研一上学期各门考试吐槽---师兄只能帮你到这里了

本文主要是介绍研一上学期各门考试吐槽---师兄只能帮你到这里了，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

时间：2014年11月16日第十周周末研一上半年

考试科目：《数据挖掘》

考试形式：开卷

内容：4道大题，全英文。答卷也要全英文。

第一道：chiMerge算法。用chiMerge对某个属性的不同值合并，坑爹啊，老师只是提了下，ppt上也没，书上（《数据挖掘概念与技术原书第3版》第77页chiMerge方法）也没相关的例子，只有那么简短的介绍，咋整？平时没注意到，根本猜不到会考这算法。好吧，这道题是用来区分学霸与学渣的。区分高分和低分的。。。。其他题目只是为了让我们学生过而已，太简单了，只有这道题，不明白原理，丫的不知道怎么动手。提到卡方想到第三章，于是在书第三章的文献参考里找到chiMerge，对应的找到了77页，看得不是很明白，结果在试卷上乱扯了点。
第二道：频繁项集apriori算法。跟中文版书上161的例子差不多，英文版的250-251页可破此题。另外数据集是用了苹果香蕉咖啡那个数据项的，以前见过，但给忘了。考试前就预测会考apriori了，肯定会考了，结果当然是真考了，因为本科上《数据挖掘》的时候也考了这道题。
第三道：贝叶斯分类。本科时依然考过。同中文版书上229页的例子，英文版353页可破此题。数据的话，妈蛋，又是见过的，卧槽，考完一翻书，果然，是课后习题，只不过是求第三问，第一、二问不用。妈蛋，而且本科的时候这第八章的homework就是这道题：8.7，我说怎么数据集这么熟悉，算着算着是161就知道了，本科的时候还记得，谁叫这数据特么不漂亮，来个161。
第四道：K-Means算法。又是预料之中的好么。不过没想到的是，数据集是做过的第三次实验的数据，好在在昨天把K-Means算法实现了，，，不过K-Means太简单了，都不想看了。自本科理解了后，没忘过好么，天空飘来五个字：这都不是事儿。另外的话，书上没有例子，不知道怎么写下去以及描述自己的想法。英渣表示很受伤。还是找几个例子看看，而且是英文的当然更好。
总的来说，问题不大，丫的根本不太可能会让你挂掉好么，而且像是数据挖掘肯定都会考三大块：分类、聚类、频繁项集。而这三大块关键算法分别是贝叶斯、K-Means、apriori，另外关键的是这三种算法在书上都有详细例子，根本不是问题的好么，所以说无论怎样都会考的好么，实际上本科与现在也都考了。另外，老师虽然在ppt上有很多张SLIQ、AdaBoost等算法的解析过程，考前在担忧着会不会考那些，因为那些算法都还没看懂，有些担忧。但实际上根本不会考好么，一大群人，几乎有一半人都没看懂，考了一大部分人不会做，，，所以说不可能考好么。好吧，《数据挖掘》这门课该做的实验做完了，只剩下project了。一些资料什么啥的，寒假回家再传到百度云上。。。