# SCode

**Repository Path**: likexiang/scode

## Basic Information

- **Project Name**: SCode
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-04
- **Last Updated**: 2026-06-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### exam.py


需要数据格式如下：
```
200.传统数据湖通常采用什么级别的全量数据ETL，以实现各层之间数据流转？
A. 小时级
B. 月级
C. 秒级
D. 日级
答案：D
201.在数据集特征数量非常多的情况下，采用以下哪个LDA算法的solver更合适？
A.svd
B.lsqr
C.pca
D.eigen
答案：A
202.根据数据治理框架DCMM，数据被认为是获取竞争优势的重要资源，此时处于数据治理的哪个级别？
A. 量化管理级
B. 优化级
C. 初始级
D. 稳健级
答案：A
203.关于LightGBM与XGBoost对比的表述，以下哪个选项是不正确的？
A. XGBoost在处理一些不规则数据时更加鲁棒，比如一些缺失值和异常值。而LightGBM在这方面相对较弱。
B. XGBoost的参数比较多，需要根据实际情况进行调整。而LightGBM的参数相对较少，大多数情况下使用默认参数即可。
C. 由于LightGBM使用了一些高效的算法和数据结构，因此其内存消耗相对较小。而XGBoost在处理大规模数据集时可能会需要较大的内存。
D. 在相同的数据集和参数设置下两个模型的精度大致相当。不过在某些情况下，XGBoost可能表现得更好，比如在特征数较少的情况下，或者是需要更加平滑的决策树时。
E. LightGBM 将数据按特征进行划分，然后将每个分块分配到不同的节点上进行计算。这种方法避免了通信和同步开销，但需要额外的内存空间。
答案：E
204.关于决策树算法的使用策略，以下说法中不正确的是哪一项？
A. 建模前考虑事先进行降维，如使用PCA或ICA，使决策树能更好地找到具有分辨性的特征。
B. min_samples_split保证叶结点中最少的采样数，而min_samples_leaf可以创建任意小的叶子。
C. 决策树使用max_depth来控制树的深度的大小，以防止过拟合。
D. 如果输入决策树的矩阵x为稀疏矩阵，在调用fit之前建议将矩阵x转换为稀疏的csc_matrix。
答案：B
205.如果KMeans算法在完全收敛之前停止，可能是由于下列哪一个参数设置不合理？
A. n_clusters
B. init
C. copy_x
D. max_iter
答案：D
```