对

9. 在分时系统中，时间片设置Q=3,以下关于响应时间的分析，正确的是（AD ）

A 用户数量越多响应时间越长
B 内存空间越大响应时间越长
C 时间片越小响应时间越长
D 进程数量越多响应时间越长

10. 序列[9,14,11,16,21,15,20,31]为小顶堆，在删除堆顶元素9之后，调整后的结果是（ C）

A [14,11,16,21,15,20,31]
B [11,14,16,21,15,20,31]
C [11,14,15,16,21,31,20]
D [11,14,15,16,20,21,31]

直接建立初始最大堆，然后交换堆顶和最后节点的值，然后进行堆的调整！