生成数据集的随机子集（Random Subset of Dataset）是一种常用的数据处理方法，用于从数据集中随机选择一部分数据。 标准代码如下 def get_random_subsets(X, y, n_subsets, replacements=True, seed=42): np.random.seed(seed) n, m = X.shape subset_size = n if replacements else n // 2 idx = np.array([np.random.choice(n, subset_size, replac...

生成多项式特征（Polynomial Features）是一种常用的数据处理方法，用于将输入特征转换为多项式特征。 标准代码如下 def polynomial_features(X, degree): n_samples, n_features = np.shape(X) # Generate all combinations of feature indices for polynomial terms def index_combinations(): combs = [combinations_with_replacement(range(n_f...

根据特征阈值划分数据集（Feature Thresholding）是一种常用的数据处理方法，用于将数据集分为两部分，一部分满足特征阈值，另一部分不满足特征阈值。 本题的关键是，要知道python中数值类型和字符串类型是不同的，不能直接比较，需要使用isinstance函数判断阈值类型，并且常用的数值类型也就int和float两种。 标准代码如下 def divide_on_feature(X, feature_i, threshold): # Define the split function based on the threshold type split_func = N...

频繁项集就是在交易数据中出现频率超过指定阈值的项集，常用于关联规则挖掘。 通俗点说，频繁项集就是交易数据中出现得“够多”的项集。 生成频繁项集可以归结为如下的递归过程 从频繁k项集中组合出候选k+1项集 统计候选k+1项集在交易数据中出现的次数 过滤出频繁k+1项集（出现次数大于等于min_support） 重复上述过程，直到无法生成更高阶的频繁项集 在实际实现上，组合出候选集的方式有很多种，但本题通过直接枚举合并出所有可能的k+1项集来简化代码实现，然后统计出现次数，最后过滤出频繁k+1项集，这种方式在数据量较大时，效率较低。实际运用中不建议大家使用。 代码实现 from itertoo...

k近邻算法是分类算法，通过计算测试样本与训练数据之间的距离，选择距离最小的k个样本作为测试样本的邻居，并根据这些邻居的类别进行投票，最终确定测试样本的类别。 步骤： 计算测试样本与训练数据之间的距离 选择距离最小的k个样本作为测试样本的邻居 根据这些邻居的类别进行投票，最终确定测试样本的类别（采用多数投票） 代码实现 def k_nearest_neighbors(X, y, test_sample, k): distances = np.linalg.norm(X - test_sample.T, axis=1) nearest_indices = np.argsort(...

主成分分析是一种将高维数据降维的方法，它通过将高维数据投影到低维空间，来保留数据的主要特征。 在本题中，PCA的实现方式是基于特征值分解的，其具体步骤如下： 1. 标准化数据 将输入数据标准化，使得每个特征的均值为0，方差为1。 数学表达式为： 2. 计算协方差矩阵 计算标准化后的数据协方差矩阵。 数学表达式为： 3. 计算特征值和特征向量 计算协方差矩阵的特征值和特征向量。 数学表达式为： 4. 选择主成分 选择特征值最大的k个特征向量作为主成分。 数学表达式为： 标准代码如下 def pca(data, k): data_standardized = (da...

交叉验证是一种评估机器学习模型性能的方法，它通过将数据集分为训练集和测试集，来评估模型的性能。 其目的在于评估模型在不同数据集上的表现，以确保模型的泛化能力；并且在数据量较少时，可以有效地评估模型的性能。 本题中要求了将数据集分为k折，并且要求了随机种子，但是只需要在采样之前进行一次随机打乱即可。 标准代码如下 def cross_validation_split(data, k, seed=42): np.random.seed(seed) np.random.shuffle(data) n, m = data.shape sub_size = int(np...

k-Means 聚类算法（k-Means Clustering）是一种常用的聚类算法，用于将数据集分为个簇。具体步骤如下： 随机选择个点作为初始聚类中心。 将每个点分配到最近的聚类中心 本题使用欧几里得距离作为距离度量，即 更新聚类中心为每个簇的平均值。 重复步骤2和步骤3，直到聚类中心不再变化或达到最大迭代次数。 通俗点说，就是把n个人分到k个组中，每次都要计算每个人到每个组的距离，然后选择距离最小的组，然后更新组中心。这样最后每个人都会分到离他最近的组中。 标准代码如下 def euclidean_distance(a, b): return np.sqrt(((a - b...

过拟合是指模型在训练数据上表现很好，但在测试数据上表现较差的现象。欠拟合是指模型在训练数据上表现较差，但在测试数据上表现较好的现象。 本题中直接给出了训练数据上的准确率和测试数据上的准确率，所以只需要按照题意进行判断即可。 标准代码如下 def model_fit_quality(training_accuracy, test_accuracy): """ 基于训练和测试准确率,确定模型是否过拟合、欠拟合或拟合良好，返回1、-1、0。 :param training_accuracy: float, 训练准确率 (0 <= training_accuracy &l...

在

RT

楼主是C++工程师，最近在考虑跳槽，面了几家公司，大概记录了下面经，回馈牛客！祝大家offer多多！ 广州华工信息软件有限公司 1 .先做笔试题，量不大，难度一般，cpp基础和oracle相关知识，大题是字符串相关的编程题. 2.hr面，主要问问一些常规问题，家庭，为什么离职，是否支持出差等。 3.技术面，技术面问的比较泛，cpp基础，操作系统，数据库，socket都有问到 4.终面，了解一下你性格是否适合这份工作吧，不是很久，问兴趣爱好，问是否接受出差，是否能很好跟别人合作。 中兴通讯南京研究所 一面： ...