阿里巴巴数据挖掘笔试题解析

阿里巴巴2016年数据挖掘工程师笔试题包含了统计学、数据挖掘算法、时间序列分析、数据库查询以及概率论等多个知识点。这些题目旨在测试考生的数据分析能力和对相关概念的理解。 1. **样本理解**：在抽样调查中，样本是指从总体中选取的一部分个体。题目中提到的“上海市小学生的身高”是总体，而“从中抽取的500名学生的身高”是样本，因为它是从总体中实际抽取出来进行研究的部分。 2. **k-means聚类算法**：k-means是一种常见的无监督学习算法，用于数据的聚类。它不能自动识别类别的数量，需要预先设定类别数量，并且随机选择初始中心点进行迭代计算。因此，正确答案是“不能自动识别类的个数,随即挑选初始点为中心点计算”。 3. **时间序列算法模型**：ARMA（自回归滑动平均模型）是常见的时间序列分析模型，用于建模和预测时间序列数据。其他选项如RSI、MACD、KDJ是金融市场的技术指标，而非时间序列建模算法。 4. **概率计算**：对于球的颜色抽取问题，考虑不放回的抽样，取两次相同颜色的概率是(2/5) * (1/4) + (2/5) * (1/4) = 2/20 = 0.1，即0.1667。 5. **数列推断**：数列65, 8, 50, 15, 37, 24, () 是一个不规则数列，难以直接看出规律。但根据给出的选项，可以尝试寻找相邻项之间的关系。如果观察到65-8=57, 8-50=-42, 50-15=35, 15-37=-22，似乎每次减去的数在递减，下一个应该减去21，所以括号中的数字应该是24-21=3，但这不在给定的选项中。如果这是一个错误的数列，那么没有足够的信息来确定正确答案。 6. **数据分布特征**：当均值>中位数>众数时，数据分布属于右偏或正偏态，因为中位数在均值左侧，表明大部分数值集中在均值的左侧，形成一个长尾向右的分布。 7. **SQL通配符**：在SQL中，'%'代表零个、一个或多个字符，可以用于模糊匹配。 8. **正态分布**：正态分布是集中且对称的，其偏度为0表示对称，峰度为3是标准正态分布的特性，表示数据集中在均值周围呈现出尖峰。选项C的描述不正确，因为峰度应该是3而不是1。 9. **数据分析方法**：聚类算法用于将数据分组，不适用于拟合消费金额公式，因此在“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”这个场景中，使用方法不正确。 10. **时间序列模型**：GARCH（广义自回归条件异方差模型）通常用于处理波动性的分析和预测，因为它可以捕捉数据的波动性变化。 11. **Excel函数**：在Excel中，查找工作簿A中id对应age到工作簿B，可以使用VLOOKUP或INDEX+MATCH函数组合。VLOOKUP可以直接查找，而INDEX+MATCH提供了更多的灵活性，特别是在处理非顺序或非唯一键值时。 这些题目涵盖了数据挖掘工程师所需的基本技能，包括统计学基础、数据处理、机器学习算法、数据库操作以及数据分析方法等。理解和掌握这些知识点对于成为一位优秀的数据挖掘工程师至关重要。