【数据挖掘】百度机器学习-数据挖掘-自然语言处理工程师 2023届校招笔试详解

笔试时间；2022年9月13日

1 不定项选择题

1、算法分析之常用符号大O、小o、大Ω符号、大Θ符号、w符号

O: 表示上界，小于等于的意思。渐进上界

o：表示上界，小于的意思。表示一个函数渐进地小于另一个函数，没有等于

$\Omega$：表示下界，大于等于的意思。渐进下界

$\Theta$：等于的意思。是大O符号和大Ω符号的结合，既是上界也是下界相当于两者的结合

$\omega$：表示下界，大于的意思。

2、java类之间的关系

依赖、关联、聚合、组合、继承、实现

3、不属于抽样的是

A. 渐进抽样

B.单纯随机抽样

C. 分层抽样

D. 忘了

答案：D

解析：

常见的抽样方法：
1 有放回的简单随机抽样

2 无放回的简单随机抽样

3 分层抽样

4 渐进抽样：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渐进抽样。

举个例：
比如，使用渐进抽样学习一个预测模型，预测模型的准确率会随着样本容量的增加而增大，直到某一点之后趋于稳定，此时的样本容量为适合的样本容量，我们可以选取接近当前容量的其它样本，估计出与稳定点的接近程度，从而停止抽样。

4、 素数的判断，代码

bool isprime(int a){
    if (a == 2)return true;
  	//这一行是题目要求填写的
    if (a % 2 == 0) return false;
    int x = sqrt(a);
    for (int i = 2; i <= x; ++i){
        if (a%i == 0)return false;
    }
    return true;
}
1
2
3
4
5
6
7
8
9
10

5、KMP 算法初始化Next数组，主串S= ‘aaab’，则next是？

答案：0 1 2 2

解析：

next数组的值是代表着字符串的前缀与后缀相同的最大长度,(不能包括自身)

举例理解，模式串： ABABAA

6、相关系数是描述变量之间的什么量

线性相关程度的量

7、不属于基于回归文本检测的方法是

A. EAST

B.textbox

C.CTPN

D. MSR

答案：D

解析：

基于回归的文本检测方法：TextBoxes、 CTPN、TextBoxes++、EAST、MOST、CTD、LOMO、Contournet、PCR

基于分割的文本检测方法：Pixellink、MSR、PSNET、Seglink++、PAN、PCENet、DBNet

参考：http://t.csdn.cn/SOVHT

8、 11位号码，前10位正确，最后一位不确定，则三次都没有播通的概率是多少？

答案：0.7

解析：

P = $\frac{9}{10}\times \frac{8}{9}\times \frac{7}{8}=0.7$

9、如果程序中没有显式使用可见性修饰符，允许某包P中的类C访问的有？

A、P中的。。。

答案：

解析：

四个可⻅性修饰符:private 、protected 、internal 和public。如果没有显式指定修饰符的话，默认可⻅性是 public

如果你声明为 private，它只会在声明它的文件内可⻅

如果你声明为 internal，它会在相同模块内随处可⻅

protected 不适用于顶层声明

10、F检验F值越大，以下哪个正确？

A. 相关系数越小

B. 随机误差越大

C.因变量与自变量之间的关系越大

D. 至少有一个自变量与因变量关系显著

答案：C，D

解析

F值表示回归模型的方差与残差的比值，即F越大表示残差越小，模拟的精度越高，相关系数越大，随机误差越小。

回归模型的总体显著性检验，就是检验全部解释变量对被解释变量的共同影响是否显著。F检验不显著时，就要考虑非线性的模型了。

11、基于像素进行分组反映出文本的语义信息，是什么方法？

答案：基于图像像素分割的文本检测方法

Pixellink采用分割的方法解决文本检测问题，分割对象为文本区域，将同属于一个文本行（单词）中的像素链接在一起来分割文本，直接从分割结果中提取文本边界框，无需位置回归就能达到基于回归的文本检测的效果。

12、查看已经安装了ssh服务相关的所有软件包 命令

rpm -qa | grep ssh

13、在数据搜集部分 ，需要执行哪些任务？

14、选择排序21,89,35,47,74，三趟排序后的结果是？

答案：21,35,47,89,74

解析：

选择排序是每趟选择最小的进行排序。

15、有集合S= {D,R }，D= {甲，乙，丙，丁，戊}，求表示顺序栈的关系集合为？

16、MLP中，输入层10个神经元，隐藏层5个神经元，输出层一个神经元，则输入输出的矩阵大小是？

答案：10×5,5×1

17、页面走向为：4,3,2,1,4,3,5,4,3,2,1,5，使用最佳置换策略，计算缺页率，分配的物理块数量为4

最初 n 个物理块为空时，依次插入的 n 次页面也算作缺页
访问页面的总数即为题目给出的页面走向的总个数
OPT算法：被换出的页面将是最长时间内不再被访问（往后看）

缺页次数为6次，访问页面的总数为12，缺页率为6/12

18、java中math.random()的范围是多少？

答案：[0,1)，左闭右开

19、UDP中传输层的作用是？

答案：传输层提供逻辑连接的建立、传输层寻址、数据传输、传输连接释放、流量控制、拥塞控制、多路复用和解复用、崩溃恢复等服务。

20、哈希表中，使用链地址法解决冲突，关键字列表为6,1,10,14,68,7,84,27,55,24,23,79,哈希表长16，key=13时解决冲突的次数是多少？

答案：0次

解析：没有哪个关键字的key%16的余数是13。

注意：平均查找长度为（每个元素的链表长度之和除以总的元素个数）

21、如图所示，特征值较大的特征向量是？
A.横轴
B.纵轴
C.红色的线
D.蓝色的线

我猜是PCA降维的知识点

2 编程题

1、购买两款游戏，第一款游戏中共有n个关卡，通过第i关需要花费a_j的时间，第二款游戏共有m个关卡，通过第i关需要b_j的时间，两款游戏都不允许跳过关卡，必须通过第i关，才能继续挑战第i+1关，在游戏时长不超过t的情况下，最多可以通过多少关

第一行三个整数，n,m.t

第二行，输入n个数，a_1,…,a_n

第三行，输入m个数，b_1,…，b_m

输出最多能通过的关卡数

示例：

5 3 15

1 3 2 9 1

4 6 1

输出5

没有做出来

---

2、小明小红玩排序游戏，共有n个士兵，拍成一列，第i个士兵的战斗力为$h_i$，两个人给他们排序

小明，小红二人共进行了m次操作，小明的每次操作都选择一个数，将前k个士兵按战斗力从小到大排序，小红的每次操作选择一个数k，将前k个士兵按战斗力从大到小排序

问所有操作结束后，从前往后每个士兵的战斗力是多少？

输入

第一行两个整数n,m，士兵数量和操作次数

第二行n个整数，代表从前往后每个士兵的战斗力

接下来m行按顺序给出所有操作，每行有两个整数，t.k,t=1代表是小明的操作，,否则是小红的操作，k代表对前K个士兵进行排序

输出n个整数，代表操作后的战斗力

在本地调试通过，但是在线上没有通过，通过率为0

n,m = input().split()
ss = input()
s = [int(i) for i  in ss.split()]
for i in range(int(m)):
    name,k = input().split()
    tmp = s[0:int(k)]
    if name =='1':
        tmp.sort()
    else:
        tmp.sort(reverse=True)
    s = tmp+s[int(k):]
print(s)
1
2
3
4
5
6
7
8
9
10
11
12