2015-03-22 网易笔试（数据挖掘方向）——邮件事业部
答案正在更新，有想法的也可以留言............
一：单选题
1：下列程序的输出结果为（）
#include <iostream.h>
void main()
{
int n[][] = {10,20,30,40,50,60};
int (*p)[3];
p = n;
cout<<[0][0] << "," <<*( p[0] + 1) << "," <<(*p)[2]<<endl;
}
A: 10,30,50
B: 10,20,30
C: 20,40,60
D: 10,30,60
解析： n[2][3] = {
10,20,30,
40,50,60
};
*( p[0] + 1) = p[i][j] (与此类似的形式还有 *( *( p+i ) + j )) 故等于20
(*p)[2]:*p指的是首行 2代表第三列 所以为 30 答案选B
2：存储以下数据，占用字节最多的是（）
A: 0
B: '0'
C: " 0 "
D: 0.0
解：int 在不同位数的计算机上表现出的长度不一样，其长度至少为2字节（在16位的计算机上），在32位的计算机上其长度为4字节，64位的计算机上长度为8字节
char 字段字节长度为8
“0”的长度为2 0.0的长度为8
3: 栈和队列共同的特点是
A: 只允许在端点处插入和删除
B: 都是先进后出
C: 都是先进先出
D: 没有共同点
解：栈和队列都是数据结构中的一种，栈是先进后出，其删除和插入数据只能在端点处进行，对列是先进先出型，插入和删除数据也只能在端点处进行，另外一个比较混淆的点是 栈通常用于深度遍历， 而队列用于广度遍历。
4: 任何一颗二叉树的叶节点在前序，中序，后序遍历序列中的相对次序
A: A和B 右方
B: A 和B祖先
C: A 和B左方
D: A 是B子孙
解：这道题题目的意思给的太迷乱了，所以我的理解也不一定正确，我的理解是A和B是两个叶子节点，共有一个父结点，所以无论是前序，中序还是后序遍历中，A总是在B的左边，所以选择C
5：下列关于MapReduce的说法正确的是？
A: MapReduce有多个输入路径时，文件类型必须保持一致
B: 可以使用Counter观察MR Job运行的各种细节数据
C; 使用TextInputFormat时，Mapper的key类型为Text，value类型为LongWritable
D: 以上都正确
解：MapReduce有多个输入路径时不需要保证文件类型一致，可以使用MultipleInouts类来指定多个Mapper函数，只要一个Map函数来处理一种类型的文件即可。
MapReduce Counter为提供我们一个窗口：观察MapReduce job运行期的各种细节数据
使用InputFormat时Mapper的key为LongWritable，表示偏移量，Text表示一行的文本
故选择 B
6：PCA降维中用到的算法是：
A: 牛顿法
B: sgd
C: svd
D: Cutting-Plane
解：牛顿法：迭代算法
sgd：梯度下降算法
svd：推荐算法（Singular Value Decomposition）
Cutting-Plane：列生成算法
其实小编对这几个算法并不大懂，所以具体的还望大神指导，具体答案小编目测是选B
7：
A: 0.59 0.514
B: 1.14 1.02
C: 0.59 1.02
D; 0.514 0.59
解：B
8：请选出用于无监督学习问题的方法
A: SGD
B: 反向传播
C: BFGS
D: 幂迭代
解：D
SGD：梯度下降算法
反向传播：Backpropagation algorithm，简称：BP算法，是一种监督学习算法，常被用来训练多层感知机
BFGS拟牛顿法，详情参考
幂迭代：聚类算法
9：Python中的浅拷贝会创建一个新的对象，但他包含的是对原始对象中包含项的引用，下列哪个操作不涉及浅拷贝
A: copy()
B: list()
C: 完全切片方法
D: 赋值（=）
解：答案选D
推荐一篇便于理解浅拷贝和深拷贝的文章：点击阅读
思路一：利用切片操作和工厂方法list方法拷贝就叫浅拷贝，只是拷贝最外围的对象本身，内部的元素都只是拷贝了一个引用而已。
思路二：利用copy中的deepcopy方法进行拷贝就叫做深拷贝，外围和内部元素都进行了拷贝对象本身，而不是引用。
但是对于数字，字符串和其他原子类型对象等，没有被拷贝的说法，即便是用深拷贝，查看id的话也是一样的，如果对其重新赋值，也只是新创建一个对象，替换掉旧的而已。
10：有一个文件ip.txt ，每行一条ip记录，共若干行，下列哪个命令可以实现统计出现次数最多的前三个ip及其次数
A: uniq -c ip.txt | sort -rn | head -n 3
B: sort ip.txt | uniq -c | sort -rn | head -n 3
C: cat ip.txt | count -n | sort -rn | head -n 3
D: cat ip.txt | sort | uniq -c | sort -rn | top -n 3
解：B linux基本命令具体自行百度
二：多选题
11：ls -l 显示如下 -rwxrw-r-- 1 aaa bbb 0 3月 4 11:21 ccc 下列那些说法是正确的/
A: 该文件是个目录
B: 该文件拥有者所在的组用户有权限修改文件
C: 该文件的权限数字表示为764
D: 该文件的拥有者是bbb
解：BC
12：下列属于线性分类器的是
A: 决策树
B; 带和核函数的SVM
C: logistics回归
D: 感知器
解：BCD
线性分类器：单层感知器网络、贝叶斯 非线性分类器：多层感知器网络、决策树 SVM本身是线性分类器，带核函数之后相当于把低维空间的数据映射到高维空间，之后就可以用线性分类器进行分类了
13： 下列常用的机器学习模型中那些属于生成模型
A: 朴素贝叶斯
B: 隐马尔可夫
C: 感知机
D: 决策树
解：B
朴素贝叶斯和隐马尔可夫是生成模型
感知机，决策树是判别模型
14：下列说法正确的是
A:StringBuilder是线程不安全的
B: java类可以同时用abstract 和 final声明
C: HasnMap中，使用get（key）==null 可以判断这个hashmap是否包含这个key
D: volatike关键字不保证对变量操作的原子性
解：A，C，D
abstract类是抽象类，必须做父类
15：Python中怎样替换一个字符串
A: String模块的sub函数
B: re模块的replace()函数
C: re模块的subn()函数
D: re模块的sub()函数
解：B,C,D
A中string模块meiyousub方法，有replace函数
16：Spark中的RDD的持久化操作，下面说法正确的是？
A: 调用persist()之后不需要主打unpersist()
B: MEMORY_ONLY_SEP模式比MEMORY_ONLY模式快
C: OFF_HEAP模式不需要序列化数据
D: MEMORY_ADD_DISK模式当内存放马不下数据时会将部分数据存储到磁盘中
解：B，C，D
楼主不懂Spark，是百度之后的答案，仅供参考
17：对154个元素组成的有序表进行二分法查找，可能的比较次数为：
A: 10
B: 8
C: 4
D: 1
解：画一个二叉树共八层，所以小于等于8即可 B,C,D
18：有一棵二叉树的前序遍历和后序遍历分别是1,2,3,4和4,3,2,1,则该二叉树的中序遍历可能是
A: 1,2,3,4
B: 2,3,4,1
C: 3,2,4,1
D: 4,3,2,1
解：C,D
19：已知logistic回归分类器的分类阀值是0.5,训练集中正负类比例为3：1,预测性能中正类的precision为0.88 recall为0.81 ，以下那些处理手段可能提高预测结果中正类的recall
A: 降低分类判断的阀值为0.3
B: 训练集中正负类的训练比例调整为6：1
C: 加大logistic回归的正则项的权重值
D: 降低logistic回归的正则项的权重值
解：
20：以下随机变量的概率图模型，那些图是满足p( c,b | a) = p(c | a)p(b |a )
A:
B:
C:
D:
解：A,C（楼主不太懂的路过,,,,,）
三：主观题
