面试遇到的数据挖掘问题
作者：Ivonne
链接：https://www.nowcoder.com/discuss/240139?type=post&order=time&pos=&page=2
来源：牛客网
面试准备参考资料
统计知识：
知乎ABtest和假设检验、流量分配
https://zhuanlan.zhihu.com/p/36384858
人人都是产品经理-吆喝科技-AB测（其他文章也可以看看）
http://www.woshipm.com/u/96204/page/3
业务类：
快手商业化提速
http://www.woshipm.com/it/1845819.html
快手与抖音功能对比：观看体验和评论功能
http://www.woshipm.com/evaluating/990676.html
产品日活DAU下降，我该如何着手分析？
http://www.woshipm.com/data-analysis/2467030.html
竞品分析报告：B站 VS A站 &抖音
http://www.woshipm.com/data-analysis/2589190.html
面经类：
数据分析岗面试笔试题汇总
https://www.nowcoder.com/discuss/100521?type=post&order=time&pos=&page=2
SQL手撕连续3天以上存在记录的数据，并求出对应金额总和
SQL手撕连续3天以上存在记录的数据，并求出对应金额总和
会用sql吗？hive和mysql的区别
PDD电话面试
作者：Lanny靓儿🎈
链接：https://www.nowcoder.com/discuss/228882?type=post&order=time&pos=&page=1
1.sql题：
已知一个订单表，有字段【订单号】，【日期】，【下单时间】，【下单金额】，【商品一级类目】，【商品二级类目】
请求最近7天内每一个一级类目下成交总额排名前3的二级类目。说一下思路：
1.先筛时间7天内,datediff(now(),日期)<=7
2.分组group by一级类目
3.sum开窗求每个二级类目销售总金额，sum(下单金额) over(partition by二级类目) as total_amt
4.再用rank(total_amt) over() rk rk in[1,2,3]或order by total_amt 结合Limit 3选前3。
2.自我介绍：介绍了自己做数据分析和挖掘的实习经历和感想。
3.分析和挖掘你更偏向哪个方向？
4.问项目细节
5.缺失值怎么处理？异常值怎么判断？
连续型我答用均值填充，又问离散型怎么弄，想了半天每想到，面试官提示介绍下极大似然估计法，最后说用众数去填充。
异常值看数据分布，均值、标准差，画图，箱线图判断等
6.模型的评价指标有哪些：
accuracy,precision,recall,F1,ROC,AUC
其他方面的评价:模型的稳定性，参数的显著性检验
7.过拟合是什么原因造成的，有哪几个方面？
自己答了模型层面上的，面试官一直问还有吗，最后他回答：从样本层面上有样本不均衡，维度过多，数据样本太少等问题。
开窗函数 SUM() OVER() 数据统计中一例使用
SQL手撕连续3天以上存在记录的数据，并求出对应金额总和
作者：靛蓝催化剂
链接：https://www.nowcoder.com/discuss/291085?type=post&order=time&pos=&page=1
来源：牛客网
VIVO：一面挂
泊松分布、二项分布、正态分布的区别。它们是什么类型的分布（离散or连续）？泊松分布的极限形式是什么？
对数据分析工作的理解。
Left join和full join的区别。索引的原理
怎么用Python做数据清洗工作
业务题：如何统计地铁1号线1天内的客流量。（在车上按照车厢进行统计）
- 一个SQL大题，两小问（10min做完），一个是计算不同观看时长区间的日均用户数量，一个是计算次日留存率
参考：SQL计算留存率 https://blog.csdn.net/MsSpark/article/details/86754301
作者：人丑就得多读书fjyy
链接：https://www.nowcoder.com/discuss/227633?type=all&order=time&pos=&page=1
来源：牛客网
笔试题一共60min，分选择题和3道问答题，简要说一下还记得的知识点：
1）商汤的数据工程师，比较偏考察概率论和建模等一些基本的数据统计方法的掌握：
如（数据挖掘150道考题：https://blog.csdn.net/u014365862/article/details/52526778）
1.k-nn最近邻方法在（样本较少但典型性好）的情况下效果较好
2.Presion和recall等分类算法的评价标准
3.不属于关联分析的关键要素是：满意度
4.SQL操作题：drop&delete
5.众数>中位数>平均数属于左偏分布
6.概率题：条件概率--因为不会，所以抄上了
S市A B两个区，人口比例为3：5，根据历史统计A的犯罪率为0.01%，B的犯罪率为0.015%，现有仪器新案件发生在S市，那么案件发生在A区的可能性有多大？？ 28.6%
2)问答题：
1.数据预处理中，缺失值的处理方法
2.中心极限定理是什么，它有什么应用场景
中心极限定理：样本的平均值约等于总体的平均值
3.一条带有字关联、子查询的Sql语句，让我们评价它的检索速率（肯定效率低），并写一句效率高的改善
python中用什么做的特征选择。
A：feature_selection模块的selectKBest和selectPercentile
Q：选择标准
A：卡方检验
拼多多集团-PDD工作强度 271人发布
