数据挖掘算法是现今互联网信息技术发展中的重要一环，有很多企业和研究机构都在研究这方面的内容，以便更好地服务于用户。算法开发人员的合格考核就会牵扯到数据挖掘算法的内容，下面就为求职者们介绍20个常见的数据挖掘算法面试题：
1.请描述K-means聚类算法？
K-means聚类算法是一种著名的无监督学习算法，其目的是将N个聚类的数据点按照簇的数量K进行拆分，使得每个簇中各数据点之间的平均距离最小，并且每个簇中具有相似特征的数据。
2.为什么K-means聚类算法受欢迎？
K-means算法受欢迎的主要原因是它具有较高的收敛速度，非常容易实现，且运行效率比较高，可以提取特征的能力非常好。另外，如果聚类的数据是简单的，可以更好地减少计算量，并且对噪点数据提供较好的鲁棒性。
3.请介绍Apriori算法？
Apriori算法是一种著名的关联规则学习算法，用于在一组给定项集中挖掘出规则，其目的是挖掘出假设中频繁出现的关联关系，从而提供给用户有价值的经验知识。Apriori算法主要使用频繁模式来提取频繁项集合，并从频繁项集中挖掘出最有价值的规则。
4.Hierarchical clustering聚类算法的优缺点是什么？
Hierarchical clustering聚类算法有以下优缺点：
优点：
1.可以处理大量样本数据；
2.它可以适应不同的距离计算方法；
3.它具有很强的稳定性，并且可以很好地收敛；
4.它可以很好地发掘分层次上的模式，这是K-means聚类算法无法做到的；
缺点：
1.聚类停止标准困难；
2.类似点之间比较困难；
3.容易受噪声影响。
以上就是我们就数据挖掘算法面试题提供的最常见的20个问题，求职者们可以在面试前把这些问题都弄清楚，了解数据挖掘算法的原理，它的优缺点，这样才能够准备的更充分，在面试中能够表现更加出色。
