招商银行信用卡中心2019秋招IT笔试（数据挖掘方向第一批）-公司真题-面试哥

题型	单选题	简答题
数量	25	4

1.

关于逻辑回归和 SVM算法，说法不正确的是（）

问题详情

A. 逻辑回归的目标是最小化后验概率
B. 逻辑回归可以用于预测事件发生概率的大小
C. SVM的目标是最小化结构风险
D. SVM可以有效避免模型过拟合

2.

下面有关分类算法的准确率、召回率、F1 值的描述，错误的是（）

问题详情

A. 准确率是检索出相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率
B. 召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率
C. 正确率、召回率和F1值取值都在0和1之间，数值越接近0，查准率或查全率就越高
D. 为了解决准确率和召回率冲突问题，引入了F1值

3.

下列哪个不属于CRF模型对于HMM和MEMM模型的优势（）

问题详情

A. 特征灵活
B. 速度快
C. 可容纳较多上下文信息
D. 全局最优

4.

有关熵的论述不正确的是（）

问题详情

A. Xi有M个取值，当所有P(Xi) = 1/M时，熵取得最小值
B. 熵是用来衡量一组数据中含有的信息量
C. 服从不同分布的数据，其熵的计算方法相同
D. 互信息是一个随机变量中包含的关于另一个随机变量的信息量

5.

在深度学习网络中，以下哪种技术不是主要用来提升模型泛化能力的（）

问题详情

A. dropout
B. Early stopping
C. Pooling
D. 参数共享

6.

有两个随机数A和B，系统将随机为A生成一个均匀分布于0到0.8的值，为B生...

问题详情

有两个随机数A和B，系统将随机为A生成一个均匀分布于0到0.8的值，为B生成一个均匀分布于0到0.2的值，那么最终B大于A的概率为（）

A. 1/16
B. 1/8
C. 3/16
D. 3/8

7.

有一个箱子，n把钥匙，只有一把钥匙能打开箱子，现在拿钥匙去开箱子，平均多少...

问题详情

有一个箱子，n把钥匙，只有一把钥匙能打开箱子，现在拿钥匙去开箱子，平均多少次能打开箱子?

A. (n-1)/2
B. n/2
C. (n+1)/2
D. n

8.

以下crontab命令在什么时间自动执行：03 02 * * 5 sh /...

问题详情

以下crontab命令在什么时间自动执行：03 02 * * 5 sh /home/userA/test.sh

A. 每周五03:03
B. 每周三02:05
C. 每周五03:02
D. 每周三02:03

9.

Linux系统中，在给定文件中查找与设定条件相符字符串的命令为（）

问题详情

A. grep
B. gzip
C. find
D. sort

10.

将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务？

问题详情

A. 频繁模式挖掘
B. 分类和预测
C. 数据预处理
D. 数据流挖掘

11.

以下哪些分类方法可以较好地避免样本的不平衡问题（）

问题详情

A. KNN
B. SVM
C. Bayes
D. 神经网络

12.

有一个64个面的骰子，其中30个面是1,34个面是2 ，当你掷出1时的信息...

问题详情

有一个64个面的骰子，其中30个面是1,34个面是2 ，当你掷出1时的信息熵是（）

D. -(30/63*log(30/63) + 33/63*log(33/63))
A. -(29/64*log(29/64) + 34/64*log(34/64))
B. -(29/63*log(29/63) + 34/63*log(34/63))
C. -(30/64*log(30/64) + 33/64*log(33/64))

13.

以下哪个不是判别式模型（）

问题详情

A. SVM
B. 最大熵模型
C. 神经网络
D. HMM

14.

以下哪项不是用于解决overfitting问题的（）

问题详情

A. 使用regularization
B. SVM中从多项式核转向使用高斯核
C. 加入更多的数据
D. 数据清洗，去掉一些noise

15.

关于K均值和DBSCAN的比较，以下说法不正确的是（）

问题详情

A. K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。
B. K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。
C. K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇。
D. K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇。

16.

某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据...

问题详情

某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题（）

A. 关联规则发现
B. 聚类
C. 分类
D. 自然语言处理

17.

数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结...

问题详情

数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是（）

A. 单个模型之间有高相关性
B. 单个模型之间有低相关性
C. 在集成学习中使用&ldquo平均权重&rdquo而不是&ldquo投票&rdquo会比较好
D. 单个模型都是用的一个算法

18.

bootstrap数据是什么意思（）

问题详情

A. 有放回地从总共M个特征中抽样m个特征
B. 无放回地从总共M个特征中抽样m个特征
C. 有放回地从总共N个样本中抽样n个样本
D. 无放回地从总共N个样本中抽样n个样本

19.

下列选项中不属于面向对象设计方法主要特征的是（）

问题详情

A. 封装
B. 模块化
C. 继承
D. 多态

20.

以下哪个不是spark的组件（）

问题详情

A. Spark R
B. Spark Streaming
C. Mllib
D. GraphX

21.

协同过滤经常被用于推荐系统，包含基于内存的协同过滤、基于模型的协同过滤以及...

问题详情

协同过滤经常被用于推荐系统，包含基于内存的协同过滤、基于模型的协同过滤以及混合模型。以下说法不正确的是（）

A. 基于用户的协同过滤推荐、基于物品的协同过滤推荐都是基于内存的协同过滤推荐
B. 混合模型综合两个模型的优点，通常能够达到由于两者的效果
C. 基于内存的协同过滤可以较好解决冷启动问题
D. 基于内存的协同过滤实现比较简单,新数据可以较方便的加入

22.

设属性salary的最小最大值分别是7000元和54000元。利用最大-最...

问题详情

设属性salary的最小最大值分别是7000元和54000元。利用最大-最小规范化的方法将属性的值映射到0至1的范围内。对属性salary5的33600元将被转化为（）

A. 0.751
B. 0.566
C. 0.457
D. 0.163

23.

在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。

问题详情

A. 曼哈顿距离
B. 平方欧几里德距离
C. 余弦距离
D. Bregman散度

24.

下列特征工程的说法不正确的是（）

问题详情

A. 对特征分箱是为了解决线性不可分的问题
B. 对于取值较少的特征，适合做交叉特征
C. 做较多的交叉特征，能够提升模型的效果
D. 对于数值型的特征必须进行归一化处理

25.

Naive Bayes是一种特殊的Bayes分类器，特征变量是X，类别标签...

问题详情

Naive Bayes是一种特殊的Bayes分类器，特征变量是X，类别标签是C，它的一个假定是（）

A. 各类别的先验概率P(C)是相等的
B. 以0为均值，sqrt(2)/2为标准差的正态分布
C. 特征变量X的各个维度是类别条件独立随机变量
D. P(X|C)符合高斯分布

26.

在分类问题中，经常会遇到正负样本数据量不等的情况，有哪些处理手段？若出现欠...

问题详情

在分类问题中，经常会遇到正负样本数据量不等的情况，有哪些处理手段？若出现欠拟合和过拟合，可能的原因有哪些，该如何避免？

27.

以下是用户A、B、C、D购买过的物品（以小写字母表示）列表，请给出基于用户...

问题详情

以下是用户A、B、C、D购买过的物品（以小写字母表示）列表，请给出基于用户的协同过滤算法计算用户A对c、e的兴趣（用户相似度以余弦相似度度量）。
A: a b d
B: a c
C: b e
D: c d e

28.

请描述随机森林与GBDT的区别。

问题详情

29.

点击通过率CTR（Click-Through-Rate），一般指网络广告的...

问题详情

点击通过率CTR（Click-Through-Rate），一般指网络广告的点击到达率，即该广告的实际点击次数除以广告的展现量。请描述如何用逻辑回归（LR）进行CTR预估，并简述LR中正则化和特征离散化的作用。

招商银行信用卡中心2019秋招IT笔试（数据挖掘方向第一批）

题型介绍

关于逻辑回归和 SVM算法，说法不正确的是（）

下面有关分类算法的准确率、召回率、F1 值的描述，错误的是（）

下列哪个不属于CRF模型对于HMM和MEMM模型的优势（）

有关熵的论述不正确的是（）

在深度学习网络中，以下哪种技术不是主要用来提升模型泛化能力的（）

有两个随机数A和B，系统将随机为A生成一个均匀分布于0到0.8的值，为B生...

有一个箱子，n把钥匙，只有一把钥匙能打开箱子，现在拿钥匙去开箱子，平均多少...

以下crontab命令在什么时间自动执行：03 02 * * 5 sh /...

Linux系统中，在给定文件中查找与设定条件相符字符串的命令为（）

将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务？

以下哪些分类方法可以较好地避免样本的不平衡问题（）

有一个64个面的骰子，其中30个面是1,34个面是2 ，当你掷出1时的信息...

以下哪个不是判别式模型（）

以下哪项不是用于解决overfitting问题的（）

关于K均值和DBSCAN的比较，以下说法不正确的是（）

某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据...

数据科学家可能会同时使用多个算法（模型）进行预测， 并且最后把这些算法的结...

bootstrap数据是什么意思（）

下列选项中不属于面向对象设计方法主要特征的是（）

以下哪个不是spark的组件（）

协同过滤经常被用于推荐系统，包含基于内存的协同过滤、基于模型的协同过滤以及...

设属性salary的最小最大值分别是7000元和54000元。利用最大-最...

在基本K均值算法里，当邻近度函数采用（ ）的时候，合适的质心是簇中各点的中位数。

下列特征工程的说法不正确的是（）

Naive Bayes是一种特殊的Bayes分类器，特征变量是X，类别标签...

在分类问题中，经常会遇到正负样本数据量不等的情况，有哪些处理手段？若出现欠...

以下是用户A、B、C、D购买过的物品（以小写字母表示）列表，请给出基于用户...

请描述随机森林与GBDT的区别。

点击通过率CTR（Click-Through-Rate），一般指网络广告的...

数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结...

在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。