PCA招新面试试题
最新最全的机器学习面试题及答案汇总
最新最全的机器学习⾯试题及答案汇总⼈⼯智能的出现，将机器学习推向了顶峰，机器学习成为⼀门过硬的技术，从事⼈⼯智能职业，要过⼀⼤⾯试关就是机器学习，掌握了机器学习才能更好的发挥出潜能，作为⼈⼯智能⼯程师，如何快速通关呢?下⾯IT培训⽹盘点机器学习⾯试题，并附上答案。
机器学习⾯试题有答案汇总Q1. 在回归模型中，下列哪⼀项在权衡⽋拟合(under-fitting)和过拟合(over-fitting)中影响最⼤?A. 多项式阶数B. 更新权重 w 时，使⽤的是矩阵求逆还是梯度下降C. 使⽤常数项答案：A解析：选择合适的多项式阶数⾮常重要。
如果阶数过⼤，模型就会更加复杂，容易发⽣过拟合;如果阶数较⼩，模型就会过于简单，容易发⽣⽋拟合。
如果有对过拟合和⽋拟合概念不清楚的，见下图所⽰：Q2. 假设你有以下数据：输⼊和输出都只有⼀个变量。
使⽤线性回归模型(y=wx+b)来拟合数据。
那么使⽤留⼀法(Leave-One Out)交叉验证得到的均⽅误差是多少?A. 10/27B. 39/27C. 49/27D. 55/27答案：C解析：留⼀法，简单来说就是假设有 N 个样本，将每⼀个样本作为测试样本，其它 N-1 个样本作为训练样本。
这样得到 N 个分类器，N 个测试结果。
⽤这 N个结果的平均值来衡量模型的性能。
对于该题，我们先画出 3 个样本点的坐标：使⽤两个点进⾏线性拟合，分成三种情况，如下图所⽰：第⼀种情况下，回归模型是 y = 2，误差 E1 = 1。
第⼆种情况下，回归模型是 y = -x + 4，误差 E2 = 2。
第三种情况下，回归模型是 y = -1/3x + 2,误差 E3 = 2/3。
则总的均⽅误差为：Q3. 下列关于极⼤似然估计(Maximum Likelihood Estimate，MLE)，说法正确的是(多选)?A. MLE 可能并不存在B. MLE 总是存在C. 如果 MLE 存在，那么它的解可能不是唯⼀的D. 如果 MLE 存在，那么它的解⼀定是唯⼀的答案：AC解析：如果极⼤似然函数 L(θ) 在极⼤值处不连续，⼀阶导数不存在，则 MLE 不存在，如下图所⽰：另⼀种情况是 MLE 并不唯⼀，极⼤值对应两个θ。
平安大数据测试面试题目(3篇)
第1篇一、基础知识部分（1000字）1. 请简要介绍大数据的基本概念及其与传统数据处理的区别。
答案示例：大数据是指规模巨大、类型繁多、价值密度低的数据集合。
与传统数据处理相比，大数据具有以下特点：- 数据规模巨大：大数据通常需要处理PB级别的数据，远超传统数据库的处理能力。
- 数据类型多样：大数据不仅包括结构化数据，还包括半结构化和非结构化数据，如文本、图片、视频等。
- 价值密度低：在大数据中，有价值的信息往往被大量无关信息所包围，需要通过特定的算法和技术进行挖掘。
- 处理速度快：大数据需要实时或近实时处理，以满足快速响应的需求。
2. 请解释Hadoop生态系统中的主要组件及其作用。
答案示例：Hadoop生态系统主要包括以下组件：- Hadoop Distributed File System (HDFS)：分布式文件系统，用于存储大量数据。
- MapReduce：分布式计算框架，用于处理大规模数据集。
- YARN：资源调度框架，用于管理集群资源，支持多种计算框架。
- Hive：数据仓库工具，用于存储、查询和分析大规模数据集。
- Pig：数据流处理工具，用于简化MapReduce编程。
- HBase：分布式数据库，用于存储非结构化和半结构化数据。
- Zookeeper：分布式协调服务，用于管理集群中的节点。
3. 请简要介绍Spark的基本概念及其与Hadoop的区别。
答案示例：Spark是一个快速、通用的大数据处理引擎，它可以在Hadoop集群上运行，也可以独立运行。
与Hadoop相比，Spark具有以下特点：- 速度快：Spark采用内存计算，处理速度比Hadoop快100倍以上。
- 通用性：Spark支持多种数据处理任务，包括批处理、流处理、机器学习等。
- 易于使用：Spark提供简洁的API，方便用户进行编程。
4. 请解释数据仓库的架构及其主要组件。
答案示例：数据仓库的架构通常包括以下组件：- 数据源：包括内部和外部数据源，如数据库、日志文件等。
雅居乐校招ai面试题目(3篇)
第1篇尊敬的求职者：您好！感谢您对雅居乐集团的关注与支持，并积极参与我们的校招活动。
为了更好地了解您的专业能力、思维方式和团队协作精神，我们特别为您设计了以下AI面试题目。
请您认真阅读并作答，期待您的精彩表现。
一、基础知识题（共10题，每题10分，满分100分）1. 以下哪个不是人工智能的常见应用领域？（）A. 医疗诊断B. 自动驾驶C. 财务分析D. 矿物勘探2. 以下哪个不是深度学习中的神经网络类型？（）A. 卷积神经网络（CNN）B. 循环神经网络（RNN）C. 生成对抗网络（GAN）D. 神经元网络3. 以下哪个不是Python中用于处理数据流的库？（）A. NumPyB. PandasC. Scikit-learnD. Matplotlib4. 以下哪个不是自然语言处理（NLP）中常用的预训练语言模型？（）A. BERTB. GPTC. ELMOD. RNN5. 以下哪个不是人工智能中的伦理问题？（）A. 数据隐私B. 机器偏见C. 人工智能安全D. 人工智能道德6. 以下哪个不是人工智能中的强化学习算法？（）A. Q-LearningB. SARSAC. Policy GradientD. 决策树7. 以下哪个不是机器学习中的分类算法？（）A. 决策树B. 支持向量机（SVM）C. K最近邻（KNN）D. 主成分分析（PCA）8. 以下哪个不是深度学习中常用的优化算法？（）A. AdamB. RMSpropC. SGDD. 随机梯度下降（SGD）9. 以下哪个不是机器学习中的特征工程方法？（）A. 特征选择B. 特征提取C. 特征降维D. 特征合成10. 以下哪个不是人工智能中的深度学习框架？（）A. TensorFlowB. PyTorchC. CaffeD. Theano二、案例分析题（共2题，每题50分，满分100分）1. 案例分析：智能客服系统雅居乐集团计划开发一款智能客服系统，用于处理客户咨询和投诉。
面试必过——50个最受欢迎的机器学习面试问题
50个最受欢迎的机器学习面试问题机器学习是近年来强大的技术进步之一。
机器学习的普及为组织改变以数据驱动的决策为重点提供了主要支持。
因此，您会发现对精通机器学习的专业人员的突出需求。
因此，您还可以通过简单的Google搜索找到正在寻找机器学习面试问题的候选人！由于机器学习的技术观点正在逐渐发展，面试过程也涉及某些变化。
几年前，有关设计卷积网络的知识可能使您获得了机器学习中有希望的工作。
但是，时代已经改变。
如今，机器学习对算法，概率，统计数据，数据结构等抱有更大的期望。
因此，候选人需要全面准备顶级机器学习面试题。
众所周知，机器学习和数据科学是紧密相关的学科。
机器学习工程师是机器学习和数据科学领域的最高职位之一。
因此，我们对顶级机器学习面试问题的关注并非徒劳。
在2019年，机器学习工程师每年平均可赚146,085美元，年增长率高达344％。
因此，薪水的快速增长和有希望的工作岗位的机会意味着需要更好地准备机器学习面试。
顶级机器学习面试问答到目前为止，我们已经讨论了机器学习面试对您的IT事业的重要性。
那么，您想在首次尝试机器学习面试时取得成功吗？如果是，那么您来对地方了！该讨论将提出一些最佳的机器学习面试问题。
讨论的主要目的是为您的机器学习面试准备提供一个可靠的工具。
通常，您会认为针对新生的问题非常容易，并且基本的ML知识将有所帮助。
确实如此！面试官会询问机器学习面试问题，以寻找有经验的候选人作为后续问题。
为什么？当您证明您的机器学习基础知识时，访问员可以尝试更深入地研究您的能力。
因此，全面准备最新的机器学习面试问题可以帮助您成功通过面试。
以下讨论将针对五个不同类别的机器学习面试提出问题。
机器学习面试问题的每个类别将包含10个条目，可以帮助您理解问题的类型。
如果您很高兴找到机器学习的工作，那么为什么要等待呢？开始吧！数据工程师的机器学习面试问题最受欢迎的面试问题中的第一类是针对数据工程师的机器学习面试问题。
新加坡微软招聘面试题目(3篇)
第1篇一、技术面试题目1. 数据结构与算法（1）请解释递归算法与迭代算法的区别，并举例说明。
（2）实现一个快速排序算法，并分析其时间复杂度和空间复杂度。
（3）编写一个函数，实现两个有序数组合并为一个有序数组。
2. 编程语言（1）解释闭包的概念，并给出一个使用JavaScript实现闭包的例子。
（2）请用Java实现单例模式，并解释单例模式的优点。
（3）编写一个Python函数，实现斐波那契数列的前n项。
3. 数据库（1）请解释SQL中的JOIN操作，并举例说明。
（2）编写一个SQL查询语句，从三个表中查询满足特定条件的记录。
（3）请解释数据库索引的概念，并说明索引的优点和缺点。
4. 网络编程（1）解释HTTP协议的工作原理，并说明HTTP请求和响应的基本格式。
（2）请使用Python编写一个TCP客户端和服务器程序，实现简单的文件传输功能。
（3）解释WebSocket协议与HTTP协议的区别，并说明WebSocket的优势。
5. 操作系统（1）请解释进程与线程的区别，并举例说明。
（2）解释虚拟内存的概念，并说明虚拟内存的作用。
（3）请解释操作系统的内存管理机制，并举例说明。
二、软技能面试题目1. 个人介绍（1）请简要介绍自己的教育背景和工作经历。
（2）谈谈自己为什么选择加入微软，以及你对微软公司的了解。
2. 团队合作（1）请举例说明你在团队中发挥的作用，以及你如何与其他成员协作。
（2）谈谈你在团队中遇到过的挑战，以及你是如何克服这些挑战的。
3. 问题解决能力（1）请举例说明你在工作中遇到的一个难题，以及你是如何解决的。
（2）谈谈你在解决问题时采用的方法和技巧。
4. 沟通能力（1）请举例说明你在与同事、上级或客户沟通时遇到的困难，以及你是如何解决的。
（2）谈谈你在团队会议或演讲中如何表达自己的观点，并引起他人的共鸣。
5. 创新能力（1）请举例说明你在工作中如何提出创新的想法，并推动项目的进展。
（2）谈谈你对未来科技发展趋势的看法，以及你认为自己在其中能发挥的作用。
机器学习工程师招聘面试题与参考回答(某大型集团公司)2025年
2025年招聘机器学习工程师面试题与参考回答(某大型集团公司)面试问答题（总共10个问题）第一题请解释监督学习、非监督学习和强化学习之间的区别，并举例说明每种学习方式的应用场景。
答案：1.监督学习（Supervised Learning）:•监督学习是一种机器学习方法，其中模型通过一个已标记的数据集进行训练。
这个数据集包含了输入数据及其对应的正确输出标签。
模型的目标是学习从输入到输出的映射关系，以便能够对新的、未见过的数据做出准确的预测。
•应用场景:•分类问题：例如，电子邮件过滤系统可以使用监督学习来识别垃圾邮件。
在这个例子中，训练数据包括了已经由用户标记为“垃圾”或“非垃圾”的邮件。
•回归问题：房价预测是一个典型的回归任务，其中模型基于房屋特征（如大小、位置等）来预测其价格。
2.非监督学习（Unsupervised Learning）:•非监督学习与监督学习相反，它处理的是没有标签的数据。
算法试图从未标注的数据中找到结构或模式。
这类学习方法通常用于发现数据中的内在分布或聚类。
•应用场景:•聚类分析：市场细分就是一个应用实例，企业可以通过客户购买行为的数据将客户分组，以了解不同类型的客户需求。
•关联规则学习：例如，在购物篮分析中，非监督学习可以帮助商家理解哪些商品经常一起被购买，从而优化产品布局或推荐策略。
3.强化学习（Reinforcement Learning）:•强化学习是一种通过试错来学习的方法，智能体(agent)在一个环境中采取行动，然后根据环境提供的奖励或惩罚信号调整自己的行为策略，目的是最大化累积奖励。
强化学习不需要明确的指导，而是依靠奖励机制引导学习过程。
•应用场景:•自动驾驶：车辆作为智能体，根据交通状况和其他车辆的行为作出决策，如加速、减速或转向，以安全高效地到达目的地。
•游戏AI：AlphaGo就是强化学习的一个著名案例，它通过与自己对弈并不断调整策略，最终在围棋游戏中击败了人类冠军。
大数据分析师招聘面试试题及答案
大数据分析师招聘面试试题及答案关键信息项：1、面试试题类型技术问题业务理解问题逻辑思维问题案例分析问题行业知识问题2、技术问题涵盖领域数据采集与处理数据分析工具与语言数据仓库与数据建模机器学习与数据挖掘大数据处理框架3、业务理解问题方向对不同行业业务流程的理解解决业务问题的数据分析思路数据驱动业务增长的策略4、逻辑思维问题考察点推理能力问题拆解与整合能力思维的严谨性与灵活性5、案例分析问题来源真实企业项目行业典型案例6、行业知识问题范围互联网行业金融行业电商行业医疗行业制造业11 技术问题111 数据采集与处理方面请描述常见的数据采集方法及各自的优缺点。
如何处理缺失值和异常值？数据清洗的主要步骤有哪些？112 数据分析工具与语言方面列举您熟悉的数据分析工具（如 Excel、Python、R 等），并说明在何种场景下会选择使用它们。
用 Python 实现一个简单的数据预处理脚本，包括数据读取、清洗和可视化。
介绍 R 语言中常用的数据分析包及其功能。
113 数据仓库与数据建模方面解释数据仓库的概念和架构。
如何进行维度建模和事实表设计？描述 ETL（Extract, Transform, Load）流程及关键步骤。
114 机器学习与数据挖掘方面简述常见的机器学习算法（如决策树、聚类、回归等）及其应用场景。
如何进行特征工程？介绍数据挖掘中的关联规则挖掘算法。
115 大数据处理框架方面谈谈对 Hadoop 生态系统的理解。
Spark 的核心概念和优势是什么？如何在分布式环境中进行数据处理和优化？12 业务理解问题121 不同行业业务流程理解以电商行业为例，描述其核心业务流程及数据在其中的作用。
金融行业中，风险管理与数据分析的关系是怎样的？简述医疗行业中电子病历数据的分析价值和挑战。
122 解决业务问题的数据分析思路如果一家公司的销售额下降，您会如何通过数据分析找出原因并提出解决方案？对于用户流失问题，如何运用数据分析进行预测和防范？基于数据分析，如何优化产品的用户体验？123 数据驱动业务增长的策略请阐述如何利用数据分析制定市场推广策略。
数据挖掘工程师招聘面试题与参考回答(某大型央企)2025年
2025年招聘数据挖掘工程师面试题与参考回答(某大型央企)(答案在后面)面试问答题（总共10个问题）第一题问题：您在项目中进行数据挖掘工作时遇到数据质量问题，具体来说，您如何进行数据清洗和处理? 请举例说明您的做法。
第二题题目描述：假设你在一家央企从事数据挖掘工作，负责处理与分析一组数据，以揭示产品销售过程中的某种可疑现象。
这组数据中存在一个问题，即某些产品的销量中出现“也会发生”现象，也就是销售量在一段时间内出现异常波动，但这些波动似乎并非由特定原因引起。
请概述这一概念，并给出你打算如何分析这组数据以发现并解释“也会发生”现象的原因。
解析：在数据挖掘和分析的领域，“也会发生”现象（Co-occurrence Phenomenon）通常指的是两个或多个事件之间并非直接因果关系，而是共同出现在同一个数据集中的模式。
针对这类现象，分析的目的是发现数据背后可能的潜在关系或者相互关联的隐藏模式。
第三题题目：假设你是一家大型央企的数据挖掘工程师，你的团队正在开发一个基于用户行为数据的分析系统，用于优化业务流程和提高客户满意度。
在项目中，你需要使用数据挖掘技术来发现潜在的用户需求和行为模式，并将这些洞察应用于产品设计和营销策略中。
请描述你将如何进行需求分析和规划这个项目。
参考答案及解析：第四题题目内容：请解释聚类分析的目的是什么，并简要说明两种常用的聚类算法。
第五题问题：在您的工作实践中，您遇到过哪些需要处理高维数据的场景？您是如何解决这些场景的？第六题面试官提问：请简述什么是高维数据降维，并列举几种常见的降维方法，包括主成分分析（PCA）、线性判别分析（LDA）、t-distributed随机邻域嵌入（t-SNE）等。
针对每种方法简要说明其原理和适用场景，并讨论在实际应用中哪些因素会影响降维效果。
第七题题目：假设你是一家大型央企的数据挖掘工程师，负责一个跨部门的数据分析项目。
你的团队成员小王和小李在数据分析过程中产生了分歧，小王认为使用某种算法在处理大规模数据时效果更好，而小李则坚持使用另一种算法。
数据处理_面试题目答案(3篇)
第1篇一、面试题目1. 请简述大数据处理过程中的数据采集、存储、处理和展示等环节。
2. 请解释Hadoop生态系统中的HDFS、MapReduce、YARN、Hive和Spark等组件的作用和关系。
3. 如何使用Hadoop的MapReduce进行数据清洗？4. 请描述Hadoop生态系统中Hive和Spark在处理大数据时的区别。
5. 请解释数据仓库和大数据平台之间的区别。
6. 如何在数据仓库中进行数据建模？7. 请简述数据挖掘中的关联规则挖掘算法，如Apriori算法。
8. 请描述机器学习中常见的监督学习和无监督学习算法，并举例说明。
9. 请解释数据可视化在数据处理中的作用。
10. 请简述在分布式系统中如何保证数据的一致性。
二、面试题目答案1. 数据处理过程中的数据采集、存储、处理和展示等环节如下：- 数据采集：从各种数据源（如数据库、日志文件、传感器等）获取数据。
- 数据存储：将采集到的数据存储到合适的存储系统中，如关系型数据库、NoSQL数据库、HDFS等。
- 数据处理：对存储的数据进行清洗、转换、整合等操作，以便进行后续分析。
- 数据展示：将处理后的数据以图表、报表等形式展示给用户。
2. Hadoop生态系统中的组件及其作用和关系如下：- HDFS（Hadoop Distributed File System）：分布式文件系统，负责存储海量数据。
- MapReduce：分布式计算框架，将数据处理任务分解为Map和Reduce两个阶段。
- YARN（Yet Another Resource Negotiator）：资源管理框架，负责管理集群资源，调度作业。
- Hive：数据仓库工具，提供SQL查询接口，对存储在HDFS中的数据进行查询和分析。
- Spark：快速、通用的大数据处理框架，支持多种数据处理操作，如批处理、实时处理、机器学习等。
3. 使用Hadoop的MapReduce进行数据清洗的步骤如下：- 编写Map函数：对输入数据进行过滤、转换等操作，生成清洗后的中间数据。
pca咖啡考试一级理论答案
pca咖啡考试一级理论答案一、单选题1. PCA咖啡考试一级中，咖啡豆的烘焙程度分为几种？A. 2种B. 3种C. 4种D. 5种答案：C2. 以下哪种不是咖啡豆的三大原生种？A. 阿拉比卡B. 罗布斯塔C. 利比里卡D. 卡蒂姆答案：D3. 咖啡豆的水分含量通常在多少百分比？A. 10%-12%B. 11%-13%C. 12%-14%D. 13%-15%答案：A4. 咖啡豆的储存条件中，温度应控制在多少度以下？A. 10°CB. 15°CC. 20°CD. 25°C答案：C5. 咖啡豆的研磨粗细度对咖啡口感的影响，以下说法错误的是？A. 粗磨适合浸泡式冲泡B. 中磨适合手冲和滴滤C. 细磨适合意式浓缩D. 越细的研磨越能提取咖啡的苦味答案：D二、多选题1. 影响咖啡风味的主要因素包括哪些？A. 咖啡豆种类B. 咖啡豆产地C. 烘焙程度D. 冲泡水温答案：ABCD2. 以下哪些是咖啡豆烘焙过程中可能出现的化学反应？A. 梅拉德反应B. 焦糖化反应C. 脂质氧化D. 蛋白质水解答案：ABCD3. 咖啡豆的保存方法中，以下哪些是正确的？A. 避光保存B. 密封保存C. 低温保存D. 定期通风答案：ABC三、判断题1. 咖啡豆的新鲜度对咖啡的口感影响不大。
（错误）2. 咖啡豆的烘焙程度越深，咖啡因含量越高。
（错误）3. 咖啡豆在研磨后应立即冲泡，以保持最佳风味。
（正确）4. 咖啡豆的储存环境应避免潮湿。
（正确）5. 咖啡豆的研磨粗细度对咖啡的萃取时间没有影响。
（错误）四、简答题1. 简述咖啡豆的烘焙过程对咖啡风味的影响。
答：咖啡豆的烘焙过程会影响咖啡的酸度、苦度和香气。
浅烘焙的咖啡豆保留了更多的原始风味和酸度，而深烘焙的咖啡豆则会有更浓郁的苦味和焦糖香气。
2. 描述咖啡豆的储存条件对咖啡品质的影响。
答：咖啡豆的储存条件，如温度、湿度、光照和氧气接触，都会影响咖啡豆的新鲜度和风味。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5 3 3
样例输入
50
样例输出
30414093201713378043612608166064768844377641568960512000000000000
四、猴子吃桃问题
描述
有一堆桃子不知数目，猴子第一天吃掉一半，又多吃了一个，第二天照此方法，吃掉剩
下桃子的一半又多一个，天天如此，到第 m 天早上，猴子发现只剩一只桃子了，问这堆 桃子原来有多少个？ (m<29)
PCA 招新面试题
一、最大公约数和最小公倍数
描述 PCA 新社员被一个问题给难住了，现在需要你帮帮忙。问题是：给出两个正 整数，求出它们的最大公约数和最小公倍数。
输入 第一行输入一个整数 n（0<n<=10000)，表示有 n 组测试数据; 随后的 n 行输入两个整数 i,j（0<i,j<=32767)。
输入
第一行输入 s,表示测试数据的组数； 每组数据的第一行包括两个整数 w，n，80<=w<=200,1<=n<=300，w 为一条独木舟 的最大承载量,n 为人数； 接下来的一组数据为每个人的重量（不能大于船的承载量）；
输出
每组人数所需要的最少独木舟的条数。
样例输入
3 85 6 5 84 85 80 84 83 90 3 90 45 60 100 5 50 50 90 40 60
现在请你计算出起始有 m 个金片的汉诺塔金片全部移动到另外一个针上时需要 移动的最少步数是多少？（由于结果太大，现在只要求你算出结果的十进制位最 后六位）
输入
第一行是一个整数 N 表示测试数据的组数(0<N<20) 每组测试数据的第一行是一个整数 m,表示起始时金片的个数。(0<m<1000000000)
输出
输出把金片起始针上全部移动到另外一个针上需要移动的最少步数的十进制表示的最 后六位。
样例输入
2 1 1000
样例输出
1 69375
三、大数阶乘
描述
我们都知道如何计算一个数的阶乘，可是，如果这个数很大呢，我们该如何去计算它并 输出它？
输入
输入一个整数 m(0<m<=5000)
输出
输出 m 的阶乘，并在输出结束之后输入一个换行符
输入
第一行有一个整数 n,表示有 n 组测试数据（从第二行开始，每一行的数据为：第 m 天）；
输出
每一行数据是桃子的总个数
样例输入
2 3 11
样例输出
22 6142
五、一个简单的数学题
描述
tzf 最近迷上了数学，一天，shb 想出了一道数学题来难住他。算出1/n,但 tzf 一时答不 上来希望大家能编程帮助他。
输出 输出每组测试数据的最大公约数和最小公倍数
样例输入
3 66 12 11 33 22
样例输出
66 1 132 11 66
二、汉诺塔
描述
在印度，有这么一个古老的传说：在世界中心贝拿勒斯（在印度北部）的圣庙里， 一块黄铜板上插着三根宝石针。印度教的主神梵天在创造世界的时候，在其中一 根针上从下到上地穿好了由大到小的64片金片，这就是所谓的汉诺塔。不论白天 黑夜，总有一个僧侣在按照下面的法则移动这些金片：一次只移动一片，不管在 哪根针上，小片必须在大片上面。僧侣们预言，当所有的金片都从梵天穿好的那 根针上移到另外一根针上时，世界就将在一声霹雳中消灭，而梵塔、庙宇和众生 也都将同归于尽。
输入
第一行整数 T，表示测试组数。后面 T 行，每行一个整数 n (1<=|n|<=10^5).
Hale Waihona Puke 输出输出1/n. (是循环小数的,只输出第一个循环节).
样例输入
4 2 3 7 168
样例输出
0.5 0.3 0.142857
0.005952380
六、独木舟上的旅行
描述
进行一次独木舟的旅行活动，独木舟可以在港口租到，并且之间没有区别。一条独木舟 最多只能乘坐两个人，且乘客的总重量不能超过独木舟的最大承载量。我们要尽量减少 这次活动中的花销，所以要找出可以安置所有旅客的最少的独木舟条数。现在请写一个 程序，读入独木舟的最大承载量、旅客数目和每位旅客的重量。根据给出的规则，计算 要安置所有旅客必须的最少的独木舟条数，并输出结果。