【秋招】拼多多_数据分析岗_面试题整理

1. 贝叶斯公式复述并解释应用场景

   1）P（A|B) = P(B|A)*P(A) / P(B)

   2）如搜索query纠错，设A为正确的词，B为输入的词，那么：

      a. P(A|B)表示输入词B实际为A的概率

      b. P(B|A)表示词A错输为B的概率，可以根据AB的相似度计算（如编辑距离）

      c. P(A)是词A出现的频率，统计获得

      d. P(B)对于所有候选的A都一样，所以可以省去

 

2. 如何写SQL求出中位数平均数和众数（除了用count之外的方法）

   1）中位数：

方案1（没考虑到偶数个数的情况）：

set @m = (select count(*)/2 from table)

select column from table order by column limit @m, 1

方案2（考虑偶数个数，中位数是中间两个数的平均）：

set @index = -1

select avg(table.column)

from

(select @index:=@index+1 as index, column

from table order by column) as t

where t.index in (floor(@index/2),ceiling(@index/2))

   2）平均数：select avg(distinct column) from table

   3）众数：select column, count(*) from table group by column order by column desc limit 1(emmm，好像用到count了）

 

3. 学过的机器学习算法有哪些

略。

 

4. 如何避免决策树过拟合

   1）限制树深

   2）剪枝

   3）限制叶节点数量

   4）正则化项

   5）增加数据

   6）bagging（subsample、subfeature、低维空间投影）

   7）数据增强（加入有杂质的数据）

   8）早停

 

5. 朴素贝叶斯的理解

   1）推导（参考：https://www.cnblogs.com/pinard/p/6069267.html）

   2）理解：朴素贝叶斯是在已知一些先验概率的情况下，由果索因的一种方法

   3）其它：朴素的意思是假设了事件相互独立

 

6. SVM的优点

   1）优点：

      a. 能应用于非线性可分的情况

      b. 最后分类时由支持向量决定，复杂度取决于支持向量的数目而不是样本空间的维度，避免了维度灾难

      c. 具有鲁棒性：因为只使用少量支持向量，抓住关键样本，剔除冗余样本

      d. 高维低样本下性能好，如文本分类

   2）缺点：

      a. 模型训练复杂度高

      b. 难以适应多分类问题

  &nb