Alibaba数据分析师实习试题解析.docx

Alibaba数据分析师实习试题解析.docx

《Alibaba数据分析师实习试题解析.docx》由会员分享，可在线阅读，更多相关《Alibaba数据分析师实习试题解析.docx（15页珍藏版）》请在冰豆网上搜索。

Alibaba数据分析师实习试题解析

干货】Alibaba数据分析师（实习）试题解析

一、异常值是指什么？

请列举1种识别连续型变量异常值的方法？

异常值（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。

Grubbs'test（是以FrankE.Grubbs命名的），又叫maximumnormedresidualtest，是一种用于单变量数据集异常值识别的统计检测，它假定数据集来自正态分布的总体。

未知总体标准差（T,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。

二、什么是聚类分析？

聚类算法有哪几种？

请选择一种详细描述其计算原理和步骤。

聚类分析（clusteranalysis）是一组将研究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（classificationanalysis）或数值分类（numerical

taxonomy）。

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）、划分方法（partitioning

method）、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-basedmethod）等。

其中，前两种算法是利用统计学定义的距离进行度量。

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，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（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（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。

一般都采用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）根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；并根据最小距离重新对相应对象进行划分；

（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，且类与类之间区别明

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，计算的复杂度为

O（NKt），其中N是数据对象的数目，t是迭代的次数。

一般来说，K«N，t<

缺点：

1.K是事先给定的，但非常难以选定；2.初始聚类中心的选择对聚类结果有较大的

影响。

三、根据要求写出SQL

表A结构如下：

Member_ID（用户的ID，字符型）

Log_time（用户访问页面时间，日期型（只有一天的数据））

URL（访问的页面地址，字符型）

要求：

提取出每个用户访问的第一个URL（按时间最早），形成一个新表（新表名为B，

表结构和表A一致）

createtableBasselectMember_ID,min（Log_time）,URLfromAgroupby

Member_ID;

四、销售数据分析以下是一家B2C电子商务网站的一周销售数据，该网站主要用户群是办公室女性，销售额主要集中在5种产品上，如果你是这家公司的分析师，

a）从数据中，你看到了什么问题？

你觉得背后的原因是什么？

b）如果你的老板要求你提出一个运营改进计划，你会怎么做？

表如下：

一组每天某网站的销售数据

a）从这一周的数据可以看出，周末的销售额明显偏低。

这其中的原因，可以从两个角度来看：

站在消费者的角度，周末可能不用上班，因而也没有购买该产品的欲望；站在产品的角度来看，该产品不能在周末的时候引起消费者足够的注意力。

b）针对该问题背后的两方面原因，我的运营改进计划也分两方面：

一是，针对消费者周末没有购买欲望的心理，进行引导提醒消费者周末就应该准备好该产品；二是，通过该产品的一些类似于打折促销等活动来提升该产品在周末的人气和购买力。

五、用户调研

某公司针对A、B、C三类客户，提出了一种统一的改进计划，用于提升客户的周消费次数，需要你来制定一个事前试验方案，来支持决策，请你思考下列问题：

a）试验需要为决策提供什么样的信息？

c）按照上述目的，请写出你的数据抽样方法、需要采集的数据指标项，以及你选择的统计方法。

a）试验要能证明该改进计划能显著提升A、B、C三类客户的周消费次数。

b）根据三类客户的数量，采用分层比例抽样；需要采集的数据指标项有：

客户类别，改进计划前周消费次数，改进计划后周消费次数；选用统计方法为：

分别针对A、B、C三类客户，进行改进前和后的周消费次数的，两独立样本T-检验（two-samplet-test）。

摘录一段

企业面对海量数据应如何具体实施数据挖掘，使之转换成可行的结果/模型？

首先进行数据的预处理，主要进行数据的清洗，数据清洗，处理空缺值，数据的集成，数据的变换和数据规约。

请列举您使用过的各种数据仓库工具软件（包括建模工具，ETL工具，前端展现工具，

OLAPServer、数据库、数据挖掘工具）和熟悉程度。

ETL工具：

AscentialDataStage，IBMwarehouseMANAGER、Informatica公司

的PowerCenter、Cognos公司的DecisionStream

市场上的主流数据仓库存储层软件有：

SQLSERVER、SYBASE、ORACLE、DB2、

TERADATA

请谈一下你对元数据管理在数据仓库中的运用的理解。

元数据能支持系统对数据的管理和维护，如关于数据项存储方法的元数据能支持系统以最有效的方式访问数据。

具体来说，在数据仓库系统中，元数据机制主要支持以下五类系

统管理功能：

（1）描述哪些数据在数据仓库中；

（2）定义要进入数据仓库中的数据和从数据仓库中产生的数据；

（3）记录根据业务事件发生而随之进行的数据抽取工作时间安排；

（4）记录并检测系统数据一致性的要求和执行情况；

（5）衡量数据质量。

数据挖掘对聚类的数据要求是什么？

（1）可伸缩性

（2）处理不同类型属性的能力

（3）发现任意形状的聚类

（4）使输入参数的领域知识最小化

（5）处理噪声数据的能力

（6）对于输入顺序不敏感

（7）高维性

（8）基于约束的聚类

（9）可解释性和可利用性

简述Apriori算法的思想，谈谈该算法的应用领域并举例。

思想：

其发现关联规则分两步，第一是通过迭代，检索出数据源中所有烦琐项集，即支持度不低于用户设定的阀值的项即集，第二是利用第一步中检索出的烦琐项集构造出满足用户最小信任度的规则，其中，第一步即挖掘出所有频繁项集是该算法的核心，也占整个算

法工作量的大部分。

在商务、金融、保险等领域皆有应用。

在建筑陶瓷行业中的交叉销售应用，主要采用

了Apriori算法

通过阅读该文挡，请同学们分析一下数据挖掘在电子商务领域的应用情况（请深入分析并给出实例，切忌泛泛而谈）？

单选题

1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？

（A）

A.关联规则发现B.聚类

C.分类D.自然语言处理

2.以下两种描述分别对应哪两种对分类算法的评价标准？

（A）

（a）警察抓小偷，描述警察抓的人中有多少个是小偷的标准。

（b）描述有多少比例的小偷给警察抓了的标准。

A.Precision,RecallB.Recall,Precision

A.Precision,ROCD.Recall,ROC

3.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？

（C）

A.频繁模式挖掘B.分类和预测C.数据预处理D.数据流挖掘

4.当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？

（B）

A.分类B.聚类C.关联分析D.隐马尔可夫链

5.什么是KDD？

（A）

A.数据挖掘与知识发现B.领域知识发现

C.文档知识发现D.动态知识发现

6.

A）

使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？

（

A.探索性数据分析B.建模描述

C.预测建模D.寻找模式和规则

7.为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？

（B）

A.探索性数据分析B.建模描述

C.预测建模D.寻找模式和规则

8.建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？

（C）

A.根据内容检索B.建模描述

C.预测建模D.寻找模式和规则

9.用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任

务？

（A）

A.根据内容检索B.建模描述

C.预测建模D.寻找模式和规则

11.下面哪种不属于数据预处理的方法？

（D）

A变量代换B离散化C聚集D估计遗漏值

12.假设12个销售价格记录组已经排序如下：

5,10,11,13,15,35,50,55,72,92,204,

215使用如下每种方法将它们划分成四个箱。

等频（等深）划分时，15在第几个箱子内？

（B）

A第一个B第二个C第三个D第四个

13.上题中，等宽划分时（宽度为50），15又在哪个箱子里？

（A）

A第一个B第二个C第三个D第四个

14.下面哪个不属于数据的属性类型：

（D）

A标称B序数C区间D相异

15.在上题中，属于定量的属性类型是：

（C）

A标称B序数C区间D相异

16.只有非零值才重要的二元属性被称作：

（C）

A计数属性B离散属性C非对称的二元属性D对称属性

17.以下哪种方法不属于特征选择的标准方法：

（D）

A嵌入B过滤C包装D抽样

18.下面不属于创建新属性的相关方法的是：

（B）

A特征提取B特征修改C映射数据到新的空间D特征构造

19.考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是（C）

A2B3C3.5D5

20.下面哪个属于映射数据到新的空间的方法？

（A）

A傅立叶变换B特征加权C渐进抽样D维归约

21.熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是：

（B）

A1比特B2.6比特C3.2比特D3.8比特

22.假设属性income的最大最小值分别是12000元和98000元。

利用最大最小规范化的方法将属性的值映射到0至1的范围内。

对属性income的73600元将被转化为：

（D）A0.821B1.224C1.458D0.716

23.假定用于分析的数据包含属性age。

数据元组中age的值如下（按递增序）：

13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，

45，46，52，70,问题：

使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。

第二个箱子值为：

（A）

A18.3B22.6C26.8D27.9

24.考虑值集{12243324556826}，其四分位数极差是：

（A）

A31B24C55D3

25.一所大学内的各年纪人数分别为：

一年级200人，二年级160人，三年级130人，四年级110人。

则年级属性的众数是：

（A）

A一年级B二年级C三年级D四年级

26.下列哪个不是专门用于可视化时间空间数据的技术：

（B）

A等高线图B饼图C曲面图D矢量场图

27.在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是：

（D）

A有放回的简单随机抽样B无放回的简单随机抽样C分层抽样D渐进抽样

28.数据仓库是随着时间变化的,下面的描述不正确的是（C）

A.数据仓库随时间的变化不断增加新的数据内容;

B.捕捉到的新数据会覆盖原来的快照;

C.数据仓库随事件变化不断删去旧的数据内容;

D.数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合.

29.关于基本数据的元数据是指:

（D）

A.基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息;

B.基本元数据包括与企业相关的管理方面的数据和信息;

C.基本元数据包括日志文件和简历执行处理的时序调度信息;

D.基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息.

30.下面关于数据粒度的描述不正确的是:

（C）

A.粒度是指数据仓库小数据单元的详细程度和级别

B.数据越详细,粒度就越小,级别也就越高

C.数据综合度越高,粒度也就越大,级别也就越高;

D.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量.

31.有关数据仓库的开发特点,不正确的描述是:

（A）

A.数据仓库开发要从数据出发;

B.数据仓库使用的需求在开发出去就要明确;

C.数据仓库的开发是一个不断循环的过程,是启发式的开发;

D.在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据

分析和处理更灵活,且没有固定的模式

32.在有关数据仓库测试,下列说法不正确的是:

（D）

A.在完成数据仓库的实施过程中,需要对数据仓库进行各种测试.测试工作中要包括单元测试和系统测试.

B.当数据仓库的每个单独组件完成后,就需要对他们进行单元测试.

C.系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试.

D.在测试之前没必要制定详细的测试计划.

33.OLAP技术的核心是:

（D）

A.在线性;

B.对用户的快速响应;

C.互操作性.

D.多维分析;

34.关于OLAP的特性,下面正确的是:

（D）

（1）快速性

（2）可分析性（3）多维性（4）信息性（5）共享性

A.

（1）

（2）（3）

B.

（2）（3）（4）

C.

（1）

（2）（3）（4）

D.

（1）

（2）（3）（4）（5）

35.关于OLAP和OLTP的区别描述,不正确的是:

（C）

A.OLAP主要是关于如何理解聚集的大量不同的数据.它与OTAP应用程序不同.

B.与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务.

C.OLAP的特点在于事务量大,但事务内容比较简单且重复率高.

D.OLAP是以数据仓库为基础的,但其最终数据来源与OLTP一样均来自底层的数据库系统两者面对的用户是相同的.

36.OLAM技术一般简称为”数据联机分析挖掘”,下面说法正确的是:

（D）

A.OLAP和OLAM都基于客户机/服务器模式,只有后者有与用户的交互性;

B.由于OLAM的立方体和用于OLAP的立方体有本质的区别.

C.基于WEB的OLAM是WEB技术与OLAM技术的结合.

D.OLAM服务器通过用户图形借口接收用户的分析指令,在元数据的知道下,对超级立方体

作一定的操作.

37.关于OLAP和OLTP的说法,下列不正确的是:

（A）

A.OLAP事务量大,但事务内容比较简单且重复率高.

B.OLAP的最终数据来源与OLTP不一样.

C.OLTP面对的是决策人员和高层管理人员.

D.OLTP以应用为核心,是应用驱动的.

38.设X={1，2，3}是频繁项集，则可由X产生__（C）__个关联规则。

A、4B、5C、6D、7

40.概念分层图是__（B）__图。

A、无向无环B、有向无环C、有向有环D、无向有环

41.频繁项集、频繁闭项集、最大频繁项集之间的关系是：

（C）

A、频繁项集频繁闭项集=最大频繁项集

B、频繁项集=频繁闭项集最大频繁项集

C、频繁项集频繁闭项集最大频繁项集

D、频繁项集=频繁闭项集=最大频繁项集

42.考虑下面的频繁3-项集的集合：

{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，

3，5}，{2，3，4}，{2，3，5}，{3，4，5}假定数据集中只有5个项，采用合并策略，由候选产生过程得到4-项集不包含（C）

A、1，2，3，4B、1，2，3，5C、1，2，4，5D、1，3，4，5

43.下面选项中t不是s的子序列的是（C）

A、s=<{2,4},{3,5,6},{8}>t=<{2},{3,6},{8}>

B、s=<{2,4},{3,5,6},{8}>t=<{2},{8}>

C、s=<{1,2},{3,4}>t=<{1},{2}>

D、s=<{2,4},{2,4}>t=<{2},{4}>

44.在图集合中发现一组公共子结构，这样的任务称为（B）

A、频繁子集挖掘B、频繁子图挖掘C、频繁数据项挖掘D、频繁模式挖掘

45.下列度量不具有反演性的是（D）

A、系数B、几率C、Cohen度量D、兴趣因子

46.下列__（A）__不是将主观信息加入到模式发现任务中的方法。

A、与同一时期其他数据对比

B、可视化

C、基于模板的方法

D、主观兴趣度量

47.下面购物篮能够提取的3-项集的最大数量是多少（C）

ID购买项

1牛奶，啤酒，尿布

2面包，黄油，牛奶

3牛奶，尿布，饼干

4面包，黄油，饼干

5啤酒，饼干，尿布

6牛奶，尿布，面包，黄油

7面包，黄油，尿布

8啤酒，尿布

9牛奶，尿布，面包，黄油

10啤酒，饼干

A、1B、2C、3D、4

48.以下哪些算法是分类算法，A，DBSCANB，C4.5C,K-MeanD,EM（B）

49.以下哪些分类方法可以较好地避免样本的不平衡问题，A，KNNB，SVMC，BayesD，

神经网络（A）

50.决策树中不包含一下哪种结点，A,根结点（rootnode）B,内部结点（internalnode）

51.不纯性度量中Gini计算公式为（其中c是类的个数）（A）

A,B,C,D,（A）

53.以下哪项关于决策树的说法是错误的（C）

A.冗余属性不会对决策树的准确率造成不利的影响

B.子树可能在决策树中重复多次

C.决策树算法对于噪声的干扰非常敏感

D.寻找最佳决策树是NP完全问题

54.在基于规则分类器的中，依据规则质量的某种度量对规则排序，保证每一个测试记录都

是由覆盖它的“最好的”规格来分类，这种方案称为（B）

A.基于类的排序方案

B.基于规则的排序方案

C.基于度量的排序方案

D.基于规格的排序方案。

55.以下哪些算法是基于规则的分类器（A）

A.C4.5B.KNNC.Na?

veBayesD.ANN

56.如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为（C）；

A,无序规则B，穷举规则C,互斥规则D，有序规则

57.如果对属性值的任一组合，R中都存在一条规则加以覆盖，则称规则集R中的规则为（B）

A,无序规则B,穷举规则C,互斥规则D，有序规则

58.如果规则集中的规则按照优先级降序排列，则称规则集是（D）

A,无序规则B，穷举规则C,互斥规则D，有序规则

59.如果允许一条记录触发多条分类规则，把每条被触发规则的后件看作是对相应类的一次

A,无序规则B，穷举规则C,互斥规则D，有序规则

60.考虑两队之间的足球比赛：

队0和队1。

假设65%的比赛队0胜出，剩余的比赛队1获胜。

队0获胜的比赛中只有30%是在队1的主场，而队1取胜的比赛中75%是主场获胜。

如果下一场比赛在队1的主场进行队1获胜的概率为（C）

A，0.75B,0.35C,0.4678D,0.5738

61.以下关于人工神经网络（ANN）的描述错误的有（A）

A，神经网络对训练数据中的噪声非常鲁棒B,可以处理冗余特征C,训练ANN是一个很

耗时的过程D，至少含有一个隐藏层的多层神经网络

62.通过聚集多个分类器的预测来提高分类准确率的技术称为（A）

A,组合（ensemble）B,聚集（aggregate）C，合并（combination）D，投票（voting）

63.简单地将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作（B）

A、层次聚类B、划分聚类C、非互斥聚类D、模糊聚类

64.在基本K均值算法里，当邻近度函数采用（A）的时候，合适的质心是簇中各点的中位数。

A、曼哈顿距离B、平方欧几里德距离C、余弦距离D、Bregman散度

65.（C）是一个观测值，它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生的。

A、边界点B、质心C、离群点D、核心点

66.BIRCH是一种（B）。

67.检测一元正态分布中的离群点，属于异常检测中的基于（A）的离群点检测。

A、统计方法B、邻近度C、密度D、聚类技术

68.（C）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。

A、MIN（单链）B、MAX（全链）C、组平均D、Ward方法

69.（D）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。

A、MIN（单链）B、MAX（全链）C、组平均D、Ward方法

70.DBSCAN在最坏情况下的时间复杂度是（B）。

A、O（m）B、O（m2）C、O（logm）D、O（m*logm）

71.在基于图的簇评估度量表里面，如果簇度量为proximity（Ci,C），簇权值为mi，那么它的类型是（C）。

A、基于图的凝聚度B、基于原型的凝聚度C、基于原型的分离度D、基于图的凝聚度和

分离度

72.关于K均值和DBSCAN的比较，以下说法不正确的是（A）。

A、K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。

B、K均值