2017校招数据分析岗笔试#92;/面试知识点总结
|
2017校招正在火热的进行，后面会不断更新涉及到的相关知识点。 尽管听说今年几个大互联网公司招的人超少，但好像哪一年都说是就业困难，能够进去当然最好，不能进去是不是应该也抱着好的期望去找自己满意的呢? 最近笔试了很多家公司校招的数据分析和数据挖掘岗位，今天(9.18r)晚上做完唯品会的笔试题，才忽然意识过来，不管题目简单也好、难也好，都要去切切实实的去掌握。毕竟不能永远眼高手低，否则最后吃亏的一定是自己。 知识点1：贝叶斯公式 贝叶斯公式：P(B|A)=P(A|B)*P(B)/P(A) 其中P(A)可以展开为 P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+…+P(A|Bn)*P(Bn) (这在很多问答题或者选择题中都有用到) 知识点2：关联规则分析 主要考的是支持度和置信度。
知识点3：聚类 聚类之间类的度量是分距离和相似系数来度量的，距离用来度量样品之间的相似性(K-means聚类，系统聚类中的Q型聚类)，相似系数用来度量变量之间的相似性(系统聚类中的R型聚类)。 最常用的是K-means聚类，适用于大样本，但需要事先指定分为K个类。 处理步骤： 1)、从n个数据对象中任意选出k个对象作为初始的聚类中心 2)、计算剩余的各个对象到聚类中心的距离，将它划分给最近的簇 3)、重新计算每一簇的平均值(中心对象) 4)、循环2-3直到每个聚类不再发生变化为止。 系统聚类适用于小样本。 知识点4：分类 有监督就是给的样本都有标签，分类的训练样本必须有标签，所以分类算法都是有监督算法。 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据，提高泛化能力。 1.朴素贝叶斯1)基础思想： 对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此分类项属于哪个类别。 2)优点： 可以和决策树、神经网络分类算法相媲美，能运用于大型数据库中。 方法简单，分类准确率高，速度快，所需估计的参数少，对于缺失数据不敏感。 3)缺点： 假设一个属性对定类的影响独立于其他的属性值，这往往并不成立。(喜欢吃番茄、鸡蛋，却不喜欢吃番茄炒蛋)。 需要知道先验概率。 2.决策树决策树是一种简单但广泛使用的分类器，它通过训练数据构建决策树，对未知的数据进行分类。决策树的每个内部节点表示在一个属性上的测试，每个分枝代表该测试的一个输出，而每个叶结点存放着一个类标号。 在决策树算法中，ID3基于信息增益作为属性选择的度量，C4.5基于信息增益比作为属性选择的度量，CART基于基尼指数作为属性选择的度量。 2)优点 ：
3)缺点：
3.支持向量机支持向量机把分类问题转化为寻找分类平面的问题，并通过最大化分类边界点距离分类平面的距离来实现分类。
可以解决小样本下机器学习的问题。 提高泛化性能。 可以解决文本分类、文字识别、图像分类等方面仍受欢迎。 避免神经网络结构选择和局部极小的问题。
缺失数据敏感。 内存消耗大，难以解释。 4.K近邻通过计算每个训练样例到待分类样品的距离，取和待分类样品距离最近的K个训练样例，K个样品中哪个类别的训练样例占多数，则待分类样品就属于哪个类别。 2)优点 ： 适用于样本容量比较大的分类问题
计算量太大 对于样本量较小的分类问题，会产生误分。 5.逻辑回归(LR)回归模型中，y是一个定型变量，比如y=0或1，logistic方法主要应用于研究某些事件发生的概率。
速度快，适合二分类问题。 简单易于理解，直接看到各个特征的权重。 （编辑：安卓应用网_ASP源码网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
