阿里巴巴招募实习生笔试题目.pdfVIP

阿里巴巴招募实习生笔试题目--第1页

阿里巴巴招募实习生笔试题目

一、特别值是指什么?请列举1种识别连续型变量特别值的方法?

特别值(Outlier)是指样本中的个别值，其数值明显偏离所属样本的

其余观测值。在数理统计里一般是指一组观测值中与平均值的偏差超过两

倍标准差的测定值。

Grubbstest(是以FrankE.Grubbs命名的)，又叫maximumnormed

residualtest，是一种用于单变量数据集特别值识别的统计检测，它假

定数据集来自正态分布的总体。

未知总体标准差，在五种检验法中，优劣次序为：t检验法、格拉布

斯检验法、峰度检验法、狄克逊检验法、偏度检验法。

点评：考察的内容是统计学根底功底。

二、什么是聚类分析?聚类算法有哪几种?请选择一种具体描述其计算

原理和步骤。

聚类分析(clusteranalysis)是一组将讨论对象分为相对同质的群

组(clusters)的统计分析技术。聚类分析也叫分类分析(classification

analysis)或数值分类(numericaltaxonomy)。聚类与分类的不同在于，

聚类所要求划分的类是未知的。

聚类分析计算方法主要有：层次的方法(hierarchicalmethod)、划

阿里巴巴招募实习生笔试题目--第1页

阿里巴巴招募实习生笔试题目--第2页

分方法(partitioningmethod)、基于密度的方法(density-basedmethod)、

基于网格的.方法(grid-basedmethod)、基于模型的方法(model-based

method)等。其中，前两种算法是利用统计学定义的距离进展度量。

k-means算法的工作过程说明如下：首先从n个数据对象任意选择k

个对象作为初始聚类中心;而对于所剩下其它对象，则依据它们与这些聚

类中心的相像度(距离)，分别将它们安排给与其最相像的(聚类中心所代

表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中全部对象

的均值);不断重复这一过程直到标准测度函数开头收敛为止。一般都采纳

均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的

紧凑，而各聚类之间尽可能的分开。

其流程如下：

(1)从n个数据对象任意选择k个对象作为初始聚类中心;

(2)依据每个聚类对象的均值(中心对象)，计算每个对象与这些中心

对象的距离;并依据最小距离重新对相应对象进展划分;

(3)重新计算每个(有变化)聚类的均值(中心对象);

(4)循环(2)、(3)直到每个聚类不再发生变化为止(标准测量函数收

敛)。

优点：本算法确定的K个划分到达平方误差最小。当聚类是密集的，

且类与类之间区分明显时，效果较好。对于处理大数据集，这个算法是相

对可伸缩和高效的，计算的简单度为O(NKt)，其中N是数据对象的数目，

阿里巴巴招募实习生笔试题目--第2页

阿里巴巴招募实习生笔试题目--第3页

t是迭代的次数。一般来说，K

缺点：1.K是事先给定的，但特别难以选定;2.初始聚类中心的选

择对聚类结果有较大的影响。

点评：考察的内容是常用数据分析方法，做数据分析肯定要理解数据

分析算法、应用场景、使用过程、以及优缺点。

三、依据要求写出SQL

表A构造如下：

Member_ID(用户的ID，字符型)

Log_