实习工作

http://hr.tencent.com/position_detail.php?id=22922&keywords=&tid=87&lid=2156

刷题：

1. SVM核函数：　　线性核函数、多项式核函数、径向基核函数、傅里叶核函数、样条核函数、Sigmoid核函数
2. CRF模型对于HMM和MEMM模型的优势：特征灵活、全局最优、可容纳较多上下文信息
3. 特征提取算法分为特征选择（互信息、文档频率、信息增益、期望交叉熵、开方检验、卡方检验等）和特征抽取两类。
4. SVM算法中使用高斯核/RBF核代替线性核容易引起过拟合
5. 序列模式挖掘算法：参看http://blog.csdn.net/rongyongfeikai2/article/details/40478335
6. PMF(概率质量函数),PDF(概率密度函数),CDF(累积分布函数)
7. L1正则化得到稀疏的权值，L2正则化得到平滑的权值
8. 线性回归：基本假设包括随机干扰项是均值为0的同方差正态分布；在违背基本假设时，普通最小二乘估计量不再是最佳线性无偏估计量；可以使用DW检验残差是否存在序列相关性
9. 在统计模式分类问题中，当先验概率未知时，可以使用最小最大损失准则和N-P判决

=============================================

happy数

class Solution(object):
    def isHappy(self, n):
        """
        :type n: int
        :rtype: bool
        """
        m = 0
        while n:
            n1 = n % 10
            m += n1**2
            n = n / 10
            if m == 1:
                return True
            elif n == 0:
                if m == 4:
                    return False
                else:
                    n = m

• 生成方法和判别方法 参考网址http://blog.csdn.net/zouxy09/article/details/8195017

假如你的任务是识别一个语音属于哪种语言。例如对面一个人走过来，和你说了一句话，你需要识别出她说的到底是汉语、英语还是法语等。那么你可以有两种方法达到这个目的：

1）学习每一种语言

2）不去学习每一种语言，你只学习这些语言模型之间的差别，然后再分类

那么第一种方法就是生成方法，第二种方法是判别方法。

• 最大概率分词

数据挖掘工作岗位要求：

    熟悉常用机器学习和数据挖掘算法

    熟悉hadoop、spark等分布式框架者优先

    有用户行为分析，用户建模等相关经验者优先

    熟悉Linux开发环境

有 1000 个一模一样的瓶子，其中有 999 瓶是普通的水，有一瓶是毒药。任何喝下毒药的生物都会在一星期之后死亡。现在，你只有 10 只小白鼠和一星期的时间，如何检验出哪个瓶子里有毒药？

根据2^10=1024，所以10个老鼠可以确定1000个瓶子具体哪个瓶子有毒。具体实现跟3个老鼠确定8个瓶子原理一样。 000=0 001=1 010=2 011=3 100=4 101=5 110=6 111=7

一位表示一个老鼠，0-7表示8个瓶子。也就是分别将1、3、5、7号瓶子的药混起来给老鼠1吃，2、3、6、7号瓶子的药混起来给老鼠2吃，4、5、6、7号瓶子的药混起来给老鼠3吃，哪个老鼠死了，相应的位标为1。如老鼠1死了、老鼠2没死、老鼠3死了，那么就是101=5号瓶子有毒。 同样道理10个老鼠可以确定1000个瓶子