解密 : 從互聯(lián)網(wǎng)巨頭數(shù)據(jù)挖掘類招聘筆試題目看我們還差多少知識(shí)

1 從阿里數(shù)據(jù)分析師筆試看職業(yè)要求
以下試題是來(lái)自阿里巴巴招募實(shí)習(xí)生的一次筆試題，從筆試題的幾個(gè)要求我們一起來(lái)看看數(shù)據(jù)分析的職業(yè)要求。
一、異常值是指什么？請(qǐng)列舉1種識(shí)別連續(xù)型變量異常值的方法？
異常值（Outlier） 是指樣本中的個(gè)別值，其數(shù)值明顯偏離所屬樣本的其余觀測(cè)值。在數(shù)理統(tǒng)計(jì)里一般是指一組觀測(cè)值中與平均值的偏差超過(guò)兩倍標(biāo)準(zhǔn)差的測(cè)定值。
Grubbs’ test（是以Frank E. Grubbs命名的），又叫maximum normed residual test，是一種用于單變量數(shù)據(jù)集異常值識(shí)別的統(tǒng)計(jì)檢測(cè)，它假定數(shù)據(jù)集來(lái)自正態(tài)分布的總體。
未知總體標(biāo)準(zhǔn)差σ，在五種檢驗(yàn)法中，優(yōu)劣次序?yàn)椋簍檢驗(yàn)法、格拉布斯檢驗(yàn)法、峰度檢驗(yàn)法、狄克遜檢驗(yàn)法、偏度檢驗(yàn)法。
點(diǎn)評(píng)：考察的內(nèi)容是統(tǒng)計(jì)學(xué)基礎(chǔ)功底。
二、什么是聚類分析？聚類算法有哪幾種？請(qǐng)選擇一種詳細(xì)描述其計(jì)算原理和步驟。
聚類分析(cluster analysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組(clusters)的統(tǒng)計(jì)分析技術(shù)。 聚類分析也叫分類分析(classification analysis)或數(shù)值分類(numerical taxonomy)。聚類與分類的不同在于，聚類所要求劃分的類是未知的。
聚類分析計(jì)算方法主要有： 層次的方法（hierarchical method）、劃分方法（partitioning method）、基于密度的方法（density-based method）、基于網(wǎng)格的方法（grid-based method）、基于模型的方法（model-based method）等。其中，前兩種算法是利用統(tǒng)計(jì)學(xué)定義的距離進(jìn)行度量。
k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然 后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開(kāi)。
其流程如下：
（1）從 n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；
（2）根據(jù)每個(gè)聚類對(duì)象的均值（中心對(duì)象），計(jì)算每個(gè)對(duì)象與這些中心對(duì)象的距離；并根據(jù)最小距離重新對(duì)相應(yīng)對(duì)象進(jìn)行劃分；
（3）重新計(jì)算每個(gè)（有變化）聚類的均值（中心對(duì)象）；
（4）循環(huán)（2）、（3）直到每個(gè)聚類不再發(fā)生變化為止（標(biāo)準(zhǔn)測(cè)量函數(shù)收斂）。
優(yōu)點(diǎn)：本算法確定的K 個(gè)劃分到達(dá)平方誤差最小。當(dāng)聚類是密集的，且類與類之間區(qū)別明顯時(shí)，效果較好。對(duì)于處理大數(shù)據(jù)集，這個(gè)算法是相對(duì)可伸縮和高效的，計(jì)算的復(fù)雜度為 O(NKt)，其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)。一般來(lái)說(shuō)，K<<N，t<<N 。
缺點(diǎn)：1. K 是事先給定的，但非常難以選定；2. 初始聚類中心的選擇對(duì)聚類結(jié)果有較大的影響。
點(diǎn)評(píng)：考察的內(nèi)容是常用數(shù)據(jù)分析方法，做數(shù)據(jù)分析一定要理解數(shù)據(jù)分析算法、應(yīng)用場(chǎng)景、使用過(guò)程、以及優(yōu)缺點(diǎn)。
三、根據(jù)要求寫出SQL
表A結(jié)構(gòu)如下：
Member_ID（用戶的ID，字符型）
Log_time（用戶訪問(wèn)頁(yè)面時(shí)間，日期型（只有一天的數(shù)據(jù)））
URL（訪問(wèn)的頁(yè)面地址，字符型）
要求：提取出每個(gè)用戶訪問(wèn)的第一個(gè)URL（按時(shí)間最早），形成一個(gè)新表（新表名為B，表結(jié)構(gòu)和表A一致）
createtable B asselectMember_ID, min(Log_time), URL from Agroup byMember_ID ;
點(diǎn)評(píng)：SQL語(yǔ)句，簡(jiǎn)單的數(shù)據(jù)獲取能力，包括表查詢、關(guān)聯(lián)、匯總、函數(shù)等。
四、銷售數(shù)據(jù)分析
以下是一家B2C電子商務(wù)網(wǎng)站的一周銷售數(shù)據(jù)，該網(wǎng)站主要用戶群是辦公室女性，銷售額主要集中在5種產(chǎn)品上，如果你是這家公司的分析師，
a) 從數(shù)據(jù)中，你看到了什么問(wèn)題？你覺(jué)得背后的原因是什么？
b) 如果你的老板要求你提出一個(gè)運(yùn)營(yíng)改進(jìn)計(jì)劃，你會(huì)怎么做？
表如下：一組每天某網(wǎng)站的銷售數(shù)據(jù)

a) 從這一周的數(shù)據(jù)可以看出，周末的銷售額明顯偏低。這其中的原因，可以從兩個(gè)角度來(lái)看：站在消費(fèi)者的角度，周末可能不用上班，因而也沒(méi)有購(gòu)買該產(chǎn)品的欲望；站在產(chǎn)品的角度來(lái)看，該產(chǎn)品不能在周末的時(shí)候引起消費(fèi)者足夠的注意力。
b) 針對(duì)該問(wèn)題背后的兩方面原因，我的運(yùn)營(yíng)改進(jìn)計(jì)劃也分兩方面：一是，針對(duì)消費(fèi)者周末沒(méi)有購(gòu)買欲望的心理，進(jìn)行引導(dǎo)提醒消費(fèi)者周末就應(yīng)該準(zhǔn)備好該產(chǎn)品；二是，通過(guò)該產(chǎn)品的一些類似于打折促銷等活動(dòng)來(lái)提升該產(chǎn)品在周末的人氣和購(gòu)買力。
點(diǎn)評(píng)：數(shù)據(jù)解讀能力，獲取數(shù)據(jù)是基本功，僅僅有數(shù)據(jù)獲取能力是不夠的，其次是對(duì)數(shù)據(jù)的解讀能力。
五、用戶調(diào)研
某公司針對(duì)A、B、C三類客戶，提出了一種統(tǒng)一的改進(jìn)計(jì)劃，用于提升客戶的周消費(fèi)次數(shù)，需要你來(lái)制定一個(gè)事前試驗(yàn)方案，來(lái)支持決策，請(qǐng)你思考下列問(wèn)題：
a) 試驗(yàn)需要為決策提供什么樣的信息？
c) 按照上述目的，請(qǐng)寫出你的數(shù)據(jù)抽樣方法、需要采集的數(shù)據(jù)指標(biāo)項(xiàng)，以及你選擇的統(tǒng)計(jì)方法。
a) 試驗(yàn)要能證明該改進(jìn)計(jì)劃能顯著提升A、B、C三類客戶的周消費(fèi)次數(shù)。
b) 根據(jù)三類客戶的數(shù)量，采用分層比例抽樣；
需要采集的數(shù)據(jù)指標(biāo)項(xiàng)有：客戶類別，改進(jìn)計(jì)劃前周消費(fèi)次數(shù)，改進(jìn)計(jì)劃后周消費(fèi)次數(shù)；
選用統(tǒng)計(jì)方法為：分別針對(duì)A、B、C三類客戶，進(jìn)行改進(jìn)前和后的周消費(fèi)次數(shù)的，兩獨(dú)立樣本T-檢驗(yàn)（two-sample t-test）。
點(diǎn)評(píng)：業(yè)務(wù)理解能力和數(shù)據(jù)分析思路，這是數(shù)據(jù)分析的核心競(jìng)爭(zhēng)力。
綜上所述：一個(gè)合格的數(shù)據(jù)分析應(yīng)該具備統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)、數(shù)據(jù)分析方法、數(shù)據(jù)獲取、數(shù)據(jù)解讀和業(yè)務(wù)理解、數(shù)據(jù)分析思想幾個(gè)方面能力，即將成為數(shù)據(jù)分析師的親們，你們準(zhǔn)備好了嗎？
2 從騰訊（數(shù)據(jù)挖掘方向）筆試題目看技術(shù)儲(chǔ)備
筆試內(nèi)容：
1.二叉樹(shù)遍歷：已知中序遍歷順序以及前序遍歷順序，求后序遍歷順序
2.SQL語(yǔ)句： 找出QQset中最小的QQ號(hào)碼
3.encodeURI&URL傳播的轉(zhuǎn)義結(jié)果
4.36輛車，6條跑道，無(wú)計(jì)時(shí)器，最少幾次比賽可以選出前三
5.Windows/Linux下判斷遠(yuǎn)程地址為某主機(jī)監(jiān)聽(tīng)的某端口是都開(kāi)放的命令是？
6.html 網(wǎng)站cookie
7.cookie功能
8.哈希沖突
9.哪些http方法對(duì)于服務(wù)端和用戶是安全的
10.二維數(shù)組內(nèi)存地址計(jì)算
11.附加題：推導(dǎo)線性最小二乘法過(guò)程
12.附加題：概率計(jì)算（這個(gè)相當(dāng)簡(jiǎn)單啦）
13.模型過(guò)擬合與哪些因素有關(guān)，寫出理由
3 從百度（數(shù)據(jù)挖掘工程師）筆試題目看技術(shù)儲(chǔ)備
一. 簡(jiǎn)答題
1. new 和 malloc 的區(qū)別。
2. hash沖突是指什么?怎么解決?給兩種方法，寫出過(guò)程和優(yōu)缺點(diǎn)。
3. 命中的概率是 0.25，若要至少命中一次的概率不小于 0.75，則至少需要幾次?
二. 算法設(shè)計(jì)題
1. 用C/C++寫一個(gè)歸并排序。
數(shù)據(jù)結(jié)構(gòu)為struct Node{int v; Node *next};
接口為 Node * merge_sort(Node *);
2. 設(shè)計(jì)S型層次遍歷樹(shù)的算法，比如根節(jié)點(diǎn)是第一層，第二層從左至右遍歷，第三層從右至左遍歷，第四層再?gòu)淖笾劣冶闅v，以此類推。
舉例：應(yīng)依次輸出 1 2 3 6 5 4 7 8 9。
3. 一個(gè)url文件，每行是一個(gè)url地址，可能有重復(fù)。
(1)統(tǒng)計(jì)每個(gè)url的頻次，設(shè)計(jì)函數(shù)實(shí)現(xiàn)實(shí)現(xiàn)。
(2)設(shè)有10億url，平均長(zhǎng)度是20，現(xiàn)在機(jī)器有8G內(nèi)存，怎么處理，寫出思路。
三. 系統(tǒng)設(shè)計(jì)題
自然語(yǔ)言處理中的中文分詞問(wèn)題，前向最大匹配算法(FMM)。
注：題目舉例說(shuō)明了FMM的基本思想。
(1)設(shè)計(jì)字典的數(shù)據(jù)結(jié)構(gòu) struct dictnote。
(2)用C/C++實(shí)現(xiàn)FMM，可選接口為
int FMM(vectoriLetters, dictnode *iRoot, vector*oResults);
其中 iLetters 為待分詞的句子，比如 {“小”，“明”，“今”，“天”，“買”，“了”，“i”，“p”，“o”，“n”，“e”，“6”}，
iRoot 是字典， oResults 保存輸出結(jié)果，即分詞的位置。也可以自己設(shè)計(jì)接口。
(3)收集了一些手機(jī)品牌的字典，如{iphone, 諾基亞}。
現(xiàn)在要求查找包含這些手機(jī)品牌的網(wǎng)頁(yè)，比如包含 iphone6, 諾基亞 9973 等。
怎么修改FMM實(shí)現(xiàn)這個(gè)功能，可以寫偽代碼。
4 從搜狐（數(shù)據(jù)挖掘算法工程師）筆試題目看技術(shù)儲(chǔ)備
筆試
1， 類的繼承
2， 資源互斥下的死鎖
3， 一維數(shù)組，元素為指針，指針指向一個(gè)參數(shù)為Int，返回值為int的函數(shù)
4， 進(jìn)程間的通信方式
5， Const標(biāo)志符常量一定要？
6， String的普通構(gòu)造函數(shù)，拷貝構(gòu)造函數(shù)，賦值函數(shù)，析構(gòu)函數(shù)
7， Strcpy函數(shù)
8， N個(gè)不同數(shù)的全排列，打印所有全排列
9， Sizeof(char name[]=”hello”)
10， 繼承的轉(zhuǎn)換（子類可以轉(zhuǎn)換成基類，基類不能轉(zhuǎn)換成子類，多繼承下同一子類的基類間不能相互轉(zhuǎn)換）
5 從網(wǎng)易（數(shù)據(jù)挖掘研究員）筆試題目看技術(shù)儲(chǔ)備
筆試
1， 字符串匹配的算法復(fù)雜度（主串N,字串M）N+M
2， 排序算法的穩(wěn)定性(快速排序?yàn)榉欠€(wěn)定)
3， 平衡二叉樹(shù)的插入
4， 20個(gè)億整數(shù)的兩個(gè)集合a與b,求a與b的交集，內(nèi)存為4Gb
5， 在N個(gè)無(wú)序數(shù)中找K個(gè)最小值
6， 頁(yè)面文件的邏輯地址位（8個(gè)1024字放內(nèi)32幀內(nèi)存里）
7， 計(jì)算機(jī)網(wǎng)絡(luò)各層應(yīng)用連接
8， 哪一種模式不關(guān)心算法
Abstract Factory：提供一個(gè)創(chuàng)建一系列相關(guān)或相互依賴對(duì)象的接口，而無(wú)需指定它們具體的類。（使用得非常頻繁。）
Adapter：將一個(gè)類的接口轉(zhuǎn)換成客戶希望的另外一個(gè)接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些類可以一起工作。
Bridge：將抽象部分與它的實(shí)現(xiàn)部分分離，使它們都可以獨(dú)立地變化。
Builder：將一個(gè)復(fù)雜對(duì)象的構(gòu)建與它的表示分離，使得同樣的構(gòu)建過(guò)程可以創(chuàng)建不同的表示。
Chain of Responsibility：為解除請(qǐng)求的發(fā)送者和接收者之間耦合，而使多個(gè)對(duì)象都有機(jī)會(huì)處理這個(gè)請(qǐng)求。將這些對(duì)象連成一條鏈，并沿著這條鏈傳遞該請(qǐng)求，直到有一個(gè)對(duì)象處理它。
Command：將一個(gè)請(qǐng)求封裝為一個(gè)對(duì)象，從而使你可用不同的請(qǐng)求對(duì)客戶進(jìn)行參數(shù)化；對(duì)請(qǐng)求排隊(duì)或記錄請(qǐng)求日志，以及支持可取消的操作。
Composite：將對(duì)象組合成樹(shù)形結(jié)構(gòu)以表示“部分-整體”的層次結(jié)構(gòu)。它使得客戶對(duì)單個(gè)對(duì)象和復(fù)合對(duì)象的使用具有一致性。
Decorator：動(dòng)態(tài)地給一個(gè)對(duì)象添加一些額外的職責(zé)。就擴(kuò)展功能而言， 它比生成子類方式更為靈活。
Facade：為子系統(tǒng)中的一組接口提供一個(gè)一致的界面， F a c a d e模式定義了一個(gè)高層接口，這個(gè)接口使得這一子系統(tǒng)更加容易使用。
Factory Method：定義一個(gè)用于創(chuàng)建對(duì)象的接口，讓子類決定將哪一個(gè)類實(shí)例化。Factory Method使一個(gè)類的實(shí)例化延遲到其子類。
Flyweight：運(yùn)用共享技術(shù)有效地支持大量細(xì)粒度的對(duì)象。
Interpreter：給定一個(gè)語(yǔ)言, 定義它的文法的一種表示，并定義一個(gè)解釋器, 該解釋器使用該表示來(lái)解釋語(yǔ)言中的句子。
Iterator：提供一種方法順序訪問(wèn)一個(gè)聚合對(duì)象中各個(gè)元素, 而又不需暴露該對(duì)象的內(nèi)部表示。
Mediator：用一個(gè)中介對(duì)象來(lái)封裝一系列的對(duì)象交互。中介者使各對(duì)象不需要顯式地相互引用，從而使其耦合松散，而且可以獨(dú)立地改變它們之間的交互。
Memento：在不破壞封裝性的前提下，捕獲一個(gè)對(duì)象的內(nèi)部狀態(tài)，并在該對(duì)象之外保存這個(gè)狀態(tài)。這樣以后就可將該對(duì)象恢復(fù)到保存的狀態(tài)。
Observer：定義對(duì)象間的一種一對(duì)多的依賴關(guān)系,以便當(dāng)一個(gè)對(duì)象的狀態(tài)發(fā)生改變時(shí),所有依賴于它的對(duì)象都得到通知并自動(dòng)刷新。
Prototype：用原型實(shí)例指定創(chuàng)建對(duì)象的種類，并且通過(guò)拷貝這個(gè)原型來(lái)創(chuàng)建新的對(duì)象。
Proxy：為其他對(duì)象提供一個(gè)代理以控制對(duì)這個(gè)對(duì)象的訪問(wèn)。
Singleton：保證一個(gè)類僅有一個(gè)實(shí)例，并提供一個(gè)訪問(wèn)它的全局訪問(wèn)點(diǎn)。
State：允許一個(gè)對(duì)象在其內(nèi)部狀態(tài)改變時(shí)改變它的行為。對(duì)象看起來(lái)似乎修改了它所屬的類。
Strategy：定義一系列的算法,把它們一個(gè)個(gè)封裝起來(lái), 并且使它們可相互替換。本模式使得算法的變化可獨(dú)立于使用它的客戶。
Template Method：定義一個(gè)操作中的算法的骨架，而將一些步驟延遲到子類中。Template Method使得子類可以不改變一個(gè)算法的結(jié)構(gòu)即可重定義該算法的某些特定步驟。
9， 數(shù)據(jù)庫(kù)系統(tǒng)的兩種語(yǔ)言（一種用于定義數(shù)據(jù)庫(kù)模式；另一種用于表達(dá)數(shù)據(jù)的查詢和更新）
10， 數(shù)據(jù)庫(kù)的連接運(yùn)算
11， 建立索引的原則
在經(jīng)常需要搜索的列上，可以加快搜索的速度；在作為 主鍵的列上，強(qiáng)制該列的唯一性和組織表中數(shù)據(jù)的排列結(jié)構(gòu)；在經(jīng)常用在連接的列上，這些列主要是一些外鍵，可以加快連接的速度；在經(jīng)常需要根據(jù)范圍進(jìn)行搜索 的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序，其指定的范圍是連續(xù)的；在經(jīng)常需要排序的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序，這樣查詢可以利用索引的排序，加快排序查詢 時(shí)間；在經(jīng)常使用在WHERE子句中的列上面創(chuàng)建索引，加快條件的判斷速度。不應(yīng)該創(chuàng)建索引的的 這些列具有下列特點(diǎn)：第一，對(duì)于那些在查詢中很少使用或者參考的列不
增加了索引，反而降低了系統(tǒng)的維護(hù)速度和增大了空間需求。第二，對(duì)于那些只有很少數(shù)據(jù)值的列也不應(yīng)該增加索引。這是因?yàn)?，由于這些列的 取值很少，例如人事表的性別列，在查詢的結(jié)果中，結(jié)果集的數(shù)據(jù)行占了表中數(shù)據(jù)行的很大比例，即需要在表中搜索的數(shù)據(jù)行的比例很大。增加索引，并不能明顯加 快檢索速度。第三，對(duì)于那些定義為text, image和bit數(shù)據(jù)類型的列不應(yīng)該增加索引。這是因?yàn)?，這些列的數(shù)據(jù)量要么相當(dāng)大，要么取值很少。第四，當(dāng)修改性能遠(yuǎn)遠(yuǎn)大于檢索性能時(shí)，不應(yīng)該創(chuàng)建索 引。這是因?yàn)?，修改性能和檢索性能是互相矛盾的。當(dāng)增加索引時(shí)，會(huì)提高檢索性能，但是會(huì)降低修改性能。當(dāng)減少索引時(shí)，會(huì)提高修改性能，降低檢索性能。因 此，當(dāng)修改性能遠(yuǎn)遠(yuǎn)大于檢索性能時(shí)，不應(yīng)該創(chuàng)建索引。
12， 事務(wù)的定義與特點(diǎn)，事務(wù)隔離的級(jí)別
事務(wù)（Transaction）是并發(fā)控制的單位，是用戶定義的一個(gè)操作序列。這些操作要么都做，要么都不做，是一個(gè)不可分割的工作單位。通過(guò)事務(wù)，SQL Server能將邏輯相關(guān)的一組操作綁定在一起，以便服務(wù)器保持?jǐn)?shù)據(jù)的完整性。
事務(wù)的特性(ACID特性)
A:原子性(Atomicity)，事務(wù)是數(shù)據(jù)庫(kù)的邏輯工作單位，事務(wù)中包括的諸操作要么全做，要么全不做。
B:一致性(Consistency)，事務(wù)執(zhí)行的結(jié)果必須是使數(shù)據(jù)庫(kù)從一個(gè)一致性狀態(tài)變到另一個(gè)一致性狀態(tài)。一致性與原子性是密切相關(guān)的。
C:隔離性(Isolation)， 一個(gè)事務(wù)的執(zhí)行不能被其他事務(wù)干擾。
D:持續(xù)性/永久性(Durability)，一個(gè)事務(wù)一旦提交，它對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)的改變就應(yīng)該是永久性的。

未授權(quán)讀?。ㄔ试S臟讀取，但不允許更新丟失），授權(quán)讀?。ㄔ试S不可重復(fù)讀取，但不允許臟讀?。芍貜?fù)讀?。ń共豢芍貜?fù)讀取和臟讀取，但是有時(shí)可能出現(xiàn)幻影數(shù)據(jù)）和序列化（事務(wù)序列化執(zhí)行，不能并發(fā)執(zhí)行）
13， 專業(yè)題一數(shù)據(jù)挖掘的步驟
14， Pca的概念和處理過(guò)程（主成分分析）
15， K中心點(diǎn)聚類算法簡(jiǎn)介
首先為每個(gè)簇隨意選擇一下代表對(duì)象，將剩余的對(duì)象根據(jù)其與代表對(duì)象的距離分配給最近的一個(gè)簇。然后反復(fù)地用非代表對(duì)象來(lái)替代代表對(duì)象，以改進(jìn)聚類的質(zhì)量。判定一個(gè)非代表對(duì)象O是否是當(dāng)前一個(gè)代表對(duì)象的O1的好的替代，對(duì)于每一個(gè)非代表對(duì)象p，下面的四種情況考慮。
1， p當(dāng)前屬于代表Oj,如果Oj被O代替，p離Oi最近，那么p被重新分配給Oi
2， p當(dāng)前屬于代表Oj,如果Oj被O代替，p離O最近，那么p被重新分配給O
3， p當(dāng)前屬于代表Oi,如果Oj被O代替，p離Oi最近，那么p不變
4， p當(dāng)前屬于代表Oi,如果Oj被O代替，p離Oi最近，那么p被重新分配給O
16， 中文分詞技術(shù)簡(jiǎn)介，常用數(shù)據(jù)結(jié)構(gòu)和算法
17， 分類器的主流評(píng)測(cè)指標(biāo)：準(zhǔn)確率，速率，魯棒性，可規(guī)模性和可解釋性
18， 如何建立一個(gè)智能問(wèn)答系統(tǒng)，思路
19， 如何建立一個(gè)智能商品推薦系統(tǒng)，思路