数据分析师面试题目_拼多多面经分享：24个「数据分析师」岗位面试题和答案解析...

01

问：贝叶斯公式复述并解释应用场景

P(A|B) = P(B|A)*P(A) / P(B)

如搜索query纠错，设A为正确的词，B为输入的词，那么：P(A|B)表示输入词B实际为A的概率

P(B|A)表示词A错输为B的概率，可以根据AB的相似度计算(如编辑距离)

P(A)是词A出现的频率，统计获得

P(B)对于所有候选的A都一样，所以可以省去

02

问：如何写SQL求出中位数平均数和众数(除了用count之外的方法)

1. 中位数方案1(没考虑到偶数个数的情况)：

1 set @m = (select count(*)/2 from table)

2 select column from table order by column limit @m, 1方案2(考虑偶数个数，中位数是中间两个数的平均)：

1 set @index = -1

2 select avg(table.column)

3 from

4 (select @index:=@index+1 as index, column

5 from table order by column) as t

6 where t.index in (floor(@index/2),ceiling(@index/2))

2. 平均数

1 select avg(distinct column) from table

3. 众数

1 select column, count(*) from table group by column order by column desc l

03

问：如何避免决策树过拟合限制树深

剪枝

限制叶节点数量

正则化项

增加数据

bagging(subsample、subfeature、低维空间投影)

数据增强(加入有杂质的数据)

早停

04

问：朴素贝叶斯的理解理解：朴素贝叶斯是在已知一些先验概率的情况下，由果索因的一种方法

其它：朴素的意思是假设了事件相互独立

05

问：SVM的优点

优点：能应用于非线性可分的情况

最后分类时由支持向量决定，复杂度取决于支持向量的数目而不是样本空间的维度，避免了维度灾难

具有鲁棒性：因为只使用少量支持向量，抓住关键样本，剔除冗余样本

高维低样本下性能好，如文本分类

缺点：模型训练复杂度高

难以适应多分类问题

核函数选择没有较好的方法论

06

问：Kmeans的原理初始化k个点

根据距离点归入k个类中

更新k个类的类中心

重复②③，直到收敛或达到迭代次数

07

问：口答一个SQL题(要用到row number)

mysql中设置row number：

1 SET @row_number = 0; SELECT (@row_number:=@row_number + 1) AS num FROM table

08

问：业务场景题，如何分析次日留存率下降的问题

业务问题关键是问对问题&