阿里巴巴2016数据挖掘工程师真题

admin

一、单选题     （共10道题，每题5分）

    1.想要了解上海市小学生的身高,需要抽取500个样本,这项调查中的样本是?

    A.从中抽取的500名学生的身高

    B.上海市全部小学生的身高

    C.从中抽取的500名小学生

    D.上海市全部小学生

    2.以下对k-means聚类算法解释正确的是

    A.能自动识别类的个数,随即挑选初始点为中心点计算

    B.能自动识别类的个数,不是随即挑选初始点为中心点计算

    C.不能自动识别类的个数,随即挑选初始点为中心点计算

    D.不能自动识别类的个数,不是随即挑选初始点为中心点计算

    3.以下哪个是常见的时间序列算法模型

    A.RSI

    B.MACD

    C.ARMA

    D.KDJ

    4.有个袋子装有2个红球,2个蓝球,1个黄球,取出球以后不再放回,请问取两次出来的球是相同颜色的概率是多少

    A.0.3333

    B.0.25

    C.0.2

    D.0.1667

    5.65,8,50,15,37,24,()。括号中的数字是()

    A.25

    B.26

    C.22

    D.27

    6.一组数据,均值>中位数>众数,问这组数据

    A.左偏

    B.右偏

    C.钟型

    D.对称

    7.SQL语言允许使用通配符进行字符串匹配的操作,其中‘%’可以表示

    A.零个字符

    B.1个字符

    C.多个字符

    D.以上都可以

    8.关于正态分布,下列说法错误的是:

    A.正态分布具有集中性和对称性

    B.正态分布的均值和方差能够决定正态分布的位置和形态

    C.正态分布的偏度为0，峰度为1

    D.标准正态分布的均值为0，方差为1

    9.在以下不同的场景中,使用的分析方法不正确的有

    A.根据商家最近一年的经营及服务数据,用聚类算法判断出天猫商家在各自主营类目下所属的商家层级

    B.根据商家近几年的成交数据,用聚类算法拟合出用户未来一个月可能的消费金额公式

    C.用关联规则算法分析出购买了汽车坐垫的买家,是否适合推荐汽车脚垫

    D.根据用户最近购买的商品信息,用决策树算法识别出淘宝买家可能是男还是女

    10.下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测

    A.AR模型

    B.MA模型

    C.ARMA模型

    D.GARCH模型

二、多选题    （共5道题，每题10分）

    1.excel工作簿a中有两列id、age,工作簿b中有一列id,需要找到工作薄b中id对应的age,可用的函数包括

    A.index+match

    B.vlookup

    C.hlookup

    D.find

    2.现在有M个桶,每桶都有N个乒乓球,乒乓球的颜色有K种,并且假设第i个桶第j种颜色的球个数为Cij, 比例为Rij=Cij/N,现在要评估哪个桶的乒乓球颜色纯度最高,下列哪种算法和描述是合理的?

    A.∑(1-Rij*Rij)越小越纯

    B.∑(1-Rij)*(1-Rij)越小越纯

    C.∑(1-Rij)^2 越小越纯

    D.-∑Rij*LOG(Rij)越小越纯

    3.关于相关系数,下列描述中正确的有:

    A.相关系数为0.8时,说明两个变量之间呈正相关关系

    B.相关系数等于1相较于相关系数等于-1,前者的相关性更强

    C.相关性等于1相较于相关系数等于0,前者的相关性更强

    D.Spearman相关系数可以衡量两个定序变量之间的相关程度

    4.关于线性回归的描述,以下正确的有:

    A.基本假设包括随机干扰项是均值为0,方差为1的标准正态分布

    B.基本假设包括随机干扰下是均值为0的同方差正态分布

    C.在违背基本假设时,普通最小二乘法估计量不再是最佳线性无偏估计量

    D.可以用DW检验残差是否存在序列相关性

    5.下列哪些方法可以用来对高维数据进行降维:

    A.LASSO

    B.主成分分析法

    C.小波分析法

    D.线性判别法