日常实习面试问题整理

ゝ一世哀愁。 2022-04-24 02:36 265阅读 0赞

====================================================================================================

**亚信科技**

====================================================================================================

1. 自我介绍

2. 在之前实习公司做哪些工作？

主要负责伽利略风险预警平台的数据支持数据分析工作。包括第一个是对舆情打分、关联关系分析、词云等这些自动化流程整理数据流图，包括程序中涉及的表、涉及的数据量、每个函数的输入输出涉及哪些表，并在生产环境中验证自动化流程跑的对不对。第二个是做一些数据验证以及数据字典的的整理工作，比如数据切源，第三个就是根据mentor的要求，从生产环境抽取样例数据，以及在测试环境建表、导数据的工作。

3. 介绍一个最熟悉的机器学习算法，分类、聚类的都可以。

4. 信息增益和信息增益率的区别

信息增益：是节点A的信息熵与A的子节点的信息熵的和之差，信息增益越大表示增加一个属性，对样本的熵减少能力越强，表示这个属性使数据由不确定性变为确定性的能力越强。但是信息增益存在一个问题，属性值越多，则该属性的信息增益越大，所以ID3选择分裂节点时更倾向于选择属性值多的属性作为分裂节点，不适用于连续数据的处理。为此提出的改进就有使用信息增益率作为分裂属性选择的C4.5树。

信息增益率：节点信息增益与节点分裂信息量的比值。属性取值越多，则节点分裂信息量越大，如果直接采用增益率作为分裂准则，它会偏向属性值较少的节点，因此C4.5算法在选择分裂节点时，先选择信息增益高于平均值的属性，再从中选出信息增益率最高的属性。

补：CART使用基尼指数作为属性选择原则，基尼指数是指从样本集中随机抽取两个样本，其类别标记不一样的概率，基尼指数越小，说明纯度越高，选择使划分后基尼指数最小的属性作为最优属性

5.HMM用在什么地方？

举个简单的例子，假设有三个骰子，D1,D2,D3，每个骰子就是1-6,现在开始掷骰子，每次都是随机从D1D2D3中选一个，掷了5次后得到一串数字，这串数字就是我们能观察到的数据，是可见的状态链，隐含状态链就是所选骰子的序列。可以解决的问题有：第一个是根据观察到的数据，求出一个对应的最可能的骰子序列；第二个是知道骰子的序列，求出得到观察到数据序列的概率；第三个是知道有几种骰子，根据观察到的数据，求HMM模型参数。

HMM可以用在NLP中，如词性标注，给定一个句子，找出最可能的词性序列，或者用于分词，给定一个句子，找出最可能的标签序列；可以用在金融领域，比如把股票每天的成交量、股票价格等作为观测数据，将股票市场状态作为隐藏状态，可以观测数据对应的最可能的隐状态序列。

6. 学了数据挖掘课之后，对算法有什么想法？

7. Hive的函数有用过吗？

===================================================================================================

**海风教育**

====================================================================================================

1. mySQL的窗体函数？用法？

2. 十个班级中选出每个班级成绩最高的三名，SQL语句怎么写？

窗口函数的用法：

select \* from

(select \*, rank() over (partition by class order by score) as flags from s )

where flags < 4