字节跳动——游戏数据挖掘分析实习生

1、爬虫用了哪些包去抓的
答：requests、pyquery、selenium
2、词云用的哪个包
wordcloud
3、询问玩了什么游戏，回答原神，现在要写一个原神竞品的报告，应该从哪些方面去分析
答：根据游戏定位、用户群体、抽卡机制等方面
3、项目经历
4、机器学习的基本流程
数据探索、数据清洗（缺失值、重复值和异常值处理，属性规约）、特征工程、模型优化
5、介绍一下决策树
决策树是一种有监督学习的分类与回归算法，每个节点通过纯度对样本进行划分，纯度有信息增益、信息增益率以及Gini指数等等，决策树的优点是速度快、比较容易解释、数据的准备较为简单、可以自动处理缺失值，可以看做是一个白盒模型；缺点是容易过拟合、忽略属性之间的相关性。
【机器学习】集成学习中方差和偏差的理解

6、决策树和随机森林的区别
随机森林是集成学习bagging的一种变体，首先bagging就是同时训练多个基分类器，然后用多数投票的方式（回归则采用平均值）来得到分类的结果。随机森林就是在训练n个基分类器的时候，通过随机采样的方式得到n个训练集，每个训练集训练一个分类器，随机采样的时候大概会有36.8%的数据永远不会被采集到，这个数据是怎么来的呢，假如一共有m个样本，每个样本被采集到的概率为1/m，采集不到的概率为1-1/m，采集m次都采集不到的概率为（1-1/m）^m，当m无穷大的时候，取极限可以得到1/e≈0.368.
随机森林在bagging的基础上进行了改进，主要有两个方面的变化：第一个是随机森林采用CART决策树作为基分类器；第二个是在每个树节点上，在所有的t特征中随机选择k个特征，k<t，这样能够提高模型的泛化能力，降低方差，但同时由于每次选择的特征不一样，因此会产生一定的偏差，因此随机森林通常用来降低方差。
7、SQL题 力扣中等题目
第一张表candidate是候选人id和名字name
第二张表vote是投票人id和候选人id
找出得票最高的候选人名字
8、分类和聚类用过哪些方法
9、反问