总结一些网上看到的面试题
一、多态的实现
多态定义：接口的多种不同的实现方式即为多态。
多态前提（实现方法）：
必须要有继承关系；
子类要重写父类的方法；
父类类型的引用指向子类对象（向上转型）。
与 重载 和 方法覆盖/重写 的区别：
重载：一个方法名，参数不同；
方法覆盖/重写：父类与子类有同样的方法名和参数；
多态：父类类型的引用指向子类类型的对象，调用一个子类重写过的方法时，虽然是父类类型的引用，实际调用的却是子类的实现方法。
注意
多态会“覆盖”私有方法。
静态方法是与类关联的，而非与对象关联，所以肯定不具有多态性。
多态的实现原理
待更新
二、属性的度量
不太理解 度量 的意思？
大概了解了一下属性、属性的类型（4种），转自数据挖掘中基本概念–数据类型的属性与度量
类别，只能进行相异性比较，无序
序数，即离散值，一组有序（即有大小关系）的取值集合，可以进一步进行大小先后的比较
区间，即连续值，可以进行进一步的加减操作
比率，具有了更多的意义，可以进行进一步的乘除的操作
三、数据的预处理
我觉得大概有几部分：属性（特征）的选取、缺失值处理、异常值处理、归一化。
缺失值处理：根据缺失的情况，可以选择删除整行数据、删除整列数据（即剔除该特征）、用平均值或基于正态分布的随机值填充、根据标签或聚类填充。
异常值处理：根据情况，可以选择将异常数据删除。
归一化：将数据映射到（0，1）区间上，去量纲化。
方法：
线性变化（最大-最小规范化）（（x - xmin）/（xmax - xmin））、
零-均值规范化（（x - 均值）/ 标准差 ）、
对数模式规范化（ 1 / (1 - exp(-x)) ）。
只有基础的，待扩展
四、你知道那些分类算法？
逻辑回归、线性判别分析、支持向量机（SVM）、决策树、贝叶斯分类器、聚类。
k-means（k均值聚类）、改进版k-means++
集成学习——begging、随机森林（针对决策树）
用AdaBoost方法集成BP神经网络