附上我自己的答案，題目順序可能有誤，我記不太清楚了=_=

一、單選題（24分）

1.某超市研究銷售紀錄資料後發現，買啤酒的人很大概率也會購買尿布，這種屬於資料探勘的哪類問題？(A)    A. 關聯規則發現       B. 聚類   C. 分類                      D. 自然語言處理

2.以下兩種描述分別對應哪兩種對分類演算法的評價標準？(A)   (a)警察抓小偷，描述警察抓的人中有多少個是小偷的標準。   (b)描述有多少比例的小偷給警察抓了的標準。   A. Precision,Recall    B.Recall,Precision   A. Precision,ROC      D. Recall,ROC

3.生成模型和判別模型的區分

判別模型：KNN、logistic迴歸、SVM、

生成模型：貝葉斯、HMM

4.迴歸樹用到的方法 ：CART

5.考慮兩隊之間的足球比賽：隊0和隊1。假設65%的比賽隊0勝出,剩餘的比賽隊1獲勝。隊0獲勝的比賽中只有30%是在隊1的主場,而隊1取勝的比賽中75%是主場獲勝。如果下一場比賽在隊1的主場進行隊1獲勝的概率為 (D)     A.0.75    B.0.35    C.0.4678    D.0.5738

（這是牛客上的一道概率題）

6.在基本K均值演算法裡，當鄰近度函式採用（ A ）的時候，合適的質心是簇中各點的中位數。

A、曼哈頓距離                           B、平方歐幾里德距離

C、餘弦距離                              D、Bregman散度

（關於聚類的曼哈頓距離，產生的中心是中位數。）

二、多選題 （16分）

1.資料預處理的方法：

資料清洗、資料規約、資料整合、資料變換

2、 下面屬於維歸約常用的線性代數技術的有： (A C) 【這題我好像還選了B，誒誒誒】

A 主成分分析                 B 特徵提取

C 奇異值分解                D 特徵加權                  E 離散化

3、（ CD ）都屬於簇有效性的監督度量。

A、輪廓係數                    B、共性分類相關係數

C、熵                               D、F度量

4.（ ABCD ）這些資料特性都是對聚類分析具有很強影響的。

A、高維性         B、規模              C、稀疏性                D、噪聲和離群點

三、簡單題（20分*3）

1. 1）考了SQL ，一個很常見的SQL查詢（所有分數大於80的學生姓名）

     2）考了聯結

     3） not in 和 not exists 的區別

     4） HIVE 資料傾斜 的現象及優化方案

2.XGBoost為何泰勒展開，優勢是啥？如何優化特徵？有放回還是無放回的取樣？

3.神經網路中的overfitting如何解決？（過擬合）

 總的來說，考的很常規很基礎，沒有程式設計題。為秋招攢人品=_=