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 参考 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 关于生成模型和判别模型结束 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 21： 解： 22： 解： 23：请描述Java的Thread类中的start（）和run（）两个方法的区别？ 解： 24：（1）在SVM模型中，核函数的作用是什么？存在哪几种核函数 （2）对于SVM模型来说，松弛变量有何作用？ 25：现在有两种类型的文字新闻：体育新闻和财经新闻各10000条（已分好类），想以此作为训练样本实现一个这两种新闻的自动分类器，请描述如何实现（从如何将一条新闻转化为一条用于训练的特征向量） 解：
