第一篇：機(jī)器學(xué)習(xí)面試題目

1、有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別

有監(jiān)督學(xué)習(xí)：對(duì)具有標(biāo)記的訓(xùn)練樣本進(jìn)行學(xué)習(xí)，以盡可能對(duì)訓(xùn)練樣本集外的數(shù)據(jù)進(jìn)行分類(lèi)預(yù)測(cè)。（LR,SVM,BP,RF,GBDT）

無(wú)監(jiān)督學(xué)習(xí)：對(duì)未標(biāo)記的樣本進(jìn)行訓(xùn)練學(xué)習(xí)，比發(fā)現(xiàn)這些樣本中的結(jié)構(gòu)知識(shí)。(KMeans,DL)

2、正則化

正則化是針對(duì)過(guò)擬合而提出的，以為在求解模型最優(yōu)的是一般優(yōu)化最小的經(jīng)驗(yàn)風(fēng)險(xiǎn)，現(xiàn)在在該經(jīng)驗(yàn)風(fēng)險(xiǎn)上加入模型復(fù)雜度這一項(xiàng)（正則化項(xiàng)是模型參數(shù)向量的范數(shù)），并使用一個(gè)rate比率來(lái)權(quán)衡模型復(fù)雜度與以往經(jīng)驗(yàn)風(fēng)險(xiǎn)的權(quán)重，如果模型復(fù)雜度越高，結(jié)構(gòu)化的經(jīng)驗(yàn)風(fēng)險(xiǎn)會(huì)越大，現(xiàn)在的目標(biāo)就變?yōu)榱私Y(jié)構(gòu)經(jīng)驗(yàn)風(fēng)險(xiǎn)的最優(yōu)化，可以防止模型訓(xùn)練過(guò)度復(fù)雜，有效的降低過(guò)擬合的風(fēng)險(xiǎn)。

奧卡姆剃刀原理，能夠很好的解釋已知數(shù)據(jù)并且十分簡(jiǎn)單才是最好的模型。

過(guò)擬合

如果一味的去提高訓(xùn)練數(shù)據(jù)的預(yù)測(cè)能力，所選模型的復(fù)雜度往往會(huì)很高，這種現(xiàn)象稱(chēng)為過(guò)擬合。所表現(xiàn)的就是模型訓(xùn)練時(shí)候的誤差很小，但在測(cè)試的時(shí)候誤差很大。產(chǎn)生的原因過(guò)擬合原因： 1.樣本數(shù)據(jù)的問(wèn)題。樣本數(shù)量太少；

抽樣方法錯(cuò)誤，抽出的樣本數(shù)據(jù)不能有效足夠代表業(yè)務(wù)邏輯或業(yè)務(wù)場(chǎng)景。比如樣本符合正態(tài)分布，卻按均分分布抽樣，或者樣本數(shù)據(jù)不能代表整體數(shù)據(jù)的分布； 樣本里的噪音數(shù)據(jù)干擾過(guò)大 2.模型問(wèn)題

模型復(fù)雜度高、參數(shù)太多 決策樹(shù)模型沒(méi)有剪枝

權(quán)值學(xué)習(xí)迭代次數(shù)足夠多(Overtraining),擬合了訓(xùn)練數(shù)據(jù)中的噪聲和訓(xùn)練樣例中沒(méi)有代表性的特征.解決方法

1.樣本數(shù)據(jù)方面。

增加樣本數(shù)量，對(duì)樣本進(jìn)行降維，添加驗(yàn)證數(shù)據(jù) 抽樣方法要符合業(yè)務(wù)場(chǎng)景 清洗噪聲數(shù)據(jù) 2.模型或訓(xùn)練問(wèn)題

控制模型復(fù)雜度，優(yōu)先選擇簡(jiǎn)單的模型，或者用模型融合技術(shù)。

利用先驗(yàn)知識(shí)，添加正則項(xiàng)。L1正則更加容易產(chǎn)生稀疏解、L2正則傾向于讓參數(shù)w趨向于0.4、交叉驗(yàn)證 不要過(guò)度訓(xùn)練，最優(yōu)化求解時(shí)，收斂之前停止迭代。

決策樹(shù)模型沒(méi)有剪枝 權(quán)值衰減

5、泛化能力

泛化能力是指模型對(duì)未知數(shù)據(jù)的預(yù)測(cè)能力

6、生成模型和判別模型

1.生成模型：由數(shù)據(jù)學(xué)習(xí)聯(lián)合概率分布P(X,Y)，然后求出條件概率分布P(Y|X)作為預(yù)測(cè)的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)。（樸素貝葉斯、Kmeans）

生成模型可以還原聯(lián)合概率分布p(X,Y)，并且有較快的學(xué)習(xí)收斂速度，還可以用于隱變量的學(xué)習(xí)

2.判別模型：由數(shù)據(jù)直接學(xué)習(xí)決策函數(shù)Y=f(X)或者條件概率分布P(Y|X)作為預(yù)測(cè)的模型，即判別模型。（k近鄰、決策樹(shù)、SVM）

直接面對(duì)預(yù)測(cè)，往往準(zhǔn)確率較高，直接對(duì)數(shù)據(jù)在各種程度上的抽象，所以可以簡(jiǎn)化模型

7、線性分類(lèi)器與非線性分類(lèi)器的區(qū)別以及優(yōu)劣

如果模型是參數(shù)的線性函數(shù)，并且存在線性分類(lèi)面，那么就是線性分類(lèi)器，否則不是。常見(jiàn)的線性分類(lèi)器有：LR,貝葉斯分類(lèi)，單層感知機(jī)、線性回歸 常見(jiàn)的非線性分類(lèi)器：決策樹(shù)、RF、GBDT、多層感知機(jī) SVM兩種都有(看線性核還是高斯核)線性分類(lèi)器速度快、編程方便，但是可能擬合效果不會(huì)很好 非線性分類(lèi)器編程復(fù)雜，但是效果擬合能力強(qiáng)

8、特征比數(shù)據(jù)量還大時(shí)，選擇什么樣的分類(lèi)器？

線性分類(lèi)器，因?yàn)榫S度高的時(shí)候，數(shù)據(jù)一般在維度空間里面會(huì)比較稀疏，很有可能線性可分 對(duì)于維度很高的特征，你是選擇線性還是非線性分類(lèi)器？ 理由同上

對(duì)于維度極低的特征，你是選擇線性還是非線性分類(lèi)器？

非線性分類(lèi)器，因?yàn)榈途S空間可能很多特征都跑到一起了，導(dǎo)致線性不可分

1.如果Feature的數(shù)量很大，跟樣本數(shù)量差不多，這時(shí)候選用LR或者是Linear Kernel的SVM 2.如果Feature的數(shù)量比較小，樣本數(shù)量一般，不算大也不算小，選用SVM+Gaussian Kernel 3.如果Feature的數(shù)量比較小，而樣本數(shù)量很多，需要手工添加一些feature變成第一種情況

9、ill-condition病態(tài)問(wèn)題

訓(xùn)練完的模型測(cè)試樣本稍作修改就會(huì)得到差別很大的結(jié)果，就是病態(tài)問(wèn)題（這簡(jiǎn)直是不能用?。?/p>

10、L1和L2正則的區(qū)別，如何選擇L1和L2正則 http://blog.csdn.NET/xbmatrix/article/details/61624196 他們都是可以防止過(guò)擬合，降低模型復(fù)雜度

L1是在loss function后面加上 模型參數(shù)的1范數(shù)（也就是|xi|）

L2是在loss function后面加上 模型參數(shù)的2范數(shù)（也就是sigma(xi^2)），注意L2范數(shù)的定義是sqrt(sigma(xi^2))，在正則項(xiàng)上沒(méi)有添加sqrt根號(hào)是為了更加容易優(yōu)化 L1 會(huì)產(chǎn)生稀疏的特征

L2 會(huì)產(chǎn)生更多地特征但是都會(huì)接近于0 L1會(huì)趨向于產(chǎn)生少量的特征，而其他的特征都是0，而L2會(huì)選擇更多的特征，這些特征都會(huì)接近于0。L1在特征選擇時(shí)候非常有用，而L2就只是一種規(guī)則化而已。L1求解

最小角回歸算法：LARS算法

11、越小的參數(shù)說(shuō)明模型越簡(jiǎn)單

過(guò)擬合的，擬合會(huì)經(jīng)過(guò)曲面的每個(gè)點(diǎn)，也就是說(shuō)在較小的區(qū)間里面可能會(huì)有較大的曲率，這里的導(dǎo)數(shù)就是很大，線性模型里面的權(quán)值就是導(dǎo)數(shù)，所以越小的參數(shù)說(shuō)明模型越簡(jiǎn)單。

12、為什么一些機(jī)器學(xué)習(xí)模型需要對(duì)數(shù)據(jù)進(jìn)行歸一化？ http://blog.csdn.net/xbmatrix/article/details/56695825 歸一化化就是要把你需要處理的數(shù)據(jù)經(jīng)過(guò)處理后（通過(guò)某種算法）限制在你需要的一定范圍內(nèi)。

1）歸一化后加快了梯度下降求最優(yōu)解的速度。等高線變得顯得圓滑，在梯度下降進(jìn)行求解時(shí)能較快的收斂。如果不做歸一化，梯度下降過(guò)程容易走之字，很難收斂甚至不能收斂 2）把有量綱表達(dá)式變?yōu)闊o(wú)量綱表達(dá)式, 有可能提高精度。一些分類(lèi)器需要計(jì)算樣本之間的距離（如歐氏距離），例如KNN。如果一個(gè)特征值域范圍非常大，那么距離計(jì)算就主要取決于這個(gè)特征，從而與實(shí)際情況相悖（比如這時(shí)實(shí)際情況是值域范圍小的特征更重要）3)邏輯回歸等模型先驗(yàn)假設(shè)數(shù)據(jù)服從正態(tài)分布。哪些機(jī)器學(xué)習(xí)算法不需要做歸一化處理？

概率模型不需要?dú)w一化，因?yàn)樗鼈儾魂P(guān)心變量的值，而是關(guān)心變量的分布和變量之間的條件概率，如決策樹(shù)、rf。而像adaboost、gbdt、xgboost、svm、lr、KNN、KMeans之類(lèi)的最優(yōu)化問(wèn)題就需要?dú)w一化。特征向量的歸一化方法

線性函數(shù)轉(zhuǎn)換，表達(dá)式如下：y=(x-MinValue)/(MaxValue-MinValue)對(duì)數(shù)函數(shù)轉(zhuǎn)換，表達(dá)式如下：y=log10(x)反余切函數(shù)轉(zhuǎn)換，表達(dá)式如下：y=arctan(x)*2/PI 減去均值，乘以方差：y=(x-means)/ variance 標(biāo)準(zhǔn)化與歸一化的區(qū)別

簡(jiǎn)單來(lái)說(shuō)，標(biāo)準(zhǔn)化是依照特征矩陣的列處理數(shù)據(jù)，其通過(guò)求z-score的方法，將樣本的特征值轉(zhuǎn)換到同一量綱下。歸一化是依照特征矩陣的行處理數(shù)據(jù)，其目的在于樣本向量在點(diǎn)乘運(yùn)算或其他核函數(shù)計(jì)算相似性時(shí)，擁有統(tǒng)一的標(biāo)準(zhǔn)，也就是說(shuō)都轉(zhuǎn)化為“單位向量”。規(guī)則為l2的歸一化公式如下：

13、特征向量的缺失值處理

1.缺失值較多.直接將該特征舍棄掉，否則可能反倒會(huì)帶入較大的noise，對(duì)結(jié)果造成不良影響。

2.缺失值較少,其余的特征缺失值都在10%以內(nèi)，我們可以采取很多的方式來(lái)處理: 1)把NaN直接作為一個(gè)特征，假設(shè)用0表示； 2)用均值填充；

3)用隨機(jī)森林等算法預(yù)測(cè)填充

隨機(jī)森林如何處理缺失值（http://charleshm.github.io/2016/03/Random-Forest-Tricks/）方法一（na.roughfix）簡(jiǎn)單粗暴，對(duì)于訓(xùn)練集,同一個(gè)class下的數(shù)據(jù)，如果是分類(lèi)變量缺失，用眾數(shù)補(bǔ)上，如果是連續(xù)型變量缺失，用中位數(shù)補(bǔ)。

方法二（rfImpute）這個(gè)方法計(jì)算量大，至于比方法一好壞？不好判斷。先用na.roughfix補(bǔ)上缺失值，然后構(gòu)建森林并計(jì)算proximity matrix，再回頭看缺失值，如果是分類(lèi)變量，則用沒(méi)有缺失的觀測(cè)實(shí)例的proximity中的權(quán)重進(jìn)行投票。如果是連續(xù)型變量，則用proximity矩陣進(jìn)行加權(quán)平均的方法補(bǔ)缺失值。然后迭代4-6次，這個(gè)補(bǔ)缺失值的思想和KNN有些類(lèi)似12。

隨機(jī)森林如何評(píng)估特征重要性（http://charleshm.github.io/2016/03/Random-Forest-Tricks/）衡量變量重要性的方法有兩種，Decrease GINI 和 Decrease Accuracy：

1)Decrease GINI： 對(duì)于回歸問(wèn)題，直接使用argmax(Var?VarLeft?VarRight)作為評(píng)判標(biāo)準(zhǔn)，即當(dāng)前節(jié)點(diǎn)訓(xùn)練集的方差Var減去左節(jié)點(diǎn)的方差VarLeft和右節(jié)點(diǎn)的方差VarRight。

2)Decrease Accuracy：對(duì)于一棵樹(shù)Tb(x)，我們用OOB樣本可以得到測(cè)試誤差1；然后隨機(jī)改變OOB樣本的第j列：保持其他列不變，對(duì)第j列進(jìn)行隨機(jī)的上下置換，得到誤差2。至此，我們可以用誤差1-誤差2來(lái)刻畫(huà)變量j的重要性。基本思想就是，如果一個(gè)變量j足夠重要，那么改變它會(huì)極大的增加測(cè)試誤差；反之，如果改變它測(cè)試誤差沒(méi)有增大，則說(shuō)明該變量不是那么的重要。

14、優(yōu)化Kmeans 使用kd樹(shù)或者ball tree(這個(gè)樹(shù)不懂)將所有的觀測(cè)實(shí)例構(gòu)建成一顆kd樹(shù)，之前每個(gè)聚類(lèi)中心都是需要和每個(gè)觀測(cè)點(diǎn)做依次距離計(jì)算，現(xiàn)在這些聚類(lèi)中心根據(jù)kd樹(shù)只需要計(jì)算附近的一個(gè)局部區(qū)域即可 KMeans初始類(lèi)簇中心點(diǎn)的選取

k-means++算法選擇初始seeds的基本思想就是：初始的聚類(lèi)中心之間的相互距離要盡可能的遠(yuǎn)。

1.從輸入的數(shù)據(jù)點(diǎn)集合中隨機(jī)選擇一個(gè)點(diǎn)作為第一個(gè)聚類(lèi)中心

2.對(duì)于數(shù)據(jù)集中的每一個(gè)點(diǎn)x，計(jì)算它與最近聚類(lèi)中心(指已選擇的聚類(lèi)中心)的距離D(x)3.選擇一個(gè)新的數(shù)據(jù)點(diǎn)作為新的聚類(lèi)中心，選擇的原則是：D(x)較大的點(diǎn)，被選取作為聚類(lèi)中心的概率較大 4.重復(fù)2和3直到k個(gè)聚類(lèi)中心被選出來(lái)

5.利用這k個(gè)初始的聚類(lèi)中心來(lái)運(yùn)行標(biāo)準(zhǔn)的k-means算法

15、解釋對(duì)偶的概念

一個(gè)優(yōu)化問(wèn)題可以從兩個(gè)角度進(jìn)行考察，一個(gè)是primal 問(wèn)題，一個(gè)是dual 問(wèn)題，就是對(duì)偶問(wèn)題，一般情況下對(duì)偶問(wèn)題給出主問(wèn)題最優(yōu)值的下界，在強(qiáng)對(duì)偶性成立的情況下由對(duì)偶問(wèn)題可以得到主問(wèn)題的最優(yōu)下界，對(duì)偶問(wèn)題是凸優(yōu)化問(wèn)題，可以進(jìn)行較好的求解，SVM中就是將primal問(wèn)題轉(zhuǎn)換為dual問(wèn)題進(jìn)行求解，從而進(jìn)一步引入核函數(shù)的思想。

16、如何進(jìn)行特征選擇？

特征選擇是一個(gè)重要的數(shù)據(jù)預(yù)處理過(guò)程，主要有兩個(gè)原因：一是減少特征數(shù)量、降維，使模型泛化能力更強(qiáng)，減少過(guò)擬合;二是增強(qiáng)對(duì)特征和特征值之間的理解 常見(jiàn)的特征選擇方式： 1.去除方差較小的特征

2.正則化。1正則化能夠生成稀疏的模型。L2正則化的表現(xiàn)更加穩(wěn)定，由于有用的特征往往對(duì)應(yīng)系數(shù)非零。

3.隨機(jī)森林，對(duì)于分類(lèi)問(wèn)題，通常采用基尼不純度或者信息增益，對(duì)于回歸問(wèn)題，通常采用的是方差或者最小二乘擬合。一般不需要feature engineering、調(diào)參等繁瑣的步驟。它的兩個(gè)主要問(wèn)題，1是重要的特征有可能得分很低（關(guān)聯(lián)特征問(wèn)題），2是這種方法對(duì)特征變量類(lèi)別多的特征越有利（偏向問(wèn)題）。

4.穩(wěn)定性選擇。是一種基于二次抽樣和選擇算法相結(jié)合較新的方法，選擇算法可以是回歸、SVM或其他類(lèi)似的方法。它的主要思想是在不同的數(shù)據(jù)子集和特征子集上運(yùn)行特征選擇算法，不斷的重復(fù)，最終匯總特征選擇結(jié)果，比如可以統(tǒng)計(jì)某個(gè)特征被認(rèn)為是重要特征的頻率（被選為重要特征的次數(shù)除以它所在的子集被測(cè)試的次數(shù)）。理想情況下，重要特征的得分會(huì)接近100%。稍微弱一點(diǎn)的特征得分會(huì)是非0的數(shù)，而最無(wú)用的特征得分將會(huì)接近于0。

17、數(shù)據(jù)預(yù)處理

1.缺失值，填充缺失值fillna： i.離散：None, ii.連續(xù)：均值。

iii.缺失值太多，則直接去除該列

2.連續(xù)值：離散化。有的模型（如決策樹(shù)）需要離散值

3.對(duì)定量特征二值化。核心在于設(shè)定一個(gè)閾值，大于閾值的賦值為1，小于等于閾值的賦值為0。如圖像操作

4.皮爾遜相關(guān)系數(shù)，去除高度相關(guān)的列 #correlation matrix corrmat = df_train.corr()f, ax = plt.subplots(figsize=(12, 9))sns.heatmap(corrmat, vmax=.8, square=True);1.去除噪聲點(diǎn)。通過(guò)matplotlib.scatter函數(shù)圖示某一特征與預(yù)測(cè)特征的點(diǎn)分布圖，明顯看出噪聲點(diǎn)，去除即可

#bivariate analysis saleprice/grlivareavar = 'GrLivArea' data = pd.concat([df_train['SalePrice'], df_train[var]], axis=1)data.plot.scatter(x=var, y='SalePrice', ylim=(0,800000));df_train.sort_values(by = 'GrLivArea', ascending = False)[:2] df_train = df_train.drop(df_train[df_train['Id'] == 1299].index)df_train = df_train.drop(df_train[df_train['Id'] == 524].index)1.標(biāo)簽編碼，把字符類(lèi)別特征編碼成數(shù)值類(lèi)型，如紅綠藍(lán)編碼為0、1、2 2.歸一化。將數(shù)據(jù)按比例縮放，使這些數(shù)據(jù)落入到一個(gè)較小的特定的區(qū)間之內(nèi)。最小最大縮放：

當(dāng)使用基于距離的算法時(shí)，我們必須嘗試將數(shù)據(jù)縮放，這樣較不重要的特征不會(huì)因?yàn)樽陨磔^大的范圍而主導(dǎo)目標(biāo)函數(shù)。如KNN。

在邏輯回歸中，每個(gè)特征都被分配了權(quán)重或系數(shù)(Wi)。如果某個(gè)特征有相對(duì)來(lái)說(shuō)比較大的范圍，而且其在目標(biāo)函數(shù)中無(wú)關(guān)緊要，那么邏輯回歸模型自己就會(huì)分配一個(gè)非常小的值給它的系數(shù)，從而中和該特定特征的影響優(yōu)勢(shì)，而基于距離的方法，如KNN，沒(méi)有這樣的內(nèi)置策略，因此需要縮放。Z-score標(biāo)準(zhǔn)化: 很多的機(jī)器學(xué)習(xí)技巧/模型（例如L1，L2正則項(xiàng)，向量空間模型-Vector Space Model，歐幾里得距離測(cè)量的KNN、k-均值、SVM、感知器、神經(jīng)網(wǎng)絡(luò)、線性判別分析、主成分分析）都基于這樣的假設(shè)：所有的屬性取值都差不多是以0為均值且取值范圍相近的，標(biāo)準(zhǔn)化數(shù)據(jù)幫助我們提高預(yù)測(cè)模型的精度。

備注：在縮放和標(biāo)準(zhǔn)化中二選一是個(gè)令人困惑的選擇，你必須對(duì)數(shù)據(jù)和要使用的學(xué)習(xí)模型有更深入的理解，才能做出決定。對(duì)于初學(xué)者，你可以兩種方法都嘗試下并通過(guò)交叉驗(yàn)證精度來(lái)做出選擇。

18、什么是偏差與方差？

泛化誤差可以分解成偏差的平方加上方差加上噪聲。偏差度量了學(xué)習(xí)算法的期望預(yù)測(cè)和真實(shí)結(jié)果的偏離程度，刻畫(huà)了學(xué)習(xí)算法本身的擬合能力，方差度量了同樣大小的訓(xùn)練集的變動(dòng)所導(dǎo)致的學(xué)習(xí)性能的變化，刻畫(huà)了數(shù)據(jù)擾動(dòng)所造成的影響，噪聲表達(dá)了當(dāng)前任務(wù)上任何學(xué)習(xí)算法所能達(dá)到的期望泛化誤差下界，刻畫(huà)了問(wèn)題本身的難度。偏差和方差一般稱(chēng)為bias和variance，一般訓(xùn)練程度越強(qiáng)，偏差越小，方差越大，泛化誤差一般在中間有一個(gè)最小值，如果偏差較大，方差較小，此時(shí)一般稱(chēng)為欠擬合，而偏差較小，方差較大稱(chēng)為過(guò)擬合。偏差： 方差：

解決bias和Variance問(wèn)題的方法： 交叉驗(yàn)證

High bias解決方案:Boosting、復(fù)雜模型（非線性模型、增加神經(jīng)網(wǎng)絡(luò)中的層）、更多特征 High Variance解決方案：agging、簡(jiǎn)化模型、降維

19、采用 EM 算法求解的模型有哪些，為什么不用牛頓法或梯度下降法？

用EM算法求解的模型一般有GMM或者協(xié)同過(guò)濾，k-means其實(shí)也屬于EM。EM算法一定會(huì)收斂，但是可能收斂到局部最優(yōu)。由于求和的項(xiàng)數(shù)將隨著隱變量的數(shù)目指數(shù)上升，會(huì)給梯度計(jì)算帶來(lái)麻煩。

20、SVM、LR、決策樹(shù)的對(duì)比？

模型復(fù)雜度：SVM支持核函數(shù)，可處理線性非線性問(wèn)題;LR模型簡(jiǎn)單，訓(xùn)練速度快，適合處理線性問(wèn)題;決策樹(shù)容易過(guò)擬合，需要進(jìn)行剪枝

損失函數(shù)：SVM hinge loss;LR L2正則化;adaboost 指數(shù)損失

數(shù)據(jù)敏感度：SVM添加容忍度對(duì)outlier不敏感，只關(guān)心支持向量，且需要先做歸一化;LR對(duì)遠(yuǎn)點(diǎn)敏感

數(shù)據(jù)量：數(shù)據(jù)量大就用LR，數(shù)據(jù)量小且特征少就用SVM非線性核

21、GBDT 和隨機(jī)森林的區(qū)別？

隨機(jī)森林采用的是bagging的思想，bagging又稱(chēng)為bootstrap aggreagation，通過(guò)在訓(xùn)練樣本集中進(jìn)行有放回的采樣得到多個(gè)采樣集，基于每個(gè)采樣集訓(xùn)練出一個(gè)基學(xué)習(xí)器，再將基學(xué)習(xí)器結(jié)合。隨機(jī)森林在對(duì)決策樹(shù)進(jìn)行bagging的基礎(chǔ)上，在決策樹(shù)的訓(xùn)練過(guò)程中引入了隨機(jī)屬性選擇。傳統(tǒng)決策樹(shù)在選擇劃分屬性的時(shí)候是在當(dāng)前節(jié)點(diǎn)屬性集合中選擇最優(yōu)屬性，而隨機(jī)森林則是對(duì)結(jié)點(diǎn)先隨機(jī)選擇包含k個(gè)屬性的子集，再選擇最有屬性，k作為一個(gè)參數(shù)控制了隨機(jī)性的引入程度。

另外，GBDT訓(xùn)練是基于Boosting思想，每一迭代中根據(jù)錯(cuò)誤更新樣本權(quán)重，因此是串行生成的序列化方法，而隨機(jī)森林是bagging的思想，因此是并行化方法。

22、xgboost怎么給特征評(píng)分？

在訓(xùn)練的過(guò)程中，通過(guò)Gini指數(shù)選擇分離點(diǎn)的特征，一個(gè)特征被選中的次數(shù)越多，那么該特征評(píng)分越高。

[python] view plain copy print? 1.# feature importance

2.print(model.feature_importances_)

3.# plot

4.pyplot.bar(range(len(model.feature_importances_)), model.feature_importances_)

5.pyplot.show()

6.==========

7.# plot feature importance

8.plot_importance(model)

9.pyplot.show()

# feature importance print(model.feature_importances_)# plot pyplot.bar(range(len(model.feature_importances_)), model.feature_importances_)pyplot.show()========== # plot feature importance plot_importance(model)pyplot.show()

23、什么是OOB？隨機(jī)森林中OOB是如何計(jì)算的，它有什么優(yōu)缺點(diǎn)？

bagging方法中Bootstrap每次約有1/3的樣本不會(huì)出現(xiàn)在Bootstrap所采集的樣本集合中，當(dāng)然也就沒(méi)有參加決策樹(shù)的建立，把這1/3的數(shù)據(jù)稱(chēng)為袋外數(shù)據(jù)oob（out of bag）,它可以用于取代測(cè)試集誤差估計(jì)方法。

袋外數(shù)據(jù)(oob)誤差的計(jì)算方法如下：

對(duì)于已經(jīng)生成的隨機(jī)森林,用袋外數(shù)據(jù)測(cè)試其性能,假設(shè)袋外數(shù)據(jù)總數(shù)為O,用這O個(gè)袋外數(shù)據(jù)作為輸入,帶進(jìn)之前已經(jīng)生成的隨機(jī)森林分類(lèi)器,分類(lèi)器會(huì)給出O個(gè)數(shù)據(jù)相應(yīng)的分類(lèi),因?yàn)檫@O條數(shù)據(jù)的類(lèi)型是已知的,則用正確的分類(lèi)與隨機(jī)森林分類(lèi)器的結(jié)果進(jìn)行比較,統(tǒng)計(jì)隨機(jī)森林分類(lèi)器分類(lèi)錯(cuò)誤的數(shù)目,設(shè)為X,則袋外數(shù)據(jù)誤差大小=X/O;這已經(jīng)經(jīng)過(guò)證明是無(wú)偏估計(jì)的,所以在隨機(jī)森林算法中不需要再進(jìn)行交叉驗(yàn)證或者單獨(dú)的測(cè)試集來(lái)獲取測(cè)試集誤差的無(wú)偏估計(jì)。

24、解釋置信區(qū)間

置信區(qū)間不能用貝葉斯學(xué)派的概率來(lái)描述，它屬于頻率學(xué)派的范疇。真值要么在，要么不在。由于在頻率學(xué)派當(dāng)中，真值是一個(gè)常數(shù)，而非隨機(jī)變量（后者是貝葉斯學(xué)派），所以我們不對(duì)真值做概率描述。比如，95%置信區(qū)間，并不是真值在這個(gè)區(qū)間內(nèi)的概率是95%，而應(yīng)該為100次隨機(jī)抽樣中構(gòu)造的100個(gè)區(qū)間如果95次包含了參數(shù)真值，那么置信度為95%。

25、監(jiān)督學(xué)習(xí)一般使用兩種類(lèi)型的目標(biāo)變量：標(biāo)稱(chēng)型和數(shù)值型

標(biāo)稱(chēng)型：標(biāo)稱(chēng)型目標(biāo)變量的結(jié)果只在有限目標(biāo)集中取值，如真與假(標(biāo)稱(chēng)型目標(biāo)變量主要用于分類(lèi))數(shù)值型：數(shù)值型目標(biāo)變量則可以從無(wú)限的數(shù)值集合中取值，如0.100，42.001等(數(shù)值型目標(biāo)變量主要用于回歸分析)

26、為什么說(shuō)樸素貝葉斯是高偏差低方差？

它簡(jiǎn)單的假設(shè)了各個(gè)特征之間是無(wú)關(guān)的，是一個(gè)被嚴(yán)重簡(jiǎn)化了的模型。所以，對(duì)于這樣一個(gè)簡(jiǎn)單模型，大部分場(chǎng)合都會(huì)bias部分大于variance部分，也就是高偏差，低方差

1.什么是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是為了應(yīng)對(duì)系統(tǒng)程序設(shè)計(jì)，屬于計(jì)算機(jī)科學(xué)類(lèi)的學(xué)科，它能根據(jù)經(jīng)驗(yàn)進(jìn)行自動(dòng)學(xué)習(xí)和提高。例如：一個(gè)由程序操縱的機(jī)器人，它能根據(jù)從傳感器搜集到的數(shù)據(jù)，完成一系列的任務(wù)和工作。它能根據(jù)數(shù)據(jù)自動(dòng)地學(xué)習(xí)應(yīng)用程序。

2.機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的區(qū)別

機(jī)器語(yǔ)言是指在沒(méi)有明確的程序指令的情況下，給予計(jì)算機(jī)學(xué)習(xí)能力，使它能自主的學(xué)習(xí)、設(shè)計(jì)和擴(kuò)展相關(guān)算法。數(shù)據(jù)挖掘則是一種從非結(jié)構(gòu)化數(shù)據(jù)里面提取知識(shí)或者未知的、人們感興趣的圖片。在這個(gè)過(guò)程中應(yīng)用了機(jī)器學(xué)習(xí)算法。

3.什么是機(jī)器學(xué)習(xí)的過(guò)度擬合現(xiàn)象

在機(jī)器學(xué)習(xí)中，當(dāng)一個(gè)統(tǒng)計(jì)模型首先描述隨機(jī)誤差或噪聲，而不是自身的基本關(guān)系時(shí)，過(guò)度擬合就會(huì)出現(xiàn)。當(dāng)一個(gè)模型是過(guò)于復(fù)雜，過(guò)擬合通常容易被發(fā)現(xiàn)，因?yàn)橄鄬?duì)于訓(xùn)練數(shù)據(jù)類(lèi)型的數(shù)量，參數(shù)的數(shù)量過(guò)于五花八門(mén)。那么這個(gè)模型由于過(guò)度擬合而效果不佳。

4.過(guò)度擬合產(chǎn)生的原因

由于用于訓(xùn)練模型的標(biāo)準(zhǔn)并不等同于判斷模型效率的標(biāo)準(zhǔn)，這導(dǎo)致了產(chǎn)生過(guò)度擬合的可能性。

5.如何避免過(guò)度擬合

當(dāng)你使用較小的數(shù)據(jù)集進(jìn)行機(jī)器學(xué)習(xí)時(shí)，容易產(chǎn)生過(guò)度擬合，因此使用較大的數(shù)據(jù)量能避免過(guò)度擬合現(xiàn)象。但是，當(dāng)你不得不使用小型數(shù)據(jù)集進(jìn)行建模時(shí)，可以使用被稱(chēng)為交叉驗(yàn)證的技術(shù)。在這種方法中數(shù)據(jù)集被分成兩節(jié)，測(cè)試和訓(xùn)練數(shù)據(jù)集，測(cè)試數(shù)據(jù)集只測(cè)試模型，而在訓(xùn)練數(shù)據(jù)集中，數(shù)據(jù)點(diǎn)被用來(lái)建模。

在該技術(shù)中，一個(gè)模型通常是被給定有先驗(yàn)知識(shí)的數(shù)據(jù)集（訓(xùn)練數(shù)據(jù)集）進(jìn)行訓(xùn)練，沒(méi)有先驗(yàn)知識(shí)的數(shù)據(jù)集進(jìn)行測(cè)試。交叉驗(yàn)證的思想是：在訓(xùn)練階段，定義一個(gè)數(shù)據(jù)集用來(lái)測(cè)試模型。

6.什么是感應(yīng)式的機(jī)器學(xué)習(xí)？

感應(yīng)機(jī)器學(xué)習(xí)涉及由實(shí)踐進(jìn)行學(xué)習(xí)的過(guò)程，能從一組可觀測(cè)到的例子的嘗試推導(dǎo)出普遍性規(guī)則。

7.什么是機(jī)器學(xué)習(xí)的五個(gè)流行的算法？

1.決策樹(shù)2.神經(jīng)網(wǎng)絡(luò)（反向傳播）3.概率網(wǎng)絡(luò)4.最鄰近法5.支持向量機(jī)

8.機(jī)器學(xué)習(xí)有哪些不同的算法技術(shù)？ 在機(jī)器學(xué)習(xí)不同類(lèi)型的算法技術(shù)是：

1.監(jiān)督學(xué)習(xí)2.非監(jiān)督學(xué)習(xí)3.半監(jiān)督學(xué)習(xí)4.轉(zhuǎn)導(dǎo)推理（Transduction）5.學(xué)習(xí)推理（Learning to Learn）。

9.在機(jī)器學(xué)習(xí)中，建立假設(shè)或者模型的三個(gè)階段指的是什么？ 1.建模2.模型測(cè)試3.模型應(yīng)用。

10.什么是監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)方法？

監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)方法是將一組示例數(shù)據(jù)的分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。

11.什么是訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集？

在類(lèi)似于機(jī)器學(xué)習(xí)的各個(gè)信息科學(xué)相關(guān)領(lǐng)域中，一組數(shù)據(jù)被用來(lái)發(fā)現(xiàn)潛在的預(yù)測(cè)關(guān)系，稱(chēng)為“訓(xùn)練數(shù)據(jù)集”。訓(xùn)練數(shù)據(jù)集是提供給學(xué)習(xí)者的案例，而試驗(yàn)數(shù)據(jù)集是用于測(cè)試由學(xué)習(xí)者提出的假設(shè)關(guān)系的準(zhǔn)確度。

12.下面列出機(jī)器學(xué)習(xí)的各種方法？ 機(jī)器學(xué)習(xí)的各種方法如下“

1.概念與分類(lèi)學(xué)習(xí)（Concept Vs Classification Learning）。2.符號(hào)與統(tǒng)計(jì)學(xué)習(xí)（Symbolic Vs Statistical Learning）。3.歸納與分析學(xué)習(xí)（Inductive Vs Analytical Learning）。

13.非機(jī)器學(xué)習(xí)有哪些類(lèi)型？ 人工智能、規(guī)則推理。

14.什么是非監(jiān)督學(xué)習(xí)的功能？

1.求數(shù)據(jù)的集群2.求出數(shù)據(jù)的低維表達(dá)3.查找數(shù)據(jù)有趣的方向4.有趣的坐標(biāo)和相關(guān)性5.發(fā)現(xiàn)顯著的觀測(cè)值和數(shù)據(jù)集清理

15.什么是監(jiān)督學(xué)習(xí)的功能？

1.分類(lèi)、2.語(yǔ)音識(shí)別3.回歸4.時(shí)間序列預(yù)測(cè)5.注釋字符串

16.什么是算法獨(dú)立的機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)在基礎(chǔ)數(shù)學(xué)領(lǐng)域獨(dú)立于任何特定分類(lèi)器或者學(xué)習(xí)算法，被稱(chēng)為算法獨(dú)立的機(jī)器學(xué)習(xí)。

17.人工智能與機(jī)器學(xué)習(xí)的區(qū)別？

基于經(jīng)驗(yàn)數(shù)據(jù)的特性而設(shè)計(jì)和開(kāi)發(fā)的算法被稱(chēng)為機(jī)器學(xué)習(xí)。而人工智能不但包括機(jī)器學(xué)習(xí)，還包括諸如知識(shí)表示，自然語(yǔ)言處理，規(guī)劃，機(jī)器人技術(shù)等其它方法。

18.在機(jī)器學(xué)習(xí)中分類(lèi)器指的是什么？

在機(jī)器學(xué)習(xí)中，分類(lèi)器是指輸入離散或連續(xù)特征值的向量，并輸出單個(gè)離散值或者類(lèi)型的系統(tǒng)。

19.樸素貝葉斯方法的優(yōu)勢(shì)是什么？

樸素貝葉斯分類(lèi)器將會(huì)比判別模型，譬如邏輯回歸收斂得更快，因此你只需要更少的訓(xùn)練數(shù)據(jù)。其主要缺點(diǎn)是它學(xué)習(xí)不了特征間的交互關(guān)系。

20.在哪些領(lǐng)域使用模式識(shí)別技術(shù)？ 模式識(shí)別被應(yīng)用在：

1.計(jì)算機(jī)視覺(jué)2.語(yǔ)言識(shí)別3.統(tǒng)計(jì)4.數(shù)據(jù)挖掘5.非正式檢索6.生物信息學(xué)。

21.什么是遺傳編程？

遺傳編程的機(jī)器學(xué)習(xí)中兩種常用的方法之一。該模型是基于測(cè)試，并在一系列的結(jié)果當(dāng)中，獲取最佳選擇。

22.在機(jī)器學(xué)習(xí)中歸納邏輯程序設(shè)計(jì)是指什么？

歸納邏輯程序設(shè)計(jì)（ILP）是利用邏輯程序設(shè)計(jì)表達(dá)的背景知識(shí)和實(shí)例，它是機(jī)器學(xué)習(xí)的一個(gè)分支。

23.在機(jī)器學(xué)習(xí)中，模型的選擇是指？

在不同的數(shù)學(xué)模型中，選擇用于描述相同的數(shù)據(jù)集的模型的過(guò)程被稱(chēng)為模型選擇。模型選擇吧被應(yīng)用于統(tǒng)計(jì)，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的等相關(guān)領(lǐng)域。

24.用于監(jiān)督學(xué)習(xí)校準(zhǔn)兩種方法是什么？

在監(jiān)督學(xué)習(xí)中，用于預(yù)測(cè)良好概率的兩種方法是： 1.普拉特校準(zhǔn)，2.保序回歸。

這些方法被設(shè)計(jì)為二元分類(lèi)，而且有意義的。

25.什么方法通常用于防止過(guò)擬合？

當(dāng)有足夠的數(shù)據(jù)進(jìn)行等滲回歸時(shí)，這通常被用來(lái)防止過(guò)擬合問(wèn)題。

26.規(guī)則學(xué)習(xí)的啟發(fā)式方法和決策樹(shù)的啟發(fā)式方法之間的區(qū)別是什么？

決策樹(shù)的啟發(fā)式方法評(píng)價(jià)的是一系列不相交的集合的平均質(zhì)量；然而規(guī)則學(xué)習(xí)的啟發(fā)式方法僅僅評(píng)價(jià)在候選規(guī)則覆蓋下的實(shí)例集。

27.什么是感知機(jī)器學(xué)習(xí)？

在機(jī)器學(xué)習(xí)，感知器是一種輸入到幾個(gè)可能的非二進(jìn)制輸出的監(jiān)督分類(lèi)算法。

28.貝葉斯邏輯程序的兩個(gè)組成部分是什么？

貝葉斯邏輯程序由兩部分組成。第一成分由一組貝葉斯條款組成，能捕捉特定域的定性結(jié)構(gòu)。第二組分是定量的，它能對(duì)域的量化信息進(jìn)行編碼。

29.什么是貝葉斯網(wǎng)絡(luò)？

貝葉斯網(wǎng)絡(luò)是用來(lái)表示一組變量之間為概率關(guān)系的圖像模型。

30.為什么基于實(shí)例的學(xué)習(xí)算法有時(shí)也被稱(chēng)為懶惰學(xué)習(xí)算法？

基于實(shí)例的學(xué)習(xí)算法也被稱(chēng)為懶惰學(xué)習(xí)算法，因?yàn)樗鼈冄泳徴T導(dǎo)或泛化過(guò)程，直到分類(lèi)完成。

31.支持向量機(jī)能處理哪兩種分類(lèi)方法？ 1.結(jié)合二分類(lèi)法2.修改二進(jìn)制納入多類(lèi)學(xué)習(xí)法。

32.什么是集成學(xué)習(xí)？

為了解決特定的計(jì)算程序，如分類(lèi)器或?qū)＜抑R(shí)等多種模式，進(jìn)行戰(zhàn)略性生產(chǎn)和組合。這個(gè)過(guò)程被稱(chēng)為集成學(xué)習(xí)。

33.為什么集成學(xué)習(xí)被應(yīng)用？

集成學(xué)習(xí)能提高模型的分類(lèi)，預(yù)測(cè)，函數(shù)逼近等方面的精度。

34.什么使用集成學(xué)習(xí)？

當(dāng)你構(gòu)建一個(gè)更準(zhǔn)確，相互獨(dú)立的分類(lèi)器時(shí)，使用集成學(xué)習(xí)。

35.什么是集成方法的兩種范式？ 集成方法的兩種范式是：

1.連續(xù)集成方法2.并行集成方法。

36.什么是集成方法的一般原則，在集成方法中套袋（bagging）和爆發(fā)（boosting）指的是什么？

集成方法的一般原則是要結(jié)合定的學(xué)習(xí)算法多種預(yù)測(cè)模型，相對(duì)于單一模型，其有更強(qiáng)的健壯性。套袋是一種能提高易變的預(yù)測(cè)或分類(lèi)方案集成方法。爆發(fā)方法被依次用來(lái)減少組合模型的偏差。爆發(fā)和裝袋都可以通過(guò)降低方差減少誤差。

37.什么是集成方法分類(lèi)錯(cuò)誤的偏置方差分解？

學(xué)習(xí)算法的期望誤差可以分解為偏差和方差。偏置項(xiàng)衡量由學(xué)習(xí)方法產(chǎn)生的平均分類(lèi)器與目標(biāo)函數(shù)是否匹配。

38.在集成方法中什么是增量合成方法？

增量學(xué)習(xí)方法是一種從新數(shù)據(jù)進(jìn)行學(xué)習(xí)，并能應(yīng)用于后續(xù)由現(xiàn)有的數(shù)據(jù)集生成的分類(lèi)器的算法。

39.PCA，KPCA和ICE如何使用？

PCA（主成分分析），KPCA（基于內(nèi)核主成分分析）和ICA（獨(dú)立成分分析）是用于降維的重要特征提取技術(shù)。

40.在機(jī)器學(xué)習(xí)中降維是什么意思？

在機(jī)器學(xué)習(xí)和統(tǒng)計(jì)應(yīng)用中，降維是指在計(jì)算時(shí)減少隨機(jī)變量數(shù)目的處理過(guò)程，并且可以分為特征選擇和特征提取。

41.什么是支持向量機(jī)？

支持向量機(jī)是一種監(jiān)督學(xué)習(xí)算法，適用于分類(lèi)和回歸分析。

42.關(guān)系評(píng)價(jià)技術(shù)的組成部分是什么？ 關(guān)系評(píng)價(jià)技術(shù)的重要組成部分如下：

1.數(shù)據(jù)采集2.地面實(shí)況采集3.交叉驗(yàn)證技術(shù)4.查詢類(lèi)型5.評(píng)分標(biāo)準(zhǔn)6.顯著性檢驗(yàn)。

43.連續(xù)監(jiān)督學(xué)習(xí)有什么不同方法？ 連續(xù)監(jiān)督學(xué)習(xí)問(wèn)題的不同解決辦法如下：

1.滑動(dòng)窗口方法2.復(fù)發(fā)性推拉窗3.隱藏馬爾科夫模型4.最大熵馬爾科夫模型5.條件隨機(jī)域6.圖變換網(wǎng)絡(luò)。

44.在機(jī)器人技術(shù)和信息處理技術(shù)的哪些方面會(huì)相繼出現(xiàn)預(yù)測(cè)問(wèn)題？ 在機(jī)器人技術(shù)和信息處理技術(shù)中，相繼出現(xiàn)預(yù)測(cè)問(wèn)題的是： 1.模仿學(xué)習(xí)2.結(jié)構(gòu)預(yù)測(cè)3.基于模型的強(qiáng)化學(xué)習(xí)。

45.什么是批量統(tǒng)計(jì)學(xué)習(xí)？

統(tǒng)計(jì)學(xué)習(xí)技術(shù)允許根據(jù)一組觀察到的數(shù)據(jù)進(jìn)行學(xué)習(xí)功能和預(yù)測(cè)，這可以對(duì)無(wú)法觀察和未知的數(shù)據(jù)進(jìn)行預(yù)測(cè)。這些技術(shù)提供的學(xué)習(xí)預(yù)測(cè)器對(duì)未來(lái)未知數(shù)據(jù)的預(yù)測(cè)提供性能保證。

46什么是PAC學(xué)習(xí)？

可能近似正確模型(PAC)學(xué)習(xí)是一個(gè)已經(jīng)被引入到分析學(xué)習(xí)算法和統(tǒng)計(jì)效率的學(xué)習(xí)框架。

47有哪些不同的類(lèi)別可以分為序列學(xué)習(xí)過(guò)程？ 序列預(yù)測(cè)2.序列生成3.序列識(shí)別4.順序決定.48什么是序列學(xué)習(xí)？

序列學(xué)習(xí)是一種以合乎邏輯的方式進(jìn)行教學(xué)和學(xué)習(xí)的方法。

49.機(jī)器學(xué)習(xí)的兩種技術(shù)是什么？ 機(jī)器學(xué)習(xí)的兩種技術(shù)是： 1.遺傳編程2.歸納學(xué)習(xí)

50.你在日常工作中看到的機(jī)器學(xué)習(xí)的一個(gè)流行應(yīng)用是什么？ 各大電商網(wǎng)站上已部署好的推薦引擎使用的是機(jī)器學(xué)習(xí)。

問(wèn)1：你會(huì)在時(shí)間序列數(shù)據(jù)集上使用什么交叉驗(yàn)證技術(shù)？是用k倍或LOOCV？

答：都不是。對(duì)于時(shí)間序列問(wèn)題，k倍可能會(huì)很麻煩，因?yàn)榈?年或第5年的一些模式有可能跟第3年的不同，而對(duì)數(shù)據(jù)集的重復(fù)采樣會(huì)將分離這些趨勢(shì)，而我們最終可能只是需要對(duì)過(guò)去幾年的進(jìn)行驗(yàn)證，這就不能用這種方法了。相反，我們可以采用如下所示的5倍正向鏈接策略：

fold 1 : training [1], test [2]

fold 2 : training [1 2], test [3]

fold 3 : training [1 2 3], test [4]

fold 4 : training [1 2 3 4], test [5]

fold 5 : training [1 2 3 4 5], test [6]

1，2，3，4，5，6代表的是年份。

問(wèn)2：你是怎么理解偏差方差的平衡的？

答：從數(shù)學(xué)的角度來(lái)看，任何模型出現(xiàn)的誤差可以分為三個(gè)部分。以下是這三個(gè)部分：

偏差誤差在量化平均水平之上，預(yù)測(cè)值跟實(shí)際值相差多遠(yuǎn)時(shí)有用。高偏差誤差意味著我們的模型表現(xiàn)不太好，因?yàn)闆](méi)有抓到重要的趨勢(shì)。而另一方面，方差量化了在同一個(gè)觀察上進(jìn)行的預(yù)測(cè)是如何彼此不同的。高方差模型會(huì)過(guò)度擬合你的訓(xùn)練集，而在訓(xùn)練集以外的數(shù)據(jù)上表現(xiàn)很差。

問(wèn)3：給你一個(gè)有1000列和1百萬(wàn)行的訓(xùn)練數(shù)據(jù)集，這個(gè)數(shù)據(jù)集是基于分類(lèi)問(wèn)題的。經(jīng)理要求你來(lái)降低該數(shù)據(jù)集的維度以減少模型計(jì)算時(shí)間，但你的機(jī)器內(nèi)存有限。你會(huì)怎么做？（你可以自由做各種實(shí)際操作假設(shè)。）

答：你的面試官應(yīng)該非常了解很難在有限的內(nèi)存上處理高維的數(shù)據(jù)。以下是你可以使用的處理方法：

1.由于我們的RAM很小，首先要關(guān)閉機(jī)器上正在運(yùn)行的其他程序，包括網(wǎng)頁(yè)瀏覽器等，以確保大部分內(nèi)存可以使用。

2.我們可以隨機(jī)采樣數(shù)據(jù)集。這意味著，我們可以創(chuàng)建一個(gè)較小的數(shù)據(jù)集，比如有1000個(gè)變量和30萬(wàn)行，然后做計(jì)算。

3.為了降低維度，我們可以把數(shù)值變量和分類(lèi)變量分開(kāi)，同時(shí)刪掉相關(guān)聯(lián)的變量。對(duì)于數(shù)值變量，我們將使用相關(guān)性分析；對(duì)于分類(lèi)變量，我們可以用卡方檢驗(yàn)。

4.另外，我們還可以使用PCA（主成分分析），并挑選可以解釋在數(shù)據(jù)集中有最大偏差的成分。

5.利用在線學(xué)習(xí)算法，如VowpalWabbit（在Python中可用）是一個(gè)不錯(cuò)的選擇。

6.利用Stochastic GradientDescent（隨機(jī)梯度下降法）建立線性模型也很有幫助。

7.我們也可以用我們對(duì)業(yè)務(wù)的理解來(lái)估計(jì)各預(yù)測(cè)變量對(duì)響應(yīng)變量的影響的大小。但是，這是一個(gè)主觀的方法，如果沒(méi)有找出有用的預(yù)測(cè)變量可能會(huì)導(dǎo)致信息的顯著丟失。

問(wèn)4：全球平均溫度的上升導(dǎo)致世界各地的海盜數(shù)量減少。這是否意味著海盜的數(shù)量減少引起氣候變化？

答：不能夠這樣說(shuō)。這是一個(gè)“因果關(guān)系和相關(guān)性”的經(jīng)典案例。全球平均溫度和海盜數(shù)量之間有可能有相關(guān)性，但基于這些信息，我們不能說(shuō)因?yàn)槿蚱骄鶜鉁氐纳仙鴮?dǎo)致了海盜的消失。我們不能斷定海盜的數(shù)量減少是引起氣候變化的原因，因?yàn)榭赡苡衅渌蛩兀摲蚧祀s因素）影響了這一現(xiàn)象。

問(wèn)5：給你一個(gè)數(shù)據(jù)集，這個(gè)數(shù)據(jù)集有缺失值，且這些缺失值分布在離中值有1個(gè)標(biāo)準(zhǔn)偏差的范圍內(nèi)。百分之多少的數(shù)據(jù)不會(huì)受到影響？為什么？

答：約有32%的數(shù)據(jù)將不受缺失值的影響。因?yàn)?，由于?shù)據(jù)分布在中位數(shù)附近，讓我們先假設(shè)這是一個(gè)正態(tài)分布。我們知道，在一個(gè)正態(tài)分布中，約有68%的數(shù)據(jù)位于跟平均數(shù)（或眾數(shù)、中位數(shù)）1個(gè)標(biāo)準(zhǔn)差范圍內(nèi)，那么剩下的約32%的數(shù)據(jù)是不受影響的。因此，約有32%的數(shù)據(jù)將不受缺失值的影響。

問(wèn)6：你意識(shí)到你的模型受到低偏差和高方差問(wèn)題的困擾。那么，應(yīng)該使用哪種算法來(lái)解決問(wèn)題呢？為什么？

答：可以使用bagging算法（如隨機(jī)森林）。因?yàn)?，低偏差意味著模型的預(yù)測(cè)值接近實(shí)際值，換句話說(shuō)，該模型有足夠的靈活性，以模仿訓(xùn)練數(shù)據(jù)的分布。這樣貌似很好，但是別忘了，一個(gè)靈活的模型沒(méi)有泛化能力，意味著當(dāng)這個(gè)模型用在對(duì)一個(gè)未曾見(jiàn)過(guò)的數(shù)據(jù)集進(jìn)行測(cè)試的時(shí)候，它會(huì)令人很失望。在這種情況下，我們可以使用bagging算法（如隨機(jī)森林），以解決高方差問(wèn)題。bagging算法把數(shù)據(jù)集分成重復(fù)隨機(jī)取樣形成的子集。然后，這些樣本利用單個(gè)學(xué)習(xí)算法生成一組模型。接著，利用投票（分類(lèi)）或平均（回歸）把模型預(yù)測(cè)結(jié)合在一起。另外，為了應(yīng)對(duì)大方差，我們可以：

1.使用正則化技術(shù)，懲罰更高的模型系數(shù)，從而降低了模型的復(fù)雜性。

2.使用可變重要性圖表中的前n個(gè)特征?？梢杂糜诋?dāng)一個(gè)算法在數(shù)據(jù)集中的所有變量里很難尋找到有意義信號(hào)的時(shí)候。

問(wèn)7：協(xié)方差和相關(guān)性有什么區(qū)別？

答：相關(guān)性是協(xié)方差的標(biāo)準(zhǔn)化格式。協(xié)方差本身很難做比較。例如：如果我們計(jì)算工資（$）和年齡（歲）的協(xié)方差，因?yàn)檫@兩個(gè)變量有不同的度量，所以我們會(huì)得到不能做比較的不同的協(xié)方差。為了解決這個(gè)問(wèn)題，我們計(jì)算相關(guān)性來(lái)得到一個(gè)介于-1和1之間的值，就可以忽略它們各自不同的度量。

問(wèn)8：真陽(yáng)性率和召回有什么關(guān)系？寫(xiě)出方程式。

答：真陽(yáng)性率=召回。它們有相同的公式（TP / TP + FN）。

問(wèn)9：Gradient boosting算法（GBM）和隨機(jī)森林都是基于樹(shù)的算法，它們有什么區(qū)別？

答：最根本的區(qū)別是，隨機(jī)森林算法使用bagging技術(shù)做出預(yù)測(cè)；而GBM是采用boosting技術(shù)做預(yù)測(cè)的。在bagging技術(shù)中，數(shù)據(jù)集用隨機(jī)采樣的方法被劃分成n個(gè)樣本。然后，使用單一的學(xué)習(xí)算法，在所有樣本上建模。接著利用投票或者求平均來(lái)組合所得到的預(yù)測(cè)。bagging是平行進(jìn)行的，而boosting是在第一輪的預(yù)測(cè)之后，算法將分類(lèi)出錯(cuò)的預(yù)測(cè)加高權(quán)重，使得它們可以在后續(xù)一輪中得到校正。這種給予分類(lèi)出錯(cuò)的預(yù)測(cè)高權(quán)重的順序過(guò)程持續(xù)進(jìn)行，一直到達(dá)到停止標(biāo)準(zhǔn)為止。隨機(jī)森林通過(guò)減少方差（主要方式）提高模型的精度。生成樹(shù)之間是不相關(guān)的，以把方差的減少最大化。在另一方面，GBM提高了精度，同時(shí)減少了模型的偏差和方差。

問(wèn)10：你認(rèn)為把分類(lèi)變量當(dāng)成連續(xù)型變量會(huì)更得到一個(gè)更好的預(yù)測(cè)模型嗎？

答：為了得到更好的預(yù)測(cè)，只有在分類(lèi)變量在本質(zhì)上是有序的情況下才可以被當(dāng)做連續(xù)型變量來(lái)處理。

問(wèn)11：“買(mǎi)了這個(gè)的客戶，也買(mǎi)了......”亞馬遜的建議是哪種算法的結(jié)果？

答：這種推薦引擎的基本想法來(lái)自于協(xié)同過(guò)濾。協(xié)同過(guò)濾算法考慮用于推薦項(xiàng)目的“用戶行為”。它們利用的是其他用戶的購(gòu)買(mǎi)行為和針對(duì)商品的交易歷史記錄、評(píng)分、選擇和購(gòu)買(mǎi)信息。針對(duì)商品的其他用戶的行為和偏好用來(lái)推薦項(xiàng)目（商品）給新用戶。在這種情況下，項(xiàng)目（商品）的特征是未知的。

問(wèn)12：在k-means或kNN，我們是用歐氏距離來(lái)計(jì)算最近的鄰居之間的距離。為什么不用曼哈頓距離？

答：我們不用曼哈頓距離，因?yàn)樗挥?jì)算水平或垂直距離，有維度的限制。另一方面，歐氏距離可用于任何空間的距離計(jì)算問(wèn)題。因?yàn)?，?shù)據(jù)點(diǎn)可以存在于任何空間，歐氏距離是更可行的選擇。例如：想象一下國(guó)際象棋棋盤(pán)，象或車(chē)所做的移動(dòng)是由曼哈頓距離計(jì)算的，因?yàn)樗鼈兪窃诟髯缘乃胶痛怪狈较蜃龅倪\(yùn)動(dòng)。

問(wèn)13：我知道校正R2或者F值是用來(lái)評(píng)估線性回歸模型的。那用什么來(lái)評(píng)估邏輯回歸模型？

答：我們可以使用下面的方法：

1.由于邏輯回歸是用來(lái)預(yù)測(cè)概率的，我們可以用AUC-ROC曲線以及混淆矩陣來(lái)確定其性能。

2.此外，在邏輯回歸中類(lèi)似于校正R2的指標(biāo)是AIC。AIC是對(duì)模型系數(shù)數(shù)量懲罰模型的擬合度量。因此，我們更偏愛(ài)有最小AIC的模型。

3.空偏差指的是只有截距項(xiàng)的模型預(yù)測(cè)的響應(yīng)。數(shù)值越低，模型越好。殘余偏差表示由添加自變量的模型預(yù)測(cè)的響應(yīng)。數(shù)值越低，模型越好。

問(wèn)14：為什么樸素貝葉斯如此“樸素”？

答：因?yàn)樗俣ㄋ械奶卣髟跀?shù)據(jù)集中的作用是同樣重要和獨(dú)立的。正如我們所知，這個(gè)假設(shè)在現(xiàn)實(shí)世界中是很不真實(shí)的，因此，說(shuō)樸素貝葉斯真的很“樸素”。

問(wèn)15：花了幾個(gè)小時(shí)后，現(xiàn)在你急于建一個(gè)高精度的模型。結(jié)果，你建了5 個(gè)GBM（Gradient Boosted Models），想著boosting算法會(huì)展現(xiàn)“魔力”。不幸的是，沒(méi)有一個(gè)模型比基準(zhǔn)模型表現(xiàn)得更好。最后，你決定將這些模型結(jié)合到一起。盡管眾所周知，結(jié)合模型通常精度高，但你就很不幸運(yùn)。你到底錯(cuò)在哪里？

答：據(jù)我們所知，組合的學(xué)習(xí)模型是基于合并弱的學(xué)習(xí)模型來(lái)創(chuàng)造一個(gè)強(qiáng)大的學(xué)習(xí)模型的想法。但是，只有當(dāng)各模型之間沒(méi)有相關(guān)性的時(shí)候組合起來(lái)后才比較強(qiáng)大。由于我們已經(jīng)試了5個(gè)GBM也沒(méi)有提高精度，表明這些模型是相關(guān)的。具有相關(guān)性的模型的問(wèn)題是，所有的模型提供相同的信息。例如：如果模型1把User1122歸類(lèi)為1，模型2和模型3很有可能會(huì)做同樣的分類(lèi)，即使它的實(shí)際值應(yīng)該是0，因此，只有弱相關(guān)的模型結(jié)合起來(lái)才會(huì)表現(xiàn)更好。

第二篇：面試備用：18大機(jī)器學(xué)習(xí)經(jīng)典算法總結(jié)

學(xué)習(xí)18大經(jīng)典數(shù)據(jù)挖掘算法

大概花了將近2個(gè)月的時(shí)間，自己把18大數(shù)據(jù)挖掘的經(jīng)典算法進(jìn)行了學(xué)習(xí)并且進(jìn)行了代碼實(shí)現(xiàn)，涉及到了決策分類(lèi)，聚類(lèi)，鏈接挖掘，關(guān)聯(lián)挖掘，模式挖掘等等方面。也算是對(duì)數(shù)據(jù)挖掘領(lǐng)域的小小入門(mén)了吧。下面就做個(gè)小小的總結(jié)，后面都是我自己相應(yīng)算法的博文鏈接，希望能夠幫助大家學(xué)習(xí)。

1.C4.5算法。C4.5算法與ID3算法一樣，都是數(shù)學(xué)分類(lèi)算法，C4.5算法是ID3算法的一個(gè)改進(jìn)。ID3算法采用信息增益進(jìn)行決策判斷，而C4.5采用的是增益率。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42395865

2.CART算法。CART算法的全稱(chēng)是分類(lèi)回歸樹(shù)算法，他是一個(gè)二元分類(lèi)，采用的是類(lèi)似于熵的基尼指數(shù)作為分類(lèi)決策，形成決策樹(shù)后之后還要進(jìn)行剪枝，我自己在實(shí)現(xiàn)整個(gè)算法的時(shí)候采用的是代價(jià)復(fù)雜度算法，詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42558235

3.KNN(K最近鄰)算法。給定一些已經(jīng)訓(xùn)練好的數(shù)據(jù)，輸入一個(gè)新的測(cè)試數(shù)據(jù)點(diǎn)，計(jì)算包含于此測(cè)試數(shù)據(jù)點(diǎn)的最近的點(diǎn)的分類(lèi)情況，哪個(gè)分類(lèi)的類(lèi)型占多數(shù)，則此測(cè)試點(diǎn)的分類(lèi)與此相同，所以在這里,有的時(shí)候可以復(fù)制不同的分類(lèi)點(diǎn)不同的權(quán)重。近的點(diǎn)的權(quán)重大點(diǎn)，遠(yuǎn)的點(diǎn)自然就小點(diǎn)。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42613011

4.Naive Bayes(樸素貝葉斯)算法。樸素貝葉斯算法是貝葉斯算法里面一種比較簡(jiǎn)單的分類(lèi)算法，用到了一個(gè)比較重要的貝葉斯定理，用一句簡(jiǎn)單的話概括就是條件概率的相互轉(zhuǎn)換推導(dǎo)。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42680161

5.SVM(支持向量機(jī))算法。支持向量機(jī)算法是一種對(duì)線性和非線性數(shù)據(jù)進(jìn)行分類(lèi)的方法，非線性數(shù)據(jù)進(jìn)行分類(lèi)的時(shí)候可以通過(guò)核函數(shù)轉(zhuǎn)為線性的情況再處理。其中的一個(gè)關(guān)鍵的步驟是搜索最大邊緣超平面。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42780439

6.EM(期望最大化)算法。期望最大化算法，可以拆分為2個(gè)算法，1個(gè)E-Step期望化步驟,和1個(gè)M-Step最大化步驟。他是一種算法框架，在每次計(jì)算結(jié)果之后，逼近統(tǒng)計(jì)模型參數(shù)的最大似然或最大后驗(yàn)估計(jì)。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/42921789

7.Apriori算法。Apriori算法是關(guān)聯(lián)規(guī)則挖掘算法，通過(guò)連接和剪枝運(yùn)算挖掘出頻繁項(xiàng)集，然后根據(jù)頻繁項(xiàng)集得到關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則的導(dǎo)出需要滿足最小置信度的要求。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43059211

8.FP-Tree(頻繁模式樹(shù))算法。這個(gè)算法也有被稱(chēng)為FP-growth算法，這個(gè)算法克服了Apriori算法的產(chǎn)生過(guò)多侯選集的缺點(diǎn)，通過(guò)遞歸的產(chǎn)生頻度模式樹(shù)，然后對(duì)樹(shù)進(jìn)行挖掘，后面的過(guò)程與Apriori算法一致。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43234309

9.PageRank(網(wǎng)頁(yè)重要性/排名)算法。PageRank算法最早產(chǎn)生于Google,核心思想是通過(guò)網(wǎng)頁(yè)的入鏈數(shù)作為一個(gè)網(wǎng)頁(yè)好快的判定標(biāo)準(zhǔn)，如果1個(gè)網(wǎng)頁(yè)內(nèi)部包含了多個(gè)指向外部的鏈接，則PR值將會(huì)被均分，PageRank算法也會(huì)遭到Link Span攻擊。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43311943

10.HITS算法。HITS算法是另外一個(gè)鏈接算法，部分原理與PageRank算法是比較相似的，HITS算法引入了權(quán)威值和中心值的概念，HITS算法是受用戶查詢條件影響的，他一般用于小規(guī)模的數(shù)據(jù)鏈接分析，也更容易遭受到攻擊。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43311943

11.K-Means(K均值)算法。K-Means算法是聚類(lèi)算法，k在在這里指的是分類(lèi)的類(lèi)型數(shù)，所以在開(kāi)始設(shè)定的時(shí)候非常關(guān)鍵，算法的原理是首先假定k個(gè)分類(lèi)點(diǎn)，然后根據(jù)歐式距離計(jì)算分類(lèi)，然后去同分類(lèi)的均值作為新的聚簇中心，循環(huán)操作直到收斂。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43373159

12.BIRCH算法。BIRCH算法利用構(gòu)建CF聚類(lèi)特征樹(shù)作為算法的核心，通過(guò)樹(shù)的形式，BIRCH算法掃描數(shù)據(jù)庫(kù)，在內(nèi)存中建立一棵初始的CF-樹(shù)，可以看做數(shù)據(jù)的多層壓縮。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43532111

13.AdaBoost算法。AdaBoost算法是一種提升算法，通過(guò)對(duì)數(shù)據(jù)的多次訓(xùn)練得到多個(gè)互補(bǔ)的分類(lèi)器，然后組合多個(gè)分類(lèi)器，構(gòu)成一個(gè)更加準(zhǔn)確的分類(lèi)器。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43635115

14.GSP算法。GSP算法是序列模式挖掘算法。GSP算法也是Apriori類(lèi)算法，在算法的過(guò)程中也會(huì)進(jìn)行連接和剪枝操作，不過(guò)在剪枝判斷的時(shí)候還加上了一些時(shí)間上的約束等條件。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43699083

15.PreFixSpan算法。PreFixSpan算法是另一個(gè)序列模式挖掘算法，在算法的過(guò)程中不會(huì)產(chǎn)生候選集，給定初始前綴模式，不斷的通過(guò)后綴模式中的元素轉(zhuǎn)到前綴模式中，而不斷的遞歸挖掘下去。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43766253

16.CBA(基于關(guān)聯(lián)規(guī)則分類(lèi))算法。CBA算法是一種集成挖掘算法，因?yàn)樗墙⒃陉P(guān)聯(lián)規(guī)則挖掘算法之上的，在已有的關(guān)聯(lián)規(guī)則理論前提下，做分類(lèi)判斷，只是在算法的開(kāi)始時(shí)對(duì)數(shù)據(jù)做處理，變成類(lèi)似于事務(wù)的形式。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43818787

17.RoughSets(粗糙集)算法。粗糙集理論是一個(gè)比較新穎的數(shù)據(jù)挖掘思想。這里使用的是用粗糙集進(jìn)行屬性約簡(jiǎn)的算法，通過(guò)上下近似集的判斷刪除無(wú)效的屬性，進(jìn)行規(guī)制的輸出。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43876001

18.gSpan算法。gSpan算法屬于圖挖掘算法領(lǐng)域。，主要用于頻繁子圖的挖掘，相較于其他的圖算法，子圖挖掘算法是他們的一個(gè)前提或基礎(chǔ)算法。gSpan算法用到了DFS編碼，和Edge五元組，最右路徑子圖擴(kuò)展等概念，算法比較的抽象和復(fù)雜。

詳細(xì)介紹鏈接：http://blog.csdn.net/androidlushangderen/article/details/43924273

第三篇：機(jī)器學(xué)習(xí)報(bào)告

機(jī)器學(xué)習(xí)總結(jié)報(bào)告

劉皓冰

大部分人錯(cuò)誤地以為機(jī)器學(xué)習(xí)是計(jì)算機(jī)像人一樣去學(xué)習(xí)。事實(shí)上，計(jì)算機(jī)是死的，怎么可能像人類(lèi)一樣“學(xué)習(xí)”呢，機(jī)器學(xué)習(xí)依靠的是數(shù)學(xué)，更確切地說(shuō)是靠統(tǒng)計(jì)。

如果我們讓計(jì)算機(jī)工作，是給它一串指令，然后計(jì)算機(jī)會(huì)遵照這個(gè)指令一步步執(zhí)行下去，有因有果，非常明確。但這種方式在機(jī)器學(xué)習(xí)中是行不通的。機(jī)器學(xué)習(xí)是不會(huì)接受你輸入的指令的，它接受的是你輸入的數(shù)據(jù)。也就是說(shuō)，機(jī)器學(xué)習(xí)是一種讓計(jì)算機(jī)利用數(shù)據(jù)而不是指令來(lái)進(jìn)行各種工作的方法。這聽(tīng)起來(lái)非常不可思議，但結(jié)果上卻是非?？尚械??！敖y(tǒng)計(jì)”思想將在你學(xué)習(xí)“機(jī)器學(xué)習(xí)”相關(guān)理念時(shí)無(wú)時(shí)無(wú)刻不伴隨，相關(guān)而不是因果的概念將是支撐機(jī)器學(xué)習(xí)能夠工作的核心概念。

依據(jù)數(shù)據(jù)所做的判斷跟機(jī)器學(xué)習(xí)的思想根本上是一致的。機(jī)器學(xué)習(xí)方法是計(jì)算機(jī)利用已有的數(shù)據(jù)(輸入)，得出了某種模型，并利用此模型預(yù)測(cè)未來(lái)(輸出)的一種方法。從數(shù)據(jù)中學(xué)得模型的過(guò)程稱(chēng)為“學(xué)習(xí)”（learning）或“訓(xùn)練”（training），這個(gè)過(guò)程通過(guò)執(zhí)行某個(gè)學(xué)習(xí)算法來(lái)完成。訓(xùn)練過(guò)程中使用的數(shù)據(jù)成為“訓(xùn)練數(shù)據(jù)”（training data），其中每個(gè)樣本稱(chēng)為一個(gè)“訓(xùn)練樣本”（training sample），訓(xùn)練樣本組成的集合稱(chēng)為“訓(xùn)練集“（training set）。學(xué)得模型對(duì)應(yīng)了關(guān)于數(shù)據(jù)的某種潛在的規(guī)律，因此亦稱(chēng)”假設(shè)“（hypothesis）；這種潛在規(guī)律自身，則稱(chēng)為”真相“或”真實(shí)“（ground-truth），學(xué)習(xí)過(guò)程就是為了找出或逼近真相。模型有時(shí)也被稱(chēng)為”學(xué)習(xí)器“（learner），可看作學(xué)習(xí)算法在給定數(shù)據(jù)和參數(shù)空間上的實(shí)例化。

若欲預(yù)測(cè)的是離散值則此類(lèi)學(xué)習(xí)任務(wù)被稱(chēng)為“分類(lèi)”；若欲預(yù)測(cè)的是連續(xù)值則此類(lèi)學(xué)習(xí)任務(wù)稱(chēng)為“回歸”；對(duì)只涉及兩個(gè)類(lèi)別的“二分類(lèi)”任務(wù)，通常稱(chēng)其中一個(gè)類(lèi)為“正類(lèi)”，另一個(gè)類(lèi)為“反類(lèi)”；涉及多個(gè)類(lèi)別時(shí)，則稱(chēng)為“多分類(lèi)”任務(wù)。

模型是否準(zhǔn)確依賴(lài)與數(shù)據(jù)。如果我的數(shù)據(jù)越多，我的模型就越能夠考慮到越多的情況，由此對(duì)于新情況的預(yù)測(cè)效果可能就越好。這是機(jī)器學(xué)習(xí)界“數(shù)據(jù)為王”思想的一個(gè)體現(xiàn)。一般來(lái)說(shuō)(不是絕對(duì))，數(shù)據(jù)越多，最后機(jī)器學(xué)習(xí)生成的模型預(yù)測(cè)的效果越好。

機(jī)器學(xué)習(xí)里面有非常多的經(jīng)典算法，每種算法都能形成一個(gè)模型。下面在簡(jiǎn)要介紹一下機(jī)器學(xué)習(xí)中的經(jīng)典代表方法。重點(diǎn)介紹的是這些方法內(nèi)涵的思想。

1、回歸算法 在大部分機(jī)器學(xué)習(xí)課程中，回歸算法都是介紹的第一個(gè)算法。原因有兩個(gè)：一.回歸算法比較簡(jiǎn)單，介紹它可以讓人平滑地從統(tǒng)計(jì)學(xué)遷移到機(jī)器學(xué)習(xí)中。二.回歸算法是后面若干強(qiáng)大算法的基石，如果不理解回歸算法，無(wú)法學(xué)習(xí)那些強(qiáng)大的算法?；貧w算法有兩個(gè)重要的子類(lèi)：即線性回歸和邏輯回歸。

線性回歸一般使用“最小二乘法”來(lái)求解?！白钚《朔ā钡乃枷胧沁@樣的，假設(shè)我們擬合出的直線代表數(shù)據(jù)的真實(shí)值，而觀測(cè)到的數(shù)據(jù)代表?yè)碛姓`差的值。為了盡可能減小誤差的影響，需要求解一條直線使所有誤差的平方和最小。最小二乘法將最優(yōu)問(wèn)題轉(zhuǎn)化為求函數(shù)極值問(wèn)題。函數(shù)極值在數(shù)學(xué)上我們一般會(huì)采用求導(dǎo)數(shù)為0的方法。但這種做法并不適合計(jì)算機(jī)，可能求解不出來(lái)，也可能計(jì)算量太大。計(jì)算機(jī)科學(xué)界專(zhuān)門(mén)有一個(gè)學(xué)科叫“數(shù)值計(jì)算”，專(zhuān)門(mén)用來(lái)提升計(jì)算機(jī)進(jìn)行各類(lèi)計(jì)算時(shí)的準(zhǔn)確性和效率問(wèn)題。例如，著名的“梯度下降”以及“牛頓法”就是數(shù)值計(jì)算中的經(jīng)典算法，也非常適合來(lái)處理求解函數(shù)極值的問(wèn)題。梯度下降法是解決回歸模型中最簡(jiǎn)單且有效的方法之一。

邏輯回歸是一種與線性回歸非常類(lèi)似的算法，但是，從本質(zhì)上講，線型回歸處理的問(wèn)題類(lèi)型與邏輯回歸不一致。線性回歸處理的是數(shù)值問(wèn)題，也就是最后預(yù)測(cè)出的結(jié)果是數(shù)字，例如預(yù)測(cè)一所房子大約可以買(mǎi)多少錢(qián)。而邏輯回歸屬于分類(lèi)算法，也就是說(shuō)，邏輯回歸預(yù)測(cè)結(jié)果是離散的分類(lèi)，例如判斷腫瘤是惡性還是良性等等。實(shí)現(xiàn)方面的話，邏輯回歸只是對(duì)對(duì)線性回歸的計(jì)算結(jié)果加上了一個(gè)Sigmoid函數(shù)，將數(shù)值結(jié)果轉(zhuǎn)化為了0到1之間的概率(Sigmoid函數(shù)的圖像一般來(lái)說(shuō)并不直觀，你只需要理解對(duì)數(shù)值越大，函數(shù)越逼近1，數(shù)值越小，函數(shù)越逼近0)，接著我們根據(jù)這個(gè)概率可以做預(yù)測(cè)，例如概率大于0.5，腫瘤就是惡性的等等。

2、神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)(也稱(chēng)之為人工神經(jīng)網(wǎng)絡(luò)，ANN)算法是80年代機(jī)器學(xué)習(xí)界非常流行的算法，不過(guò)在90年代中途衰落?，F(xiàn)在，攜著“深度學(xué)習(xí)”之勢(shì)，神經(jīng)網(wǎng)絡(luò)重裝歸來(lái)，重新成為最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一。

神經(jīng)網(wǎng)絡(luò)的誕生起源于對(duì)大腦工作機(jī)理的研究。早期生物界學(xué)者們使用神經(jīng)網(wǎng)絡(luò)來(lái)模擬大腦。機(jī)器學(xué)習(xí)的學(xué)者們使用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的實(shí)驗(yàn)，發(fā)現(xiàn)在視覺(jué)與語(yǔ)音的識(shí)別上效果都相當(dāng)好。在BP算法(加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程的數(shù)值算法)誕生以后，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個(gè)熱潮。

下圖是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)。在這個(gè)網(wǎng)絡(luò)中，分成輸入層，隱藏層，和輸出層。輸入層負(fù)責(zé)接收信號(hào)，隱藏層負(fù)責(zé)對(duì)數(shù)據(jù)的分解與處理，最后的結(jié)果被整合到輸出層。每層中的一個(gè)圓代表一個(gè)處理單元，可以認(rèn)為是模擬了一個(gè)神經(jīng)元，若干個(gè)處理單元組成了一個(gè)層，若干個(gè)層再組成了一個(gè)網(wǎng)絡(luò)，也就是”神經(jīng)網(wǎng)絡(luò)”。

圖神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)

在神經(jīng)網(wǎng)絡(luò)中，每個(gè)處理單元事實(shí)上就是一個(gè)邏輯回歸模型，邏輯回歸模型接收上層的輸入，把模型的預(yù)測(cè)結(jié)果作為輸出傳輸?shù)较乱粋€(gè)層次。通過(guò)這樣的過(guò)程，神經(jīng)網(wǎng)絡(luò)可以完成非常復(fù)雜的非線性分類(lèi)。

進(jìn)入90年代，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個(gè)瓶頸期。其主要原因是盡管有BP算法的加速，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程仍然很困難。因此90年代后期支持向量機(jī)(SVM)算法取代了神經(jīng)網(wǎng)絡(luò)的地位。

3、SVM（支持向量機(jī)）

支持向量機(jī)算法是誕生于統(tǒng)計(jì)學(xué)習(xí)界，同時(shí)在機(jī)器學(xué)習(xí)界大放光彩的經(jīng)典算法。

支持向量機(jī)算法從某種意義上來(lái)說(shuō)是邏輯回歸算法的強(qiáng)化：通過(guò)給予邏輯回歸算法更嚴(yán)格的優(yōu)化條件，支持向量機(jī)算法可以獲得比邏輯回歸更好的分類(lèi)界線。但是如果沒(méi)有某類(lèi)函數(shù)技術(shù)，則支持向量機(jī)算法最多算是一種更好的線性分類(lèi)技術(shù)。

但是，通過(guò)跟高斯“核”的結(jié)合，支持向量機(jī)可以表達(dá)出非常復(fù)雜的分類(lèi)界線，從而達(dá)成很好的的分類(lèi)效果?！昂恕笔聦?shí)上就是一種特殊的函數(shù)，最典型的特征就是可以將低維的空間映射到高維的空間。

上述機(jī)器學(xué)習(xí)算法均為監(jiān)督學(xué)習(xí)算法。監(jiān)督學(xué)習(xí)，就是人們常說(shuō)的分類(lèi)回歸，通過(guò)已有的訓(xùn)練樣本（即已知數(shù)據(jù)以及其對(duì)應(yīng)的輸出）去訓(xùn)練得到一個(gè)最優(yōu)模型（這個(gè)模型屬于某個(gè)函數(shù)的集合，最優(yōu)則表示在某個(gè)評(píng)價(jià)準(zhǔn)則下是最佳的），再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出。在人對(duì)事物的認(rèn)識(shí)中，我們從孩子開(kāi)始就被大人們教授這是貓啊、那是狗啊、那是桌子啊，等等。我們所見(jiàn)到的景物就是輸入數(shù)據(jù)，而大人們對(duì)這些景物的判斷結(jié)果（是房子還是鳥(niǎo)?。┚褪窍鄳?yīng)的輸出。當(dāng)我們見(jiàn)識(shí)多了以后，腦子里就慢慢地得到了一些泛化的模型，這就是訓(xùn)練得到的那個(gè)（或者那些）函數(shù)，從而不需要大人在旁邊指點(diǎn)的時(shí)候，我們也能分辨的出來(lái)哪些是貓，哪些是狗。無(wú)監(jiān)督學(xué)習(xí)則是另一種研究的比較多的學(xué)習(xí)方法，它與監(jiān)督學(xué)習(xí)的不同之處，在于我們事先沒(méi)有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。這聽(tīng)起來(lái)似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過(guò)程中很多處都用到了無(wú)監(jiān)督學(xué)習(xí)。比如我們?nèi)⒂^一個(gè)畫(huà)展，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別（比如哪些更朦朧一點(diǎn)，哪些更寫(xiě)實(shí)一些，即使我們不知道什么叫做朦朧派，什么叫做寫(xiě)實(shí)派，但是至少我們能把他們分為兩個(gè)類(lèi)）。無(wú)監(jiān)督學(xué)習(xí)里典型的例子就是聚類(lèi)了。聚類(lèi)的目的在于把相似的東西聚在一起，而我們并不關(guān)心這一類(lèi)是什么。因此，一個(gè)聚類(lèi)算法通常只需要知道如何計(jì)算相似度就可以開(kāi)始工作了。

那么，什么時(shí)候應(yīng)該采用監(jiān)督學(xué)習(xí)，什么時(shí)候應(yīng)該采用非監(jiān)督學(xué)習(xí)呢？一種非常簡(jiǎn)單的回答就是從定義入手，如果我們?cè)诜诸?lèi)的過(guò)程中有訓(xùn)練樣本，則可以考慮用監(jiān)督學(xué)習(xí)的方法；如果沒(méi)有訓(xùn)練樣本，則不可能用監(jiān)督學(xué)習(xí)的方法。但是事實(shí)上，我們?cè)卺槍?duì)一個(gè)現(xiàn)實(shí)問(wèn)題進(jìn)行解答的過(guò)程中，即使我們沒(méi)有現(xiàn)成的訓(xùn)練樣本，我們也能夠憑借自己的雙眼，從待分類(lèi)的數(shù)據(jù)中人工標(biāo)注一些樣本，并把他們作為訓(xùn)練樣本，這樣的話就可以把條件改善，用監(jiān)督學(xué)習(xí)的方法來(lái)做。然而對(duì)于不同的場(chǎng)景，正負(fù)樣本的分布如果會(huì)存在偏移（可能是大的偏移，也可能偏移比較?。?，這樣的話用監(jiān)督學(xué)習(xí)的效果可能就不如用非監(jiān)督學(xué)習(xí)了。

今天，在計(jì)算機(jī)科學(xué)的諸多分支學(xué)科領(lǐng)域中，都能找到機(jī)器學(xué)習(xí)技術(shù)的身影，尤其是在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、模式識(shí)別、自然語(yǔ)言處理等“計(jì)算機(jī)應(yīng)用技術(shù)”領(lǐng)域，機(jī)器學(xué)習(xí)已成為最重要的技術(shù)進(jìn)步源泉之一。此外，機(jī)器學(xué)習(xí)還為許多交叉學(xué)科提供了重要的技術(shù)支撐比如說(shuō)“生物信息學(xué)”。

可以說(shuō)“計(jì)算機(jī)視覺(jué)=圖像處理+機(jī)器學(xué)習(xí)“。圖像處理技術(shù)用于將圖像處理為適合進(jìn)入機(jī)器學(xué)習(xí)模型中的輸入，機(jī)器學(xué)習(xí)則負(fù)責(zé)從圖像中識(shí)別出相關(guān)的模式。計(jì)算機(jī)視覺(jué)相關(guān)的應(yīng)用非常的多，例如百度識(shí)圖、手寫(xiě)字符識(shí)別、車(chē)牌識(shí)別等等應(yīng)用。這個(gè)領(lǐng)域是應(yīng)用前景非常火熱的，同時(shí)也是研究的熱門(mén)方向。隨著機(jī)器學(xué)習(xí)的新領(lǐng)域深度學(xué)習(xí)的發(fā)展，大大促進(jìn)了計(jì)算機(jī)圖像識(shí)別的效果，因此未來(lái)計(jì)算機(jī)視覺(jué)界的發(fā)展前景不可估量。

如果說(shuō)“計(jì)算機(jī)視覺(jué)=圖像處理+機(jī)器學(xué)習(xí)“，那么”語(yǔ)音識(shí)別=語(yǔ)音處理+機(jī)器學(xué)習(xí)“。語(yǔ)音識(shí)別就是音頻處理技術(shù)與機(jī)器學(xué)習(xí)的結(jié)合。語(yǔ)音識(shí)別技術(shù)一般不會(huì)單獨(dú)使用，一般會(huì)結(jié)合自然語(yǔ)言處理的相關(guān)技術(shù)。目前的相關(guān)應(yīng)用有蘋(píng)果語(yǔ)音助手siri、微軟小娜等。

“自然語(yǔ)言處理=文本處理+機(jī)器學(xué)習(xí)“。自然語(yǔ)言處理技術(shù)主要是讓機(jī)器理解人類(lèi)的語(yǔ)言的一門(mén)領(lǐng)域。在自然語(yǔ)言處理技術(shù)中，大量使用了編譯原理相關(guān)的技術(shù)，例如詞法分析，語(yǔ)法分析等等，除此之外，在理解這個(gè)層面，則使用了語(yǔ)義理解，機(jī)器學(xué)習(xí)等技術(shù)。作為唯一由人類(lèi)自身創(chuàng)造的符號(hào)，自然語(yǔ)言處理一直是機(jī)器學(xué)習(xí)界不斷研究的方向。按照百度機(jī)器學(xué)習(xí)專(zhuān)家余凱的說(shuō)法“聽(tīng)與看，說(shuō)白了就是阿貓和阿狗都會(huì)的，而只有語(yǔ)言才是人類(lèi)獨(dú)有的”。如何利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行自然語(yǔ)言的的深度理解，一直是工業(yè)和學(xué)術(shù)界關(guān)注的焦點(diǎn)。

談到對(duì)數(shù)據(jù)進(jìn)行分析利用，很多人會(huì)想到“數(shù)據(jù)挖掘”（data mining）。數(shù)據(jù)挖掘領(lǐng)域在二十世紀(jì)九十年代形成，它受到很多學(xué)科領(lǐng)域的影響，其中數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)無(wú)疑影響最大。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)掘知識(shí)，這就必然涉及對(duì)“海量數(shù)據(jù)”的管理和分析。大體來(lái)說(shuō)，“數(shù)據(jù)挖掘=機(jī)器學(xué)習(xí)+數(shù)據(jù)庫(kù)“——數(shù)據(jù)庫(kù)領(lǐng)域的研究為數(shù)據(jù)挖掘提供數(shù)據(jù)管理技術(shù)，而機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)的研究為數(shù)據(jù)挖掘提供數(shù)據(jù)分析技術(shù)。由于統(tǒng)計(jì)學(xué)往往醉心于理論的優(yōu)美而忽視實(shí)際的效用，因此，統(tǒng)計(jì)學(xué)界提供的很多技術(shù)通常都要在機(jī)器學(xué)習(xí)界進(jìn)一步研究，變成有效的機(jī)器學(xué)習(xí)算法之后才能再進(jìn)入數(shù)據(jù)挖掘領(lǐng)域。從這個(gè)意義上說(shuō)，統(tǒng)計(jì)學(xué)主要是通過(guò)機(jī)器學(xué)習(xí)來(lái)對(duì)數(shù)據(jù)挖掘發(fā)揮影響，而機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)則是數(shù)據(jù)挖掘的兩大支撐技術(shù)。從數(shù)據(jù)分析的角度來(lái)看，絕大多數(shù)數(shù)據(jù)挖掘技術(shù)都來(lái)自機(jī)器學(xué)習(xí)領(lǐng)域，但機(jī)器學(xué)習(xí)研究往往并不把海量數(shù)據(jù)作為處理對(duì)象，因此，數(shù)據(jù)挖掘要對(duì)算法進(jìn)行改造，使得算法性能和空間占用達(dá)到實(shí)用的地步。同時(shí)，數(shù)據(jù)挖掘還有自身獨(dú)特的內(nèi)容，即關(guān)聯(lián)分析。

通過(guò)上面的介紹，可以看出機(jī)器學(xué)習(xí)是多么的重要，應(yīng)用是多么的廣泛。現(xiàn)隨著大數(shù)據(jù)（big data）概念的興起，機(jī)器學(xué)習(xí)大量的應(yīng)用都與大數(shù)據(jù)高度耦合，幾乎可以認(rèn)為大數(shù)據(jù)是機(jī)器學(xué)習(xí)應(yīng)用的最佳場(chǎng)景。例如經(jīng)典的Google利用大數(shù)據(jù)預(yù)測(cè)了H1N1在美國(guó)某小鎮(zhèn)的爆發(fā)、百度預(yù)測(cè)2014年世界杯結(jié)果從淘汰賽到?jīng)Q賽全部正確。這實(shí)在太神奇了，那么究竟是什么原因?qū)е麓髷?shù)據(jù)具有這些魔力的呢？簡(jiǎn)單來(lái)說(shuō)，就是機(jī)器學(xué)習(xí)技術(shù)。正是基于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，數(shù)據(jù)才能發(fā)揮其魔力。

大數(shù)據(jù)的核心是利用數(shù)據(jù)的價(jià)值，機(jī)器學(xué)習(xí)是利用數(shù)據(jù)價(jià)值的關(guān)鍵技術(shù)，對(duì)于大數(shù)據(jù)而言，機(jī)器學(xué)習(xí)是不可或缺的。相反，對(duì)于機(jī)器學(xué)習(xí)而言，越多的數(shù)據(jù)會(huì)越可能提升模型的精確性，同時(shí)，復(fù)雜的機(jī)器學(xué)習(xí)算法的計(jì)算時(shí)間也迫切需要分布式計(jì)算與內(nèi)存計(jì)算這樣的關(guān)鍵技術(shù)。因此，機(jī)器學(xué)習(xí)的興盛也離不開(kāi)大數(shù)據(jù)的幫助。大數(shù)據(jù)與機(jī)器學(xué)習(xí)兩者是互相促進(jìn)，相依相存的關(guān)系。

機(jī)器學(xué)習(xí)與大數(shù)據(jù)緊密聯(lián)系。但是，必須清醒的認(rèn)識(shí)到，大數(shù)據(jù)并不等同于機(jī)器學(xué)習(xí)，同理，機(jī)器學(xué)習(xí)也不等同于大數(shù)據(jù)。大數(shù)據(jù)中包含有分布式計(jì)算、內(nèi)存數(shù)據(jù)庫(kù)、多維分析等等多種技術(shù)。單從分析方法來(lái)看，大數(shù)據(jù)也包含以下四種分析方法：

1.大數(shù)據(jù)，小分析：即數(shù)據(jù)倉(cāng)庫(kù)領(lǐng)域的OLAP分析思路，也就是多維分析思想。2.大數(shù)據(jù)，大分析：這個(gè)代表的就是數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)分析法。3.流式分析：這個(gè)主要指的是事件驅(qū)動(dòng)架構(gòu)。4.查詢分析：經(jīng)典代表是NoSQL數(shù)據(jù)庫(kù)。

也就是說(shuō)，機(jī)器學(xué)習(xí)僅僅是大數(shù)據(jù)分析中的一種而已。盡管機(jī)器學(xué)習(xí)的一些結(jié)果具有很大的魔力，在某種場(chǎng)合下是大數(shù)據(jù)價(jià)值最好的說(shuō)明。但這并不代表機(jī)器學(xué)習(xí)是大數(shù)據(jù)下的唯一的分析方法。

第四篇：面試題目

四、簡(jiǎn)答題

1、我?，F(xiàn)有多少個(gè)學(xué)部、院、系？他們的全稱(chēng)分別是什么？

2、請(qǐng)簡(jiǎn)單陳述對(duì)你所報(bào)的部門(mén)的理解（部門(mén)存在的意義、發(fā)展方向等）？

3、請(qǐng)列舉幾個(gè)你認(rèn)為現(xiàn)在校學(xué)生會(huì)面對(duì)的最亟待解決的問(wèn)題。

4、假設(shè)你能如愿當(dāng)選，簡(jiǎn)述一下你將如何把工作做好？

5、假如你與其他干事有糾紛，簡(jiǎn)述一下你如何處理？ 6.在什么樣的條件下你工作最有效？

7.當(dāng)你是對(duì)的，但別人卻反對(duì)你時(shí)，你該如何處置？ 8.你是否愿意做一些常規(guī)又簡(jiǎn)單的工作？為什么？

9、如果你的學(xué)習(xí)和社團(tuán)工作發(fā)生了沖突，你會(huì)如何處理？

10、在什么樣的條件下你工作最有效？

回答：“我解決問(wèn)題的方法很系統(tǒng)，包括四個(gè)步驟：收集有關(guān)信息、仔細(xì)分析問(wèn)題、確定解決方案、著手解決問(wèn)題。我發(fā)現(xiàn)很多人把前兩個(gè)步驟忽略掉了，直接從解決方案入手，這是不妥當(dāng)?shù)?。只要獲取了足夠的信息，對(duì)問(wèn)題有一個(gè)充分的認(rèn)識(shí)，我可以解決任何事情。” 1 你能為學(xué)生會(huì)帶來(lái)什么，也希望學(xué)生會(huì)能給你帶來(lái)什么？ 2 你為什么要進(jìn)學(xué)生會(huì)？ 談?wù)剬?duì)你影響最深的一句話，一個(gè)人？ 4 學(xué)生會(huì)對(duì)學(xué)生有什么作用？.作為學(xué)生干部應(yīng)如何處理好與普通同學(xué)的關(guān)系？ 6 你是否愿意做常規(guī)工作？ 文娛部的表演有很多元化，你可以列舉幾個(gè)有特色的表演（最好是你曾經(jīng)表演過(guò)的）8 如果進(jìn)入文娛不你會(huì)認(rèn)為對(duì)你將來(lái)的發(fā)展有什么幫助？ 9 你覺(jué)得組織文藝活動(dòng)應(yīng)具備哪些基本能力？ 雷鋒的螺絲釘精神在學(xué)生會(huì)工作中是否還有意義？談?wù)勀愕挠^點(diǎn)？ 11 談你的缺點(diǎn), 并簡(jiǎn)述你的一次失敗經(jīng)歷。如果你的學(xué)習(xí)任務(wù)與工作任務(wù)有沖突，你會(huì)如何處理？ 13 ,如果你進(jìn)了學(xué)生會(huì)，你有什么想法，請(qǐng)寫(xiě)出你的計(jì)劃。14 你對(duì)你認(rèn)識(shí)的職位了解多少？ 15 你認(rèn)為你進(jìn)學(xué)生會(huì)的優(yōu)勢(shì)是什么? 一，組織中常見(jiàn)的決策陷阱有哪些？組織如何避免這些陷阱、二，決策的過(guò)程中包括哪些步驟？每一步驟需要注意哪些問(wèn)題？ 三，你在衡量自己工作成績(jī)中應(yīng)該注意哪些問(wèn)題？ 四，你愿意做常規(guī)工作嗎？ 五，如何理解院系二級(jí)管理？ 六，計(jì)劃的編制包括哪幾個(gè)步驟？

七，你如何讓別人接受你的觀點(diǎn)或在主意？

八，你認(rèn)為學(xué)生會(huì)是怎樣的一個(gè)組織，而你又如何去發(fā)展它？ 九，你最大的優(yōu)缺點(diǎn)是什么？對(duì)你的學(xué)習(xí)和工作帶來(lái)什么的影響？ 十，請(qǐng)問(wèn)加入學(xué)生會(huì)你最想得到的是什么？

1．如果你的意見(jiàn)與下屬的有沖突，你會(huì)怎樣處理？ 2．假如你進(jìn)了學(xué)生會(huì)，你將怎么做？

3．簡(jiǎn)述你是憑著什么態(tài)度競(jìng)選學(xué)生會(huì)的，你有什么過(guò)人之處。4．你覺(jué)得大學(xué)與高中有什么不同？ 5．怎樣處理好學(xué)習(xí)與工作之間的矛盾？

1、如何看待“讀活書(shū)，活讀書(shū)，讀書(shū)活”？

1、在學(xué)生會(huì)里，有時(shí)因工作協(xié)調(diào)，會(huì)讓你去做苦力類(lèi)的工作，請(qǐng)問(wèn)你如何看待？

1、你對(duì)宿管部的工作有多大了解？

2、你為什么要加入學(xué)生會(huì)宿管部？

3、假如你加入了學(xué)生會(huì)宿管部，你有什么計(jì)劃？

4、你認(rèn)為你自己有那方面的才能能夠勝任宿管部里面的工作？

5、你是怎樣看待責(zé)任心的？

6、假如自己班里面的工作與學(xué)生會(huì)的工作在時(shí)間上有沖突，你會(huì)怎樣處理？

7、假如學(xué)生會(huì)的工作與你們班的某些同學(xué)有負(fù)面影響，你怎樣處理？

8、你是如何去處理人際關(guān)系的？

9、學(xué)生會(huì)是有紀(jì)律、有組織的部門(mén)，假如你加入了學(xué)生會(huì)，你會(huì)服從上級(jí)的命令嗎？

1、請(qǐng)做一下自我介紹。

分析：在面試剛開(kāi)始時(shí)要求面試者做自我介紹是一個(gè)非常普遍的程序。有時(shí)面試者的問(wèn)題就是從他們的自我介紹中得出的。在做自我介紹時(shí)，誠(chéng)實(shí)非常重要，不要試圖通過(guò)任何形式來(lái)隱藏自己過(guò)去的一些經(jīng)歷或者事件，也不應(yīng)該自吹自擂，夸張自己的學(xué)識(shí)和能力?；卮穑好嬖嚨臅r(shí)候首先介紹一下自己的專(zhuān)業(yè)，班別等個(gè)人基本情況,先談一下你對(duì)這個(gè)部門(mén)的的看法，然后再說(shuō)說(shuō)能為這個(gè)部門(mén)做的工作,最好有一些建設(shè)性的提議,這樣評(píng)委看出你面試前有做準(zhǔn)備，而且對(duì)他們的社團(tuán)有興趣，有興趣才可以把部門(mén)的工作做好。所以這樣就很容易通過(guò)了！但一般有時(shí)間限制，要注意！

2、你為什么認(rèn)為自己有能力勝任這個(gè)工作？

分析：這是一個(gè)典型的無(wú)固定答案的問(wèn)題，給面試者提供了一個(gè)機(jī)會(huì)，展示自己勇于接受挑戰(zhàn)的個(gè)性。主考官也可對(duì)面試者的動(dòng)機(jī)和信心有所了解。

回答：我具有你們所要求的技能，所以我能勝任這一工作。一旦錄用，我將全力以赴為之努力。

3、你最大的優(yōu)缺點(diǎn)是什么，對(duì)你的工作會(huì)有什么影響？

分析：回答這個(gè)問(wèn)題的難點(diǎn)在于面試者既不能把優(yōu)點(diǎn)說(shuō)得不像優(yōu)點(diǎn)，又不能把缺點(diǎn)說(shuō)得過(guò)于嚴(yán)重。有一點(diǎn)面試者應(yīng)該牢記在心：從你的回答中，主考官可以知道你的才能，也能了解你的價(jià)值觀和自我評(píng)價(jià)的尺度。

回答：“我最大的優(yōu)點(diǎn)是，我擁有組織嚴(yán)密的頭腦，能從混亂的條理中理出頭緒來(lái)。我最大的缺點(diǎn)或許就是不喜歡工作無(wú)序的人。我相信，我的XX能力有助于社團(tuán)更的發(fā)展，而我欣賞工作井井有條的態(tài)度也會(huì)影響同事工作有序起來(lái)?！?/p>

4、你如何讓別人接受你的觀點(diǎn)或主意？

分析：主考官?gòu)哪愕幕卮鹬心塬@得兩方面的信息：一是你在試圖影響別人時(shí)，是不是讓人感到很舒服；二是你的說(shuō)服能力有多高。

回答：我通常會(huì)從他人的角度來(lái)看待這個(gè)觀點(diǎn)，這樣，我就能容易找到說(shuō)服他們的方法。

5、在什么樣的條件下你工作最有效？

分析：此問(wèn)題考察的是面試者對(duì)工作條件的要求。主考官可以從中獲取面試者的工作方式、影響工作效率的因素等信息，還可以知道面試者的不足在哪里?；卮穑骸拔医鉀Q問(wèn)題的方法很系統(tǒng)，包括四個(gè)步驟：收集有關(guān)信息、仔細(xì)分析問(wèn)題、確定解決方案、著手解決問(wèn)題。我發(fā)現(xiàn)很多人把前兩個(gè)步驟忽略掉了，直接從解決方案入手，這是不妥當(dāng)?shù)摹Ｖ灰@取了足夠的信息，對(duì)問(wèn)題有一個(gè)充分的認(rèn)識(shí)，我可以解決任何事情?！?/p>

6、你經(jīng)歷過(guò)最讓你失望的事情是什么，為什么？

分析：這個(gè)問(wèn)題直接涉及到“成熟”這個(gè)話題，它能體現(xiàn)出應(yīng)聘者的做事標(biāo)準(zhǔn)及價(jià)值觀念。

7、你希望從工作中（我們社團(tuán)中）得到的最大回報(bào)是什么？

回答：“對(duì)我而言，最重要的是工作能發(fā)揮我的特長(zhǎng)，能有成就感。同時(shí)也期望工作能讓我超越現(xiàn)在的水平，不斷地提高自己，獲取更多的經(jīng)驗(yàn)，豐富自己的大學(xué)生活。

8、當(dāng)你是對(duì)的，但別人卻反對(duì)你時(shí)，你該如何處置？

分析：這個(gè)問(wèn)題不僅能反映面試者處理不同觀點(diǎn)和隨之而來(lái)的壓力的能力，而且還能從中看出面試者處理矛盾的能力。

回答：“首先，我會(huì)尋找足夠的證據(jù)證明我是對(duì)的。一旦確認(rèn)正確，我會(huì)從他人的角度考慮這個(gè)問(wèn)題，我會(huì)試著從他們的角度說(shuō)服他們，相互開(kāi)誠(chéng)布公，直到雙方達(dá)成一致意見(jiàn)?！?/p>

9、你認(rèn)為你有資格勝任你的職位嗎？如果不能你會(huì)怎么做？

分析：這個(gè)問(wèn)題如同問(wèn)面試者的弱點(diǎn)，回答時(shí)不能大意。

回答：“要?jiǎng)偃芜@個(gè)職位，肯定有許多新東西需要我去學(xué)習(xí)，但是我學(xué)得很快。我相信我的能力和技能可以適應(yīng)這個(gè)工作。

10、你是否愿意做常規(guī)工作？

分析：主試人從以往痛苦的經(jīng)歷中體會(huì)到，新進(jìn)社團(tuán)的大學(xué)生很多沒(méi)有意識(shí)到他們剛進(jìn)入社團(tuán)大多是要做一些瑣碎的、常規(guī)的工作，你應(yīng)向?qū)Ψ浇忉專(zhuān)憷斫庑枰腥俗龀Ｒ?guī)工作，在你奉命完成更有責(zé)任的工作之前，你知道要先完成一定數(shù)量的日常常規(guī)工作，這也是你有準(zhǔn)備接受這項(xiàng)必要的工作的原因。

回答：行，沒(méi)問(wèn)題，社團(tuán)工作不能一蹴而就，我知道社團(tuán)里大多是要做一些瑣碎的、常規(guī)的工作，而我認(rèn)為在任何事情中都有學(xué)習(xí)的機(jī)會(huì)。

11、你在接受別人指導(dǎo)時(shí)，會(huì)不會(huì)感到難受或受到傷害？

分析：這是個(gè)順從性問(wèn)題，如果你的失誤被別人指出來(lái)之后，會(huì)輕易地頂撞或發(fā)火，那么你在組織里不會(huì)干得很久。初級(jí)崗位的競(jìng)爭(zhēng)相當(dāng)激烈，這也是你表明自己與眾不同的又一個(gè)方式。

回答：“我會(huì)接受別人的意見(jiàn)，更重要的是，我能接受建設(shè)性的批評(píng)而沒(méi)有抵觸情緒。即使主觀上盡全力而為，我也還會(huì)出現(xiàn)失誤，還需要?jiǎng)e人把我引回正確的方向上。我明白，如果我想在團(tuán)體里有所發(fā)展，我必須首先要證明自己服從管理?！?/p>

12、你為何想進(jìn)我們部門(mén)？

分析：主試人想考察的是你的價(jià)值取向和工作意圖。不要只談希望團(tuán)體給你提供多少價(jià)值、經(jīng)驗(yàn)，而應(yīng)讓對(duì)方覺(jué)得你能為團(tuán)體創(chuàng)造價(jià)值。

回答：我有這方面的能力，并且善于學(xué)習(xí)，同時(shí)我想通過(guò)我自己的努力，盡可能的為團(tuán)體創(chuàng)造更大的價(jià)值。

13、如果你的學(xué)習(xí)和社團(tuán)工作發(fā)生了沖突，你會(huì)如何處理？

分析：這是學(xué)校社團(tuán)面試中最常見(jiàn)的問(wèn)題，這中問(wèn)題沒(méi)有固定的回答模式，主考官主要是想從中得知面試者處理學(xué)習(xí)工作矛盾的方法能力和其責(zé)任心?；卮穑阂阅阋酝囊恍┙?jīng)驗(yàn)談?wù)?，不能絕對(duì)地說(shuō)你會(huì)處理好，說(shuō)你會(huì)盡力在學(xué)習(xí)中平衡兩者。完美13問(wèn)。

另外面試不需要多，新人面試不懂問(wèn)什么問(wèn)題我這就給幾個(gè)參考下：

你覺(jué)得我們社團(tuán)怎么樣，有這么多的社團(tuán)為何來(lái)我這面試呢（自己判斷說(shuō)的是不是實(shí)話）你準(zhǔn)備怎么給我們留個(gè)好印象呢，有什么讓我們選你的理由嗎？（看看人家是否真心想加哈）在這么多來(lái)面試的人中，你覺(jué)得自己突出嗎？你的優(yōu)勢(shì)在哪？（可以把人家嚇到，不過(guò)這個(gè)效果更好）

五、論述題

1、論述你對(duì)你所報(bào)部門(mén)有什么建設(shè)性的想法？

2、論述如何合理的安排你的學(xué)習(xí)和工作時(shí)間，如果發(fā)生沖突如何解決？

3、在工作中，自己難免會(huì)發(fā)生錯(cuò)誤，你是怎樣看待錯(cuò)誤的？

4、都說(shuō)同事關(guān)系很難相處？你如何看待？如你被錄用你如何和同事相處？ 5.談?wù)勀阈哪恐械拇髮W(xué)生活？你設(shè)想如何度過(guò)你的大學(xué)生涯？

6.雷鋒的螺絲釘精神在學(xué)生會(huì)工作中是否還有意義？談?wù)勀愕挠^點(diǎn)？

7，假設(shè)要你組織一項(xiàng)活動(dòng)，而大家的積極性都不高，都沒(méi)人愿意加入，你會(huì)以怎樣的方法，使大家對(duì)你所組織的活動(dòng)感興趣？ 六.情景模式題：

1.當(dāng)你臨危受命接到了部門(mén)的通知要在三天內(nèi)排出一個(gè)新穎的節(jié)目 你有什么構(gòu)想（構(gòu)想一定要貼合實(shí)際）

2.要進(jìn)行一場(chǎng)比賽，例如：過(guò)一段時(shí)間在廣科里舉行的‘迎新杯’籃球賽要做哪些準(zhǔn)備工作？

2010~2011年機(jī)電工程學(xué)院 學(xué)生會(huì)換屆公開(kāi)競(jìng)選 筆試

(時(shí)間:60分鐘)姓名____ 班級(jí)______ 競(jìng)聘第一職位_______ 競(jìng)聘第二職位_______ Ⅰ必做題

您對(duì)院學(xué)生工作的總體印象如何,哪些方面需要改進(jìn).您認(rèn)為你自身的什么品質(zhì)最能勝任 學(xué)生會(huì)干部職務(wù).Ⅱ選答題

您根據(jù)您競(jìng)聘的職位回答以下 試題中對(duì)應(yīng)的兩道題目即可

主席團(tuán)成員:主席團(tuán)是實(shí)行分管部門(mén)制度,你認(rèn)為應(yīng)該怎么指導(dǎo)分管部門(mén)的活動(dòng)

體育部部長(zhǎng):如果讓你組織一項(xiàng)體育比賽,你將如何增強(qiáng)它的影響力 甚至將他打造成一個(gè)品牌活動(dòng)

學(xué)習(xí)部部長(zhǎng):現(xiàn)要求我部創(chuàng)建一個(gè)品牌活動(dòng),活動(dòng)對(duì)象不限我院,請(qǐng)你確認(rèn)一個(gè)主題,并解釋原因.外聯(lián)部部長(zhǎng):現(xiàn)在很多商家都感覺(jué)拉贊助是在騙他們錢(qián),那么在拉贊助的時(shí)候你將如何讓他們解除這樣的誤會(huì) 并產(chǎn)生合作興趣 可以送老生晚會(huì)為例.女生部部長(zhǎng):你對(duì)現(xiàn)在的女生部有什么意見(jiàn)和建議 如果你是部長(zhǎng)在以后的時(shí)間里你會(huì)怎么做

生活部部長(zhǎng):現(xiàn)如今生活部檢查宿舍都是集中于周三下午,(這里有現(xiàn)實(shí)原因存在)這樣往往造成大家的應(yīng)付心理,那么對(duì)于宿舍的管理方面你有什么見(jiàn)解

新聞部部長(zhǎng):你如何擴(kuò)大新聞的影響力和影響范圍 具體的辦法和形式可以有哪些

文藝部部長(zhǎng):目前為止,文娛部每年都有兩個(gè)重頭戲,迎新和送老,都是在院級(jí)范圍組織活動(dòng),那么對(duì)于走出去你有什么見(jiàn)解

宣傳部部長(zhǎng):你認(rèn)為宣傳部可以創(chuàng)立哪些屬于自己的品牌活動(dòng),且為此次活動(dòng)做一次宣傳板子示意圖.

第五篇：面試題目

公務(wù)員面試問(wèn)題

第一題：你是一個(gè)新人，有的老同志刁難你，排擠你，認(rèn)為新人不行，怎么辦？ 【名師解題思路】

對(duì)于人際關(guān)系中的矛盾與問(wèn)題，考生應(yīng)該首先做到正確看待，將心態(tài)放平和，認(rèn)真分析問(wèn)題出現(xiàn)的原因，從而尋找到與人溝通、解決問(wèn)題的有效辦法。

【名師參考答案】

新近單位之后，在工作中遇到一些難題是在所難免的。所以作為一個(gè)新人，要具有這種適應(yīng)環(huán)境，遭受挫折的勇氣。同時(shí)也用一種積極的態(tài)度來(lái)對(duì)待這些難題，同事的批評(píng)，是自己進(jìn)步的動(dòng)力，也是自己能夠更加認(rèn)識(shí)到自己的問(wèn)題。

有的老同志刁難我，排擠我，認(rèn)為新人不行，對(duì)于這樣的事情，我會(huì)從以下幾個(gè)方面來(lái)處理。

第一，就是擺正心態(tài)。不能自己想當(dāng)然的把同事對(duì)我的批評(píng)當(dāng)做是故意刁難我，排擠我。我想肯定是我在工作中存在問(wèn)題，同事對(duì)我不滿意，才導(dǎo)致了對(duì)我不信任，認(rèn)為我不行。我更應(yīng)該誠(chéng)懇的接受批評(píng)，謙虛的向同事學(xué)習(xí)。

第二，認(rèn)真的對(duì)自己的工作進(jìn)行總結(jié)。思考自己在進(jìn)入單位后的工作中存在什么問(wèn)題。是否存在工作態(tài)度不夠積極主動(dòng)，學(xué)習(xí)的主動(dòng)性不夠的問(wèn)題；是否存在在工作中理論與實(shí)踐相脫節(jié)的情況；是否存在在工作中不夠細(xì)致謹(jǐn)慎等問(wèn)題而導(dǎo)致的同事的不信任。

第三，針對(duì)自己的問(wèn)題，進(jìn)行有效的學(xué)習(xí)和加強(qiáng)。如果存在工作態(tài)度的問(wèn)題，在未來(lái)就一定要端正工作態(tài)度，積極主動(dòng)地對(duì)待工作；如果工作方法存在問(wèn)題，理論與實(shí)踐相脫節(jié)，既要多看、多學(xué)、多做。觀察同事的做法，請(qǐng)教同事的意見(jiàn)，多主動(dòng)攬活，多實(shí)踐；如果存在工作中不夠細(xì)致謹(jǐn)慎的問(wèn)題，就要從心底認(rèn)識(shí)自己的問(wèn)題，端正自己工作作風(fēng)?！凹?xì)節(jié)決定成敗”，用高度的責(zé)任感對(duì)待自己面對(duì)的工作。

第四，在自己自我完善的過(guò)程，讓同事看得到我的努力，用我的行動(dòng)來(lái)獲取老同事的信任。在工作中多向老同志請(qǐng)教求幫，老同志有豐富的經(jīng)驗(yàn)，一定能夠給我很好的指導(dǎo)。

總之，我一定要用積極的態(tài)度面對(duì)工作中的難題。在未來(lái)的工作中不斷的加強(qiáng)和完善自己，多與領(lǐng)導(dǎo)同事進(jìn)行溝通，相信一定會(huì)很好的處理與同事的關(guān)系，把工作做好。

第二題：領(lǐng)導(dǎo)讓你組織一次海關(guān)與武警的活動(dòng)，要體現(xiàn)新鮮新穎。你怎么打算？ 【名師解題思路】

選準(zhǔn)活動(dòng)形式和主題，把握好組織活動(dòng)的流程，以此為脈絡(luò)來(lái)展開(kāi)活動(dòng)的準(zhǔn)備和組織工作。在具體實(shí)施的過(guò)程中，要做好協(xié)調(diào)和控制，更好地把活動(dòng)落到實(shí)處。為了體現(xiàn)新鮮新穎，可以在活動(dòng)形式、活動(dòng)內(nèi)容上下功夫，同時(shí)將活動(dòng)當(dāng)中需要注意的問(wèn)題進(jìn)行細(xì)化，把握整個(gè)活動(dòng)的重點(diǎn)和難點(diǎn)，將人員有效分工，物資合理配置，促成整個(gè)活動(dòng)的順利完成。

【名師參考答案】

組織一次海關(guān)與武警的活動(dòng)，既可以豐富我們的生活，又可以加強(qiáng)海關(guān)與武警之間的感情聯(lián)絡(luò)，達(dá)成形成默契，在未來(lái)工作中可以更好的配合。下面我談?wù)勎业拇蛩恪?/p>

我打算舉辦一次展風(fēng)采比賽，既體現(xiàn)出海關(guān)與武警的精神面貌，又可以讓彼此更加了解，同時(shí)聯(lián)合媒體進(jìn)行宣傳，讓百姓也更加了解我們的海關(guān)和武警的風(fēng)采。

首先我會(huì)將自己的想法與領(lǐng)導(dǎo)溝通，聽(tīng)取領(lǐng)導(dǎo)的指示。在領(lǐng)導(dǎo)的指示下，著手準(zhǔn)備。

第一，與海關(guān)和武警兩部門(mén)的負(fù)責(zé)人溝通，先確定各部門(mén)展風(fēng)采的項(xiàng)目，合適的時(shí)間，并確定好比賽的場(chǎng)地；

第二，確定評(píng)委的名單，比賽規(guī)則及獎(jiǎng)項(xiàng)的設(shè)置；

第三，明確要邀請(qǐng)的媒體；考試大－中國(guó)教育考試門(mén)戶網(wǎng)站(004km.cn)

第四，成立賽務(wù)小組，下設(shè)一、二、三組，分別承擔(dān)媒體聯(lián)絡(luò)、后勤服務(wù)、比賽組織等相關(guān)工作。

第五，將以上內(nèi)容作出書(shū)面方案，根據(jù)需要的物品做出經(jīng)費(fèi)預(yù)算，上報(bào)領(lǐng)導(dǎo)。

領(lǐng)導(dǎo)審批后，根據(jù)既定的方案，在海關(guān)和武警相關(guān)部門(mén)進(jìn)行大力的宣傳，時(shí)刻關(guān)注參賽狀況，并督促選手抓緊練習(xí)。同時(shí)召開(kāi)賽務(wù)小組會(huì)議，落實(shí)責(zé)任，明確分工。

在比賽當(dāng)天，作為主要負(fù)責(zé)人，要加強(qiáng)與各小組工作人員之間的聯(lián)系，及時(shí)的了解情況，遇到問(wèn)題及時(shí)解決。并傳達(dá)工作原則，嚴(yán)格要求各小組各司其職，保障此次展風(fēng)采活動(dòng)的順利召開(kāi)。

我認(rèn)為此次比賽的重點(diǎn)就是讓海關(guān)和武警發(fā)揮出自己的真實(shí)水平，“友誼第一，比賽第二”，希望通過(guò)比賽增進(jìn)了解。所以在比賽期間，我會(huì)安排由武警和海關(guān)的同志共同編排的節(jié)目，節(jié)目主要反映兩個(gè)部門(mén)的緊密合作的工作狀況。

比賽結(jié)束后，邀請(qǐng)領(lǐng)導(dǎo)致辭并對(duì)獲獎(jiǎng)?wù)哌M(jìn)行頒獎(jiǎng)。之后整理比賽現(xiàn)場(chǎng)，與比賽過(guò)程的資料進(jìn)行匯總整理，并跟蹤各媒體的報(bào)道狀況。

作為主要負(fù)責(zé)人，將此次比賽的參賽、比賽及獲獎(jiǎng)狀況做成書(shū)面總結(jié)上報(bào)領(lǐng)導(dǎo)，并對(duì)賽務(wù)組成員的努力表示肯定。鑒于此次活動(dòng)所獲得成效，向領(lǐng)導(dǎo)建議定期舉行類(lèi)似的活動(dòng)，更好的加強(qiáng)海關(guān)與武警間的合作關(guān)系。

第三題：可能要長(zhǎng)期駐外啊，你怎么看待？ 【名師參考答案】

《論語(yǔ)?里仁》中有“父母在，不遠(yuǎn)游”的說(shuō)法，在中國(guó)人以孝為先的傳統(tǒng)理念下，我們確實(shí)應(yīng)該盡量留住父母身邊，承歡膝前，一家人可以盡享天倫之樂(lè)。

我們也一直有另一句話“忠孝難兩全”。為國(guó)盡忠與父母盡孝的兩難不是今天才出現(xiàn)的，千百年來(lái)一直是困擾大家的問(wèn)題。而我們也可以看到，在國(guó)家需要的時(shí)候，在我們可以為祖國(guó)盡一點(diǎn)綿薄之力的時(shí)候，每個(gè)中國(guó)人都不會(huì)吝嗇自己的奉獻(xiàn)和付出，每一對(duì)父母也都會(huì)為自己的孩子而驕傲。以我自己為例，如果我代表國(guó)家長(zhǎng)期駐外，我的父母會(huì)全力支持我的工作，并且會(huì)以我為驕傲。來(lái)源：考試大的美女編輯們

再退一步，距離現(xiàn)在已經(jīng)不再成為現(xiàn)代人考慮問(wèn)題的重要限制因素。我們現(xiàn)在的社會(huì)中可以看到，子女遠(yuǎn)離家鄉(xiāng)到大城市工作學(xué)習(xí)的現(xiàn)象越來(lái)越普遍，空巢老人逐漸增多。這是因?yàn)?，高科技的發(fā)展，通訊工具、交通工具的不斷進(jìn)步，越來(lái)越多的人已經(jīng)不再在意距離問(wèn)題。畢竟現(xiàn)在已經(jīng)不是進(jìn)京趕考一次要經(jīng)年累月的年代了，朝發(fā)夕至在很多時(shí)候都成為了一種可能。因此在現(xiàn)實(shí)意義上，我沒(méi)覺(jué)得長(zhǎng)期駐外和在國(guó)內(nèi)工作有什么實(shí)質(zhì)上的區(qū)別，也不認(rèn)為這件事可以構(gòu)成自己選擇上的障礙。

當(dāng)然，就像《論語(yǔ)?里仁》“父母在，不遠(yuǎn)游”還有后半句“游必有方”所說(shuō)的，我們可以離父母遠(yuǎn)一點(diǎn)，可以為了國(guó)家、為了工作、為了前程而離開(kāi)父母身邊，暫不承歡膝下，但是我們需要能讓父母不為我們的遠(yuǎn)離而焦慮而擔(dān)心。我們的離開(kāi)必須是時(shí)刻讓父母能夠了解的、讓父母能夠安心的。同時(shí)我們離開(kāi)的時(shí)候，也應(yīng)該是充分考慮父母的狀況的，能夠安置好父母的生活，離開(kāi)后要與父母保持聯(lián)系，給予關(guān)心，盡量做到“忠孝兩全”。

第一題：你迄今為止最失敗的事情是什么。你本科是哪兒的；為什么本科畢業(yè)不報(bào)考外交部；你如果進(jìn)入外交部，以后的10-15年怎么計(jì)劃的；如果沒(méi)能進(jìn)入外交部，將來(lái)會(huì)怎么辦？（1）你迄今為止最失敗的事情是什么。

面試中有一類(lèi)問(wèn)題，要求考生回答過(guò)去生活中遇到的最成功、最失敗、最幸福、最痛苦等的事情。這類(lèi)問(wèn)題看似簡(jiǎn)單，要回答時(shí)卻經(jīng)常感覺(jué)無(wú)從下手。

考生在面對(duì)這類(lèi)問(wèn)題的，經(jīng)常會(huì)產(chǎn)生的一個(gè)困惑是：自己生活中不曾發(fā)生過(guò)任何重大的、值得一提的事情。事實(shí)上，這就是進(jìn)入了一種思維誤區(qū)，即認(rèn)為只有重大的、驚天動(dòng)地的事情才是值得一說(shuō)的，才是可以說(shuō)的。事實(shí)上，大部分人的生活都是平凡的，都沒(méi)有那么多的波瀾起伏。因此成功、失敗的事情，也不會(huì)像電視中、故事里那樣動(dòng)人心弦、驚心動(dòng)魄。而面試中也并不要求考生回答的事情是如何重大的。

事實(shí)上，只要掌握了基本的原則，這類(lèi)題目的回答并不難?？忌鞔_的是，這類(lèi)題目的測(cè)查要點(diǎn)并不是事情本身如何，而是通過(guò)這件事你有哪些感受，獲得了哪些經(jīng)驗(yàn)，面對(duì)成功和失敗時(shí)，你的態(tài)度是什么，以及經(jīng)歷的這些事情對(duì)于以后的人生道路產(chǎn)生了什么樣的重大、深遠(yuǎn)而積極向上的影響。因此闡述中對(duì)于事件只需做簡(jiǎn)單的陳述，重點(diǎn)是要闡述清事件對(duì)你本人的重大意義。

（2）你本科是哪兒的這個(gè)問(wèn)題與“你迄今為止最失敗的事情是什么”考察的原理是一致的。考生的本科學(xué)校是哪里雖然會(huì)有一定的影響，但更重要的是，自己對(duì)本科學(xué)校的認(rèn)識(shí)、對(duì)本科期間求學(xué)經(jīng)歷的認(rèn)識(shí)、本科學(xué)校的精神對(duì)自己產(chǎn)生了哪些影響、自己在本科學(xué)校求學(xué)期間有哪些成長(zhǎng)等。

（3）為什么本科畢業(yè)不報(bào)考外交部對(duì)于這道題目，其實(shí)是為何報(bào)考外交部的一個(gè)逆轉(zhuǎn)，考察的是本科畢業(yè)時(shí)的心態(tài)與動(dòng)機(jī)?？忌枰⒁獾氖?，答題當(dāng)中不能拋開(kāi)現(xiàn)在而空談當(dāng)年為何不報(bào)考外交部，而應(yīng)該與現(xiàn)在報(bào)考外交部相聯(lián)系，當(dāng)年不報(bào)考是為了今日更好地報(bào)考。以下幾點(diǎn)可備參考：本科畢業(yè)時(shí)希望攻讀碩士，提升自己，以備今日能更加勝任外交部的工作；幾年的時(shí)間磨礪更加堅(jiān)定了自己報(bào)考外交部的選擇；當(dāng)年也曾經(jīng)報(bào)考，很遺憾地未能入圍，這幾年一直沒(méi)有放棄進(jìn)入外交部的想法，一直為之而努力。

（4）你如果進(jìn)入外交部，以后的10-15年怎么計(jì)劃的。

這道題目涉及的是進(jìn)入外交部以后的人生規(guī)劃。具體的規(guī)劃每個(gè)人可以自行設(shè)計(jì)，但是卻應(yīng)該突出以下幾點(diǎn)：短期內(nèi)能夠塌下心來(lái)，認(rèn)真工作，謙虛相學(xué)，并且具有不怕苦累不畏煩難的精神；所謂“不想當(dāng)元帥的士兵不是好士兵”，做好工作的同時(shí)要突出自己的中長(zhǎng)期的高遠(yuǎn)目標(biāo)，不能目標(biāo)僅止于進(jìn)入外交部而已，要能夠成為外交部一名優(yōu)秀的工作人員，成為業(yè)務(wù)骨干，為我國(guó)的外交事業(yè)發(fā)展貢獻(xiàn)一份微薄之力；整個(gè)規(guī)劃應(yīng)該具有可行性，符合外交部實(shí)際工作節(jié)奏，也符合個(gè)人的性格特征。

（5）如果沒(méi)能進(jìn)入外交部，將來(lái)會(huì)怎么辦？

對(duì)于這道題目，需要考生在回答中體現(xiàn)這樣幾點(diǎn)：?對(duì)于進(jìn)入外交部很有信心。相信以自己的能力和表現(xiàn)應(yīng)該有機(jī)會(huì)進(jìn)入外交部工作；?當(dāng)然如果競(jìng)爭(zhēng)對(duì)手比自己優(yōu)秀，而考官選擇了我的競(jìng)爭(zhēng)對(duì)手，那么我也要恭喜對(duì)手，畢竟考試時(shí)優(yōu)中選優(yōu)的。?對(duì)于以后的打算初步有：繼續(xù)學(xué)習(xí)，不會(huì)因?yàn)檫@一次失敗就放棄自己進(jìn)入外交部的理想；參加工作，在工作中磨礪自己，讓自己更加成熟；精神上一直明確自己的目標(biāo)，讓自己能夠一直保持前進(jìn)的狀態(tài)。

第二題：關(guān)于老年人權(quán)益，尤其是精神方面的權(quán)益，最近進(jìn)行了立法，如果子女不回家看望父母，將受到法律的制裁。問(wèn)對(duì)這一問(wèn)題的看法。

【名師解題思路】

首先，考生可根據(jù)此項(xiàng)立法項(xiàng)目出臺(tái)的背景，進(jìn)行原因的分析；其次，對(duì)于此項(xiàng)立法項(xiàng)目，發(fā)表個(gè)人的見(jiàn)解。最后，道德層面的問(wèn)題，是否可以從道德層面再進(jìn)行一個(gè)約束，以保證此項(xiàng)立法項(xiàng)目的效果，提出個(gè)人的見(jiàn)解和對(duì)策。

【名師參考要點(diǎn)】

隨著我國(guó)人口老齡化進(jìn)程的逐漸加快,現(xiàn)有的法律在其內(nèi)容和實(shí)施過(guò)程中,缺少對(duì)于新情況和新問(wèn)題的應(yīng)對(duì),需要我們進(jìn)一步深入研究老年人法律保護(hù)體系,緊密結(jié)合我國(guó)老齡化社會(huì)發(fā)展特點(diǎn),將與老年人有關(guān)的一切權(quán)益,諸如養(yǎng)老保障、醫(yī)療保健、照料服務(wù)、精神文化生活等,都納入法律保護(hù)體系中來(lái),真正做到有法可依,有章可循,形成完善的老年人保障機(jī)制。最近，出臺(tái)了為老人精神方面的權(quán)益進(jìn)行立法項(xiàng)目，是在我國(guó)老齡化日趨嚴(yán)重的背景之下提出來(lái)的。對(duì)于這個(gè)問(wèn)題，我認(rèn)為應(yīng)該辯證看待：

第一，結(jié)合我國(guó)目前的現(xiàn)狀，原有規(guī)定已不能全面保障老年人權(quán)益，尤其是無(wú)法滿足老年人情感方面的需求，因此，此項(xiàng)立法，對(duì)于滿足老年人的精神方面需求，起到了非常好的促進(jìn)作用。今后如果再不?；丶铱赐改?，很可能會(huì)觸犯法規(guī)受到制裁！對(duì)身為“兒子”、“女兒”的人來(lái)說(shuō)，這已絕不再是戲言。

第二，“這既體現(xiàn)了政府對(duì)老年人權(quán)益保障的重視程度，又彰顯了讓發(fā)展成果惠及于民的時(shí)代主題?！?以立法方式喚醒年輕一輩的“精神贍養(yǎng)”意識(shí)，在當(dāng)前十分必要，有利于社會(huì)的和諧穩(wěn)定。但是，從另一方面，我認(rèn)為，道德層面的問(wèn)題仍需要道德來(lái)約束，否則，可能就適得其反，出現(xiàn)一些不誠(chéng)信的行為，如父母為了包庇和保護(hù)子女，發(fā)表不真實(shí)的言論，反而不利于我們和諧的社會(huì)風(fēng)氣的形成。另外，結(jié)合目前的社會(huì)形勢(shì)，很多子女都外出求學(xué)、務(wù)工，工作強(qiáng)度大、時(shí)間緊、任務(wù)重，無(wú)法經(jīng)?；丶姨酵?，甚至一些人連回家的路費(fèi)都難以保障，那么是否仍要受到法律的制裁，我認(rèn)為值得商榷。因此，要想把我國(guó)“百善孝為先”的傳統(tǒng)美德繼續(xù)發(fā)揚(yáng)和光大，我認(rèn)為，除了必要的法律約束之外，還要從道德層面進(jìn)行呼吁和喚醒，從小就要向孩子宣揚(yáng)孝敬父母的傳統(tǒng)美德，家長(zhǎng)、社會(huì)、學(xué)校給予正確的教育和合理的引導(dǎo)，只有這樣，才能形成一個(gè)人人孝敬父母的良好社會(huì)風(fēng)氣和氛圍。

第三題：留守兒童問(wèn)題凸顯，存在很多有心理問(wèn)題，如果你是婦聯(lián)部門(mén)的一個(gè)工作人員，請(qǐng)針對(duì)上述情況策劃活動(dòng)，舉出三個(gè)主題。又問(wèn)：以其中的一個(gè)主題為例，敘述實(shí)施中應(yīng)注意的重點(diǎn)。

【名師解題思路】

首先，考生可根據(jù)題目設(shè)定幾種活動(dòng)的主題和形式。其次，根據(jù)自身特點(diǎn)，選擇自己最擅長(zhǎng)開(kāi)展的一種活動(dòng)形式，進(jìn)行重點(diǎn)論述。

【名師參考要點(diǎn)】

1.由于城鎮(zhèn)化進(jìn)程的推進(jìn)，以及人才的流動(dòng)，導(dǎo)致我國(guó)留守兒童心理問(wèn)題凸顯。因此，解決留守兒童的心理問(wèn)題，保證留守兒童健康成長(zhǎng)，至關(guān)重要。所以，作為婦聯(lián)部門(mén)的一名工作人員，我認(rèn)為可以采取以下幾種活動(dòng)形式，進(jìn)行正確的引導(dǎo)。一是以“人人獻(xiàn)出一份愛(ài)，關(guān)愛(ài)留守兒童”為主題的文藝晚會(huì)；二是以“給留守兒童一個(gè)溫暖的臂膀”為主題的宣傳活動(dòng)；三是以“讓我們攜起手來(lái)，關(guān)注留守兒童”為主題的調(diào)研。

2.以“讓我們攜起手來(lái)，關(guān)注留守兒童”為主題的調(diào)研為例，我認(rèn)為此次活動(dòng)實(shí)施中應(yīng)注意的重點(diǎn)，就是保障此次調(diào)研的效率和數(shù)據(jù)的真實(shí)、有效。因此，我打算采取下面措施來(lái)進(jìn)行解決：

第一，要想提高調(diào)研的效率，我打算采取隨機(jī)、分層或分群的形式確定調(diào)研對(duì)象，因?yàn)槲覈?guó)目前留守兒童較多，所以在調(diào)研對(duì)象的確定上，應(yīng)采取以上方式，來(lái)確保調(diào)研工作的順利展開(kāi)。與此同時(shí)，要采取多種多樣的調(diào)研方式，多管齊下，如網(wǎng)絡(luò)調(diào)查、調(diào)查問(wèn)卷、入戶走訪、街頭攔截、電話訪問(wèn)等方式齊頭并進(jìn)，加速調(diào)研的進(jìn)程。

第二，為了保障數(shù)據(jù)的真實(shí)、有效，我認(rèn)為就應(yīng)該讓調(diào)研對(duì)象敢于表達(dá)、急于表達(dá)、想要表達(dá)。那么在調(diào)研過(guò)程中，工作人員就要注意調(diào)研的方式和方法，注意說(shuō)話的方式，要向調(diào)研對(duì)象表達(dá)出我們解決問(wèn)題的誠(chéng)意和態(tài)度，讓人民群眾看到我們的決心。與此同時(shí)，我們也會(huì)做好保密工作，注重個(gè)人隱私的保密性，讓調(diào)研對(duì)象表達(dá)之后無(wú)后顧之憂。

第三，在工作開(kāi)展的過(guò)程中，作為負(fù)責(zé)人，我要協(xié)調(diào)好各工作人員之間的關(guān)系，并邀請(qǐng)有關(guān)心理輔導(dǎo)專(zhuān)家親臨現(xiàn)場(chǎng)，遇到問(wèn)題及時(shí)處理和解決，以保障工作的順利開(kāi)展。

最后，通過(guò)此次活動(dòng)，我認(rèn)為這也是對(duì)我能力的一種鍛煉，我會(huì)認(rèn)真總結(jié)工作，爭(zhēng)取以后能夠更好地完成工作。同時(shí)，我也相信，通過(guò)我們?nèi)鐣?huì)的共同努力，一定能夠給留守兒童創(chuàng)造一個(gè)更加美好的明天！

第一題：材料題，大意是辦公室工作人員小王，李某是一退休職工，一日來(lái)找領(lǐng)導(dǎo)，小王向領(lǐng)導(dǎo)匯報(bào)后，領(lǐng)導(dǎo)說(shuō)：你跟他說(shuō)我不在。小王于是對(duì)老李說(shuō)領(lǐng)導(dǎo)不在?？墒抢侠顩](méi)走，一會(huì)領(lǐng)導(dǎo)出來(lái)了，遇到老李。老李說(shuō)：你不是沒(méi)在嗎？領(lǐng)導(dǎo)說(shuō)：我一直都在啊…… 于是老李到處說(shuō)小王欺上瞞下，品質(zhì)差。下面有ABCDE五個(gè)選擇方式。問(wèn)，這五種方式有什么弊端？你會(huì)怎么選擇？

【名師思路點(diǎn)撥】

這是一道人際溝通題，模擬的沖突狀態(tài)是人際關(guān)系的沖突，小王、老李、領(lǐng)導(dǎo)之間出現(xiàn)了人際關(guān)系的異常，作為小李成為矛盾的矛頭，人際關(guān)系繼續(xù)修補(bǔ)。題目中給出五種方式來(lái)化解矛盾，而五種方式都具有一定的弊端，作為小王，要想真正化解此人際關(guān)系之“危”，帶來(lái)未來(lái)人際和諧之“機(jī)”，必須要把握以下幾個(gè)原則：

第一，在心態(tài)上擺正。人際關(guān)系考核的就是復(fù)雜人際環(huán)境的適應(yīng)性。要在這個(gè)環(huán)境下適應(yīng)，首先在心態(tài)上要是去解決問(wèn)題，而不是推卸責(zé)任；要主動(dòng)，而不是要被動(dòng)。

第二，對(duì)待領(lǐng)導(dǎo)態(tài)度上，要多替領(lǐng)導(dǎo)分憂，多為領(lǐng)導(dǎo)擔(dān)責(zé)。

第三，對(duì)于離退休的老同志，要尊重，平等對(duì)待。包容但不縱容。

第四，對(duì)于自己的問(wèn)題，要深刻反思，多從自身找原因、挑問(wèn)題；對(duì)于他人的誤會(huì)，要學(xué)會(huì)去主動(dòng)化解，消除影響。第五，流言止于智者，一時(shí)無(wú)法完全消除的誤會(huì)，要學(xué)會(huì)冷處理，用行動(dòng)向別人證明自己品質(zhì)。“路遙知馬力，日久見(jiàn)人心”。

相信把握以上這五個(gè)原則，就一定能夠化解人際關(guān)系的危機(jī)，共贏和諧關(guān)系。

第二題：關(guān)于綠色出行，要建自行車(chē)出租站，你怎么展開(kāi)相關(guān)的調(diào)查。

【名師解題思路】

首先指出此次調(diào)查活動(dòng)的目的意義，再依據(jù)調(diào)查活動(dòng)的特點(diǎn)來(lái)展開(kāi)具體工作?？忌鷳?yīng)該把握好調(diào)查活動(dòng)的流程，以此為脈絡(luò)來(lái)進(jìn)行準(zhǔn)備和組織工作，在具體實(shí)施的過(guò)程中，要做好協(xié)調(diào)和控制，而為了確保調(diào)查的廣泛、真實(shí)、可信，要將調(diào)查當(dāng)中需要注意的問(wèn)題進(jìn)行細(xì)化，把握整個(gè)活動(dòng)的重點(diǎn)和難點(diǎn)，選擇合適的調(diào)查形式，將人員有效分工，物資合理配置，促成整個(gè)調(diào)查順利完成。

【名師參考要點(diǎn)】

在倡導(dǎo)低碳生活、綠色出行的今天，建立自行車(chē)出租站不僅有著重要的環(huán)保意義，而且能夠便利居民出行，甚至能解決某些大城市居民的走出地鐵的末端交通難題。真實(shí)有效的調(diào)查能給有關(guān)人員提供有效的參考，我會(huì)高度的重視，從以下幾個(gè)方面展開(kāi)工作：

第一，首先向領(lǐng)導(dǎo)了解設(shè)立自行車(chē)出租站的答題情況和基本要求，咨詢有經(jīng)驗(yàn)的同志和查閱以往資料的方式確定調(diào)查的內(nèi)容和形式，初步將調(diào)查形式確定為問(wèn)卷調(diào)查。制定一個(gè)計(jì)劃，包括調(diào)查的時(shí)間、地點(diǎn)、參與的人員、物資以及選定典型的有代表意義的調(diào)查對(duì)象，譬如，選擇幾個(gè)地鐵附近的小區(qū)、商業(yè)區(qū)，將計(jì)劃上報(bào)領(lǐng)導(dǎo)，領(lǐng)導(dǎo)批準(zhǔn)后，嚴(yán)格按照計(jì)劃實(shí)施。將相關(guān)人員聚集在一起召開(kāi)會(huì)議，落實(shí)分工，明確各個(gè)小組的責(zé)任。設(shè)計(jì)調(diào)查問(wèn)卷，調(diào)查居民關(guān)于自行車(chē)租賃情況的建議，如：自行車(chē)站點(diǎn)的數(shù)目、地址和付款方式（刷卡或者現(xiàn)金）等，對(duì)相關(guān)人員進(jìn)行培訓(xùn)，印制好相關(guān)材料，購(gòu)買(mǎi)調(diào)查需要的小禮品。

第二，調(diào)查過(guò)程中協(xié)調(diào)好各個(gè)小組之間的工作，調(diào)查小組發(fā)放、回收調(diào)查問(wèn)卷，保證調(diào)查的順利進(jìn)行；宣傳組用發(fā)放小禮品等形式鼓勵(lì)公眾參與調(diào)查，監(jiān)督小組監(jiān)督整個(gè)調(diào)查過(guò)程，保證調(diào)查的真實(shí)有效，后勤組保障整個(gè)調(diào)查團(tuán)隊(duì)的后勤工作。當(dāng)調(diào)查過(guò)程中發(fā)生意外時(shí)要及時(shí)作出處理，及時(shí)向領(lǐng)導(dǎo)匯報(bào)調(diào)查的進(jìn)展，使領(lǐng)導(dǎo)了解調(diào)查的進(jìn)程。調(diào)查過(guò)程中的工作重點(diǎn)是保證調(diào)查數(shù)據(jù)的真實(shí)有效。

第三，調(diào)查結(jié)束后，收拾調(diào)查的物資和現(xiàn)場(chǎng)，將調(diào)查問(wèn)卷進(jìn)行統(tǒng)計(jì)，篩選掉無(wú)效的和虛假的信息，整理出調(diào)查報(bào)告，提交相關(guān)部門(mén)。工作結(jié)束后，結(jié)自己在本次活動(dòng)取得成績(jī)與不足，以為后來(lái)活動(dòng)借鑒。

第三題：一個(gè)新聞?dòng)浾呷ツ銈儐挝徊稍L民生問(wèn)題，結(jié)果第二天見(jiàn)報(bào)后與事實(shí)不符合，民眾紛紛致電單位，領(lǐng)導(dǎo)也表示關(guān)心。問(wèn)你該怎么辦？

【名師解題思路】

先分析事件的影響，確定自己的工作方向，然后針對(duì)題目中的問(wèn)題，具體情況具體分析，將問(wèn)題及時(shí)解決，最后進(jìn)行反思和總結(jié)。

【名師參考要點(diǎn)】

1)做為一名公務(wù)員，在日常的工作中應(yīng)該多關(guān)注媒體的言論，不當(dāng)?shù)难哉摬粌H會(huì)影響到單位的聲譽(yù)，甚至?xí)p害到群眾的利益。在我們單位發(fā)生了題目中的情況，我會(huì)高度的重視，迅速的采取行動(dòng)。題目中出現(xiàn)的情況看起來(lái)似乎是件小事，但牽涉到媒體和民眾，處理不妥就會(huì)變成大事。我作為單位的一員，要事實(shí)為依據(jù)考慮周全、靈活處理此事。

2)在這個(gè)事件中，我一方面要配合好領(lǐng)導(dǎo)做好民眾的工作，另一方面要及時(shí)與媒體的溝通，爭(zhēng)取將損失將到最小、影響降到最低。

3)首先，我會(huì)確定問(wèn)題的真實(shí)性，有可能民眾不了解情況，報(bào)道與民眾了解的事實(shí)有出入，引起了民眾的誤解。我會(huì)在獲得領(lǐng)導(dǎo)許可后，及時(shí)的將相關(guān)信息告知接聽(tīng)民眾電話的同事，請(qǐng)他們轉(zhuǎn)告公眾，打消群眾的疑慮，甚至可以在媒體上進(jìn)行解釋說(shuō)明；如果確實(shí)與事實(shí)不符，可能是媒體刊發(fā)過(guò)程中的失誤，也有可能是單位被采訪人員不了解情況，導(dǎo)致報(bào)道失實(shí)，無(wú)論哪種情況，我會(huì)請(qǐng)示領(lǐng)導(dǎo)，及時(shí)的與媒體的負(fù)責(zé)人進(jìn)行溝通，爭(zhēng)取通過(guò)其他媒體或者該報(bào)紙的下一期予以更正，必要的情況下回收該期報(bào)紙，避免影響的擴(kuò)大；處理的過(guò)程將處理情況及時(shí)上報(bào)領(lǐng)導(dǎo)，聽(tīng)取領(lǐng)導(dǎo)的指示。

4)最后，事件處理完畢后，我會(huì)幫助單位的相關(guān)責(zé)任人查找原因，提交一份詳細(xì)的事件報(bào)告。通過(guò)這件事情，我們單位應(yīng)該及時(shí)總結(jié)，引以為鑒，在今后的媒體工作中考慮問(wèn)題更周全、處理事情更審慎、溝通方式更恰當(dāng)。這件事也讓我思考，如何讓我們媒體公關(guān)工作的流程和規(guī)范更加清晰明確。比如題目中媒體發(fā)布信息，我們應(yīng)該事先核實(shí)將要發(fā)布的信息是否準(zhǔn)確有效，這樣可以避免不必要的糾紛，既不會(huì)給媒體的利益造成損失，也不至于給單位造成不利影響，甚至損害群眾的利益。如果思考成熟，我會(huì)寫(xiě)出一份詳細(xì)的建議書(shū)供領(lǐng)導(dǎo)審閱，以便今后更好的開(kāi)展工作，從點(diǎn)滴小事做起，維護(hù)我們單位的形象和群眾利益。

第一題：你和一個(gè)同事在一個(gè)科室，他比較善于表現(xiàn)自己，而你比較默默無(wú)聞，你怎么看。

【名師答題思路】

此題是一道人際溝通類(lèi)的題目，主要依據(jù)考生在此情景下的反應(yīng)考核考生的溝通協(xié)調(diào)能力，所以第一步要進(jìn)行表態(tài)，根據(jù)不同的原因找對(duì)策化解，最后進(jìn)行總結(jié)反思，避免此類(lèi)事件的再度發(fā)生。

【名師參考答案】

（1）每個(gè)人都有自己的處事方式，同事善于表現(xiàn)自己，這一點(diǎn)是正常的，體現(xiàn)了同事自信。而我默默無(wú)聞，有可能使領(lǐng)導(dǎo)和同事認(rèn)為我不夠積極、上進(jìn)，我會(huì)正視工作中這點(diǎn)小挫折。任何人的工作都不可能會(huì)一帆風(fēng)順，都會(huì)遇到各種各樣的挫折，遇到問(wèn)題不怕，關(guān)鍵是看我們?cè)趺凑_對(duì)待它，我將從以下幾個(gè)方面處理好這件事情。

（2）首先，上述情況不僅關(guān)系到我個(gè)人發(fā)展，更關(guān)系到單位的和諧，我會(huì)積極主動(dòng)地多與同事交流，學(xué)習(xí)大家的優(yōu)點(diǎn)，共同追求進(jìn)步。

（3）我要認(rèn)真分析造成這個(gè)情況的原因，多找主觀原因，有可能是同事業(yè)務(wù)水平比較高，解決問(wèn)題能力強(qiáng)，能者多勞，承擔(dān)的任務(wù)多，表現(xiàn)的機(jī)會(huì)多，組織有意的培養(yǎng)他。而我可能業(yè)務(wù)不如同事熟練，鍛煉的機(jī)會(huì)少些，讓大家認(rèn)為我默默無(wú)聞。在這種情況下，我不會(huì)嫉妒同事，會(huì)積極主動(dòng)的向同事學(xué)習(xí)，提升自己的綜合素質(zhì)和業(yè)務(wù)水平，樹(shù)立自信，認(rèn)真完成單位交給的任何任務(wù)，抓住機(jī)會(huì)展現(xiàn)自己的才能；如果是由于個(gè)人做事方式和生活習(xí)慣差異而導(dǎo)致工作方式不同，并不影響正常的工作，我會(huì)本著求同存異的態(tài)度處理好和同事的關(guān)系，互相幫助，共同進(jìn)步。

（4）在以后的工作中，我會(huì)多向領(lǐng)導(dǎo)請(qǐng)教，向同事學(xué)習(xí)，積極的幫助同事，誠(chéng)懇地表示自己愿意幫助大家的心意，尤其同事有忙不過(guò)來(lái)的情況更要積極幫忙，加強(qiáng)和同事的溝通交流，同時(shí)充分發(fā)揮自己的才能，以飽滿的熱情投入到工作當(dāng)中去。

第二題： 單位組織一次扶貧救困的活動(dòng)，由你組織，怎么做？

【名師參考答案】

舉辦一次扶貧救困活動(dòng)可以幫助弱勢(shì)群體緩解生活上的困難，讓他們感受到來(lái)自社會(huì)的關(guān)愛(ài)，也是我們單位的同事奉獻(xiàn)愛(ài)心的一個(gè)良好的機(jī)會(huì)，我會(huì)從以下幾個(gè)方面展開(kāi)工作：

（1）首先，了解領(lǐng)導(dǎo)的意思，查閱以往資料，咨詢有相關(guān)工作經(jīng)驗(yàn)的同事，確定此次扶貧救困活動(dòng)采取募捐的形式。并與募捐對(duì)象（如五保戶、紅十字會(huì)）聯(lián)系，了解他們的需求?；顒?dòng)籌備組制定活動(dòng)的計(jì)劃，包括募捐的時(shí)間、地點(diǎn)、參與的人和需要募捐的物品，時(shí)間定在某一工作日，地點(diǎn)是本單位餐廳門(mén)口。領(lǐng)導(dǎo)批準(zhǔn)計(jì)劃后，嚴(yán)格按照計(jì)劃實(shí)施，召開(kāi)會(huì)議，落實(shí)分工，明確每個(gè)人的責(zé)任，做好募捐前的宣傳工作，通過(guò)宣傳欄、官網(wǎng)和郵箱的方式使大家了解募捐活動(dòng)，讓大家有時(shí)間準(zhǔn)備好募捐的物品。

（2）募捐時(shí)，協(xié)調(diào)好所有人的工作，保證募捐的正常進(jìn)行，秩序組維護(hù)好現(xiàn)場(chǎng)的秩序，主持組把控好募捐活動(dòng)的流程，宣傳報(bào)道組負(fù)責(zé)現(xiàn)場(chǎng)的攝像記錄等，領(lǐng)導(dǎo)組做募捐開(kāi)場(chǎng)動(dòng)員發(fā)言，鼓勵(lì)大家積極募捐，登記組登記好募捐物資的種類(lèi)和數(shù)額，及時(shí)向領(lǐng)導(dǎo)匯報(bào)，有意外及時(shí)處理。

（3）募捐結(jié)束后，將物資進(jìn)行核實(shí)，及時(shí)送往募捐對(duì)象，并通過(guò)媒體宣傳此次募捐活動(dòng)。整理工作總結(jié)，報(bào)領(lǐng)導(dǎo)并存檔，做一個(gè)個(gè)人總結(jié)，總結(jié)自己在本次活動(dòng)取得成績(jī)與不足，以為類(lèi)似活動(dòng)借鑒。

第三題：對(duì)于當(dāng)前有些高校開(kāi)設(shè)公務(wù)員培訓(xùn)課程等現(xiàn)象，你有何看法？

【名師參考答案】

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，公務(wù)員的工資水平和待遇逐步的提高以及公務(wù)員的社會(huì)地位越來(lái)越得到社會(huì)的認(rèn)可和重視，社會(huì)上出現(xiàn)了公務(wù)員報(bào)考熱的現(xiàn)象。因此，有些高校開(kāi)設(shè)了公務(wù)員培訓(xùn)課程對(duì)在校大學(xué)生進(jìn)行培訓(xùn)，對(duì)于這樣一種現(xiàn)象，我們應(yīng)該全面的、客觀的予以分析。

這種現(xiàn)象有其合理性的一面：

第一、隨著我國(guó)招生規(guī)模的日益擴(kuò)大，當(dāng)前社會(huì)出現(xiàn)了大學(xué)生供過(guò)于求的局面，大量的高校畢業(yè)生難以就業(yè)，出現(xiàn)了就業(yè)難的現(xiàn)狀；

第二、我國(guó)中央政府和地方政府高度重視后備領(lǐng)導(dǎo)干部的選拔，近幾年選拔的領(lǐng)導(dǎo)干部數(shù)量較大，吸引了廣大的大學(xué)生和高校前來(lái)參與。高素質(zhì)知識(shí)分子進(jìn)入到政府機(jī)關(guān)，為我國(guó)的決策和執(zhí)法隊(duì)伍注入了新鮮血液；

第三、隨著公考熱和政府選拔力度的擴(kuò)大，高校對(duì)此也高度重視，通過(guò)培訓(xùn)等手段提高大學(xué)生的素質(zhì)能力和水平，一方面激勵(lì)和鼓勵(lì)更多的大學(xué)生加入到公務(wù)員隊(duì)伍，另一方面也有利于提高學(xué)校的就業(yè)率和學(xué)校的知名度。

但是，我們看到，這種措施也有其不合理的一面：

第一、不利于我國(guó)政府選拔出德才兼?zhèn)涞娜瞬?。?xí)近平副主席提出，在新一屆領(lǐng)導(dǎo)干部選拔的過(guò)程中，要認(rèn)真貫徹德才兼?zhèn)?、以德為先用人?biāo)準(zhǔn)，體現(xiàn)了政府對(duì)于人才才能和品德的高度重視。但是我們看到當(dāng)前高校的公務(wù)員培訓(xùn)還存在這樣的誤區(qū)，只是過(guò)于注重大學(xué)生應(yīng)試能力的培訓(xùn)，不利于大學(xué)生的綜合素質(zhì)的提升；

第二、不利于政府選拔人才公開(kāi)、公平、公正原則的實(shí)施。我國(guó)公務(wù)員法明確提出，公務(wù)員面試的過(guò)程中，要嚴(yán)格貫徹落實(shí)人才選拔的公開(kāi)、公平、公正的原則，而這些學(xué)校通過(guò)培訓(xùn)本校的大學(xué)生，提高本校學(xué)生的應(yīng)試水平，對(duì)于其他學(xué)校的大學(xué)生來(lái)講，是不公平的；

第三、高校開(kāi)設(shè)公務(wù)員培訓(xùn)課程，對(duì)于大學(xué)生產(chǎn)生誤導(dǎo)，積極投入到公務(wù)員的報(bào)考中，而對(duì)其他課程，特別是專(zhuān)業(yè)課程的學(xué)習(xí)，與高等教育的培養(yǎng)宗旨不符，也不利于學(xué)校培養(yǎng)出其他行業(yè)所需要的人才。

因此，高校在培養(yǎng)大學(xué)生的過(guò)程中，應(yīng)該注意以下幾點(diǎn)：

第一、高校在培養(yǎng)的過(guò)程中應(yīng)該重視的是學(xué)生思想道德水平的提高，不斷的增強(qiáng)學(xué)生為人民服務(wù)的意識(shí)，使得他們具備良好的政治覺(jué)悟，使得這些學(xué)生在進(jìn)入到公務(wù)員的崗位之后，能夠撲下身子、在公務(wù)員的崗位上求真務(wù)實(shí)，服務(wù)百姓，造福一方；

第二、高校在培養(yǎng)大學(xué)生的時(shí)候，更應(yīng)該注重學(xué)生綜合素質(zhì)的提高，從學(xué)生的個(gè)人修養(yǎng)、儀表儀態(tài)、人際交往的意識(shí)、面對(duì)困難的心態(tài)等方方面面全面的提升學(xué)生的素質(zhì)水平；

第三、要合理引導(dǎo)和教育大學(xué)生注重全面發(fā)展，不要盲目報(bào)考公務(wù)員，利用學(xué)習(xí)資源，重視專(zhuān)業(yè)課理論知識(shí)的學(xué)習(xí)和實(shí)踐。結(jié)合自身特點(diǎn)和職業(yè)規(guī)劃，制定出適合自身發(fā)展的職業(yè)規(guī)劃。

相信通過(guò)政府的努力，社會(huì)的關(guān)注，高校的協(xié)同，我們公務(wù)員的后備軍將會(huì)擁有更高的素質(zhì)水平，將會(huì)為人民的幸福、為祖國(guó)的繁榮作出更大的貢獻(xiàn)！

第一題：你單位新進(jìn)一個(gè)文件收發(fā)的新同事，你工作很忙，在這種情況下你怎么幫助他？ 【名師參考答案】

公務(wù)員的隊(duì)伍是一個(gè)團(tuán)結(jié)向上的隊(duì)伍，是一個(gè)有凝聚力、有生產(chǎn)力、有戰(zhàn)斗力的隊(duì)伍。作為公務(wù)員的一份 子，任何時(shí)候都要團(tuán)結(jié)同事，以大局為重，為單位的和諧，為單位的形象做出最大的努力。單位新進(jìn)一個(gè)文件 收發(fā)的新同事，我工作很忙，這種情況下，我會(huì)在不影響自身工作的情況下，從以下幾個(gè)方面盡自己最大努力 去幫助他：

首先，明確自己的職責(zé)范圍，積極投入到工作中，完成領(lǐng)導(dǎo)交付的各項(xiàng)工作。以身作則，起到模范帶頭作 用。為新同事做一個(gè)好榜樣。

其次，做好自己的本質(zhì)工作并不代表要忽視新同事。新同事剛來(lái)就承擔(dān)了文件收發(fā)的任務(wù)，在文件收發(fā)的過(guò) 程中，我們知道需要注意的細(xì)節(jié)很多，一旦出現(xiàn)錯(cuò)誤，將會(huì)給單位造成嚴(yán)重的影響。我會(huì)積極主動(dòng)地與新同事 進(jìn)行溝通，了解他的一些困難和問(wèn)題，在權(quán)責(zé)內(nèi)為他提供更加全面合理的信息，供他參考。如需要其他同事幫 助，我會(huì)主動(dòng)為他進(jìn)行介紹，幫助他快速的適應(yīng)新環(huán)境，掌握文件收發(fā)的一些技巧和注意事項(xiàng)，高效完成工作。

總之，在今后的工作中，我更要積極的鼓勵(lì)同事，幫助同事，和他并肩作戰(zhàn)，完成領(lǐng)導(dǎo)交付的任務(wù)。對(duì)于 自己來(lái)講，也要虛心的向同事學(xué)習(xí)，不斷提高自己的業(yè)務(wù)能力和綜合素質(zhì)，在自己平凡的崗位上狠抓實(shí)干，為 替人分憂、為群眾服務(wù)。

第二題：五四運(yùn)動(dòng)是一次關(guān)于理想和信念的活動(dòng)，要你組織一次紀(jì)念五四的活動(dòng)，你怎么組織？

【名師答題思路】

對(duì)于組織活動(dòng)，考生應(yīng)先選擇合適的活動(dòng)方式，在把握活動(dòng)流程的基礎(chǔ)上，以此為脈絡(luò)來(lái)展開(kāi)活動(dòng)的準(zhǔn)備和組 織工作。在活動(dòng)具體實(shí)施的過(guò)程中，要做好協(xié)調(diào)和控制，把活動(dòng)落到實(shí)處，把握整個(gè)活動(dòng)的重點(diǎn)和難點(diǎn)，將活 動(dòng)當(dāng)中需要注意的問(wèn)題進(jìn)行細(xì)化，將人員有效分工，物資合理配置，促成整個(gè)晚會(huì)活動(dòng)的順利完成。

【名師參考答案】

五四運(yùn)動(dòng)以來(lái)，一代又一代有志青年和青年學(xué)生，在中國(guó)共產(chǎn)黨領(lǐng)導(dǎo)下，在五四精神感召下，心系民族命運(yùn)，心系國(guó)家發(fā)展，心系人民福祉，用青春和熱血書(shū)寫(xiě)了中國(guó)青年運(yùn)動(dòng)的壯麗篇章。90多年過(guò)去了，五四運(yùn)動(dòng)的愛(ài) 國(guó)精神以及五四運(yùn)動(dòng)帶給我們年輕人的理想和信念永遠(yuǎn)不能改變。因此，組織一次紀(jì)念五四運(yùn)動(dòng)的活動(dòng)，意義 深遠(yuǎn)。我將從以下幾個(gè)方面著手：

第一，我會(huì)和領(lǐng)導(dǎo)、有經(jīng)驗(yàn)的同事進(jìn)行溝通，領(lǐng)會(huì)領(lǐng)導(dǎo)的目的和意圖的同時(shí)，吸取同事組織相關(guān)活動(dòng)的經(jīng)驗(yàn)教 訓(xùn)。

第二，這次活動(dòng)的主題確定為“理想與信念——青年人，民族之魂”；活動(dòng)的形式確定為參觀歷史展覽和“理 想與信念”歌唱晚會(huì)兩種形式。同時(shí)確定這次晚會(huì)詳細(xì)的日程安排、參觀的內(nèi)容等。通過(guò)廣播、媒體、報(bào)紙、宣傳欄等多種方式向市民宣傳，引導(dǎo)廣大市民積極參與到這次活動(dòng)中來(lái)，并且提交報(bào)名和參選的節(jié)目。對(duì)參加 的人員及參選的節(jié)目進(jìn)行篩選，確定參與此次活動(dòng)的人員及節(jié)目名單。根據(jù)規(guī)模確定活動(dòng)的經(jīng)費(fèi)，并制定詳細(xì) 的計(jì)劃報(bào)領(lǐng)導(dǎo)審批。待領(lǐng)導(dǎo)審批通過(guò)之后，通過(guò)多種電視、廣播、報(bào)紙、知名網(wǎng)絡(luò)、手機(jī)等方式下發(fā)通知，進(jìn) 行工作落實(shí)。

第三，召開(kāi)籌備會(huì)議，形成組織小組，并下設(shè)幾個(gè)職能小組，分配任務(wù)，落實(shí)責(zé)任，并且嚴(yán)明紀(jì)律，保證此次 活動(dòng)的順利開(kāi)展，包括：

聯(lián)絡(luò)督導(dǎo)組：負(fù)責(zé)整個(gè)活動(dòng)過(guò)程中各個(gè)小組及相關(guān)人員之間的聯(lián)絡(luò)工作；保證各個(gè)小組之間的計(jì)劃能夠落到實(shí) 處；出現(xiàn)突發(fā)情況的時(shí)候，能夠及時(shí)采取措施予以應(yīng)對(duì)。

活動(dòng)組織組：選派兩位解說(shuō)員，對(duì)五四運(yùn)動(dòng)以來(lái)的歷史人物、歷史事件進(jìn)行解說(shuō)，讓新一代年輕人對(duì)國(guó)家的歷 史有個(gè)明確的了解；在晚會(huì)階段，選派經(jīng)驗(yàn)豐富的主持人有序主持這次以“理想和信念”為主題的晚會(huì)。在這 次晚會(huì)中采取通過(guò)先鋒模范人物發(fā)出倡導(dǎo)、頒獎(jiǎng)等多種方式推動(dòng)晚會(huì)進(jìn)入高潮。

后勤組：負(fù)責(zé)此次活動(dòng)的聯(lián)絡(luò)、接待、交通、餐飲等各項(xiàng)事宜，尤其要做好晚會(huì)的秩序維護(hù)和安全的保衛(wèi)工作。

宣傳組：這次活動(dòng)的過(guò)程中，通過(guò)媒體向外界進(jìn)行宣傳，為活動(dòng)營(yíng)造文化氛圍。

第四，在活動(dòng)結(jié)束后，講此次活動(dòng)的照片和視頻上傳到網(wǎng)上與民眾進(jìn)行交流，聽(tīng)取民眾反饋，搜集民眾意見(jiàn)，并且將相關(guān)的視頻、資料、民眾意見(jiàn)進(jìn)行登記備案為以后的活動(dòng)提供借鑒。相信通過(guò)這次活動(dòng)，可以進(jìn)一步堅(jiān) 定青年人的共產(chǎn)主義理想和信念，以更大激情投入到社會(huì)主義建設(shè)中去，成為黨值得信賴(lài)、堪當(dāng)重任、大有希 望的新青年！