今天是6月18号。下午两点参加了百度的机器学习及数据挖掘实习生笔试，感觉要跪了。。
首先说下笔试人数，有2个北航、4个北邮、1个北理、1个北大，北大的貌似没来，然后LZ又深深地感到在IT圈北邮真尼玛是高端人才基地。最近参加了一些笔试，北邮到哪都是一大波一大波（大波？
是一大拨）。
一共有三套题，第一套是关于机器学习和数据挖掘的。第二套是Python，第三套是大杂烩（C++、数据结构、还有一个不知所以然、Linux/Windows、TCP/IP）。第一套是必做题，第二套和第三套是选择一套，答题时间为2个小时，我选择了大杂烩，这里就不讲大杂烩了，被大杂烩深深地伤害了。。
第一套关于机器学习和数据挖掘，一共九个题，尼玛，这九个题中大部分竟然是2013年网易机器学习笔试题。。不信？你看，网易笔试题，注意这里面前半部分是百度笔试题，后半部分才是网易的。
废话待会再说，先上题。
1、什么是欠拟合和过拟合的？如何避免？
这个题比较简单了，不过之前接触的都是过拟合概念，欠拟合再简单不过了，就是本来模型该是复杂的，你却用一个简单地来糊弄人。不过平常没听过欠拟合概念，一下子懵了，就瞎写了一下。回来一看，原来这么操蛋。。下面是过拟合和欠拟合的两个文字表示和公式解释的链接，嗯，挺好的。
2+3、决策树：1、父节点与子节点的熵值大小比较；2、终止条件
这个东西很恶心啊，之前只是看了一下什么是决策树就完了，了解程度仅限于大家都知道的这张图片
至于为什么根节点是样本的的这个属性，而不是另外一个属性等问题就这么被我选择性的我忽略了，然后在笔试中惨遭失利，回来后，恶补了一下这块的知识，才发现它的博大精深。
这里给出两个不错的链接，分别是决策树ID3算法与C4.5算法的图文并茂+例子介绍：
4、推导朴素贝叶斯分类P(c|d)，文档d（由若干word组成），求该文档属于类别c的概率，并说明公式中哪些概率可以利用训练集计算得到
这个问题是算是简单地了。下面我粘出我写的东西
5、KMeans怎么选择聚类中心？如果存在空块怎么办？
拿到这个题后，感觉有什么不对，什么是空块？一个空类？后来一想是不是只有指定的聚类中心而无依附样本？以前也没听说过，我就这样理解了，然后是这样处理的：将该类撤掉，把聚类中心加入到离其最近的类中，然后为了保证类的数目的不变，将最大的一个类分离成两个类，当时是这样写的，回来上网一搜，原来是这样的，原来搜不到。。百度和google上都找不到空块的概念，只好作罢。
6、线性SVM算法的基本原理？核函数干什么用的？
这个题就有意思了，那么多公式谁能记得住啊，就画了个图，然后balabalaba一堆，然后又画个图，无法直接线性分类的图，即你中有我，我中有你那种，然后说一下核函数正是处理这样的情况，把不可分空间映射到高维可分空间，然后用前面的线性SVM就可以了。
7、第七题是一个关于数据挖掘中关联规则的案例，MD，以前听都没听过关联规则，然后交了白卷，回来上网一查，原来关联规则这么好使以及强大呢，我肯定说不清楚的，还是附一个我认为特别好的链接吧，图文并茂+案例。。
8、给定两个特征向量，你知道哪些计算这两个向量相似度/相一度的方法？
失败啊，彻底的失败啊。大家都知道欧氏距离这是肯定的，MD，我只写了欧氏距离，尽管知道马氏距离，但是没写，回来一查，这么多距离度量方法呢。
9、给你200万个2000万维的训练集，给出一套完整合理的分类方案。
这个就是很开放的题了，不知道是不是随便写都可以，我先分析分析样本的特征，分析完后说，应该用PCA降维，然后拿100万样本进行训练SVM分类器（RBF核，因为这个核好用），然后选择分类错误的样本，放到训练集中重新训练，这样一直迭代，到精度达到指定要求为止，如果精度一直不高，改变PCA降维阈值，增加降维后向量的维数，重新训练-测试。。
好的，这就是机器学习与数据挖掘中的9道题目，后面几道可能顺序有误。这几道题目大都是根据数据挖掘10大经典算法来出题的，基础是有多么的重要。。
参加这次笔试，就我答题这B样，是没戏了，后面的大杂烩你们不知道我有多惨。不过感觉这次收获特别大，知道自己有很多不会的地方了，回来查漏补缺，当你这种查漏补缺的次数多了，你就有了长足的进步了，所以每一次笔试都是一次珍贵的机会啊。。
另外，在上网查阅资料的过程中（主要就是博客），感觉cnblog上的博客都是专家写的，而csdn上的博客都是像我这样半吊子写的，你们应该能注意到我上面贴的链接基本都是cnblog的，人家专业啊。
行了，写完了，感谢大家看了这么多废话。