《题解》专题

面试高频题1： 题目：谈谈对短视频行业的理解 答案解析： 首先，该行业中长期来看会往哪个方向走： 短期和长期该行业都有着蓬勃向上的发展趋势，市场规模非常庞大，18年增长率超过了700%，虽然现在增长率放缓，但规模仍在增长。 其次，识别出这个行业的关键风险和成功的驱动因素： 内容生产者的质量，人们碎片化的时间等（本质上是内容行业，需要靠内容吸引用户） 最后，这个行业成功的企业和失败的企业大概都有哪些

面试高频题1： 题目：抖音的盈利模式 答案解析： 1. B2B 收入 抖音利用网红和品牌合作的伙伴关系盈利 2. 品牌滤镜 在抖音上，用户可以给短视频添加滤镜。一些品牌可能会为用户添加专属滤镜，让用户把品牌添加到他们的视频里面。然后，他们可能会请网红主播用这个滤镜拍摄短视频，其他用户看到之后就会跟着使用。一些品牌方可能会造势和滤镜搭配宣传。 在抖音上，用户可以创建音频并上传到平台供其他人使用。这个

面试高频题1： 题目：介绍一下k-means,你的数据如何处理，模型的输出是什么？ 答案解析： 介绍kmeans： 第一步：数据归一化、离群点处理后，随机选择k个聚类质心 第二步：所有数据点关联划分到离自己最近的质心，形成k个簇； 第三步：重新计算每个簇的质心； 重复第二步、第三步，直到簇不发生变化或达到最大迭代次数； 数据如何处理： 为了防止均值和方差大的维度将对数据的聚类产生决定性影响，所以在

面试高频题1： 题目：了解决策树吗 答案解析： 决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。 决策树的构造过程： 决策树的构造过程一般分为3个部分，分别是特征选择、决策树生产和决策树裁剪。 （1）特征选择： 特征选择表示从众多的特征中选择一个

面试高频题11： 题目：L1、L2的原理？两者区别？ 答案解析： 原理： L1正则是基于L1范数和项，即参数的绝对值和参数的积项；L2正则是基于L2范数，即在目标函数后面加上参数的平方和与参数的积项。 区别： 1.鲁棒性：L1对异常点不敏感，L2对异常点有放大效果。 2.稳定性：对于新数据的调整，L1变动很大，L2整体变动不大。 答案解析 数据分析只需要简单知道原理和区别就行，公式推导不需要，面试

面试高频题1： 题目：处理噪声数据方法 答案解析： 1、分箱 分箱方法是一种简单常用的预处理方法，通过考察相邻数据来确定最终值。所谓“分箱”，实际上就是按照属性值划分的子区间，如果一个属性值处于某个子区间范围内，就称把该属性值放进这个子区间所代表的“箱子”内。把待处理的数据（某列属性值）按照一定的规则放进一些箱子中，考察每一个箱子中的数据，采用某种方法分别对各个箱子中的数据进行处理。在采用分箱技术

ab两种点心，每个礼盒放3个点心，a、b至少各有一个，求最多能包多少个礼盒 签到题直接print就行，输出a、b、(a+b)//3的最小值 给一组0，-1，1数组，分割点k左大于等于0、右侧小于等于0的为异常数据，求最乐观情况下有多少个异常数据 类似接雨水问题，设定两个n+1的数组，分别代表k左侧和右侧异常数据个数，初始化为0，对原数组进行遍历，最后取left[i]+right[i]的最小值即可。

第一步: 首先我们要知道gradle从哪里下载,下载什么版本？ 方法1：在gradle-wrapper.properties中查看gradle下载地址和版本 本例中,下载地址是：https:\/\/services.gradle.org\/distributions\/gradle-2.10-all.zip ,版本是2.10. 方法2：去查看所有分发的gradle版本地址:https:\/\/se

我们在部署之后, 会发现Vuejs会遇到js 的经典问题: 远程服务器地址不对,或者跨域问题. 前提: 我们的真正后台接口是: http://siwei.me/interface/blogs/all 如下: 域名404 问题 这个问题看起来如下: 这个问题是由于源代码中,访问 /interface/blogs/all 这个接口引起的: this.$http.get('/api/interface/

解决等级保护中主机安全和应用安全的合规问题 保证重大会议活动期间重要网站的正常运行 为网站及服务器的基础防护、安全监测、风险预警、应急处置提供重要手段

本文档为数据结构和算法学习笔记，虽说练习算法偏向于算法本身，但是好的代码风格还是很有必要的。

在这一章中，我们会查看几个有趣的问题，并尝试用函数式的方式来漂亮地解决他们。我们并不会介绍新的概念，我们只是练习我们刚学到的写程序的技巧。每一节都会探讨不同的问题。会先描述问题，然后用最好的方式解决他。 运算逆波兰表示法(Reverse Polish notation form) 我们在学校学习数学的时候，我们多半都是用中置(infix)的方式来写数学式。例如说，我们会写 10 - (4 + 3)

本章主要解释在Python学习期间，常见的一些问题，探讨问题原因，给出解决答案和思路，在window的cmd中运行python结果却调用了文本编辑器去打开了，而不是去调用Python解析器去运行python文件 估计是，在安装Python时： 图 7.1. 安装Python时选择Register Extensions 没有选择Register Extensions，从而导致之后在cmd中运行py文

T1先后经过三个点，求最短距离；平面可连接扩展。 模拟即可 T2向有根树的叶添加节点，使得距离根一定范围内的节点数最大。 只需要关心叶节点和它的深度即可，注意是无向图，不要被例题图片迷惑了 T3抽卡题，规则不再赘述，玩过原的应该会熟悉些。跟实际游戏还是有点区别的，实际上89抽之前也会增大抽取概率，本题留了一手。 数据范围很小，维护一个第i抽出金的概率数组，二层循环模拟即可，最后期望就是抽数乘以概率

T1跳过 T2如果没AK的（尤其是83%），大概率是贪心的选择出了问题。我们贪心的应该是任务最低要求结束电量：