数据分析师常见问题（1）

1）.sql三种排序的区别

 2）.几种连接方式

3）.union和union all的区别

4) .drop和delete的区别

5）.有关机器学习random forest 和xgboost的区别

 6) .SVM原理

SVM是在特征空间上找到最佳的分离超平面，使得训练集上的正负样本间隔最大。是用来解决二分类问题的有监督学习算法，在引入核方法后也可以解决非线性问题。

7）.Hadoop有哪几种存储格式

参考：Hadoop文件存储格式_赵昕彧的博客-CSDN博客_hadoop存储方式

8）.SQL 的执行顺序

FROM、ON 、JOIN、WHERE、GROUP BY、AGG_FUNC、WITH、HAVING、SELECT、UNION、DISTINCT 、ORDER BY、LIMIT

from（阐述对哪些表进行操作）-where（选出想要的记录）-group by（对选出的记录进行分组）-having（对分组后结果进行筛选）-select（选取需要的列）-order by（确定查询结果的排序规则）

AGG_FUNC：常用的 Aggregate 函数包涵以下几种：（AVG：返回平均值）、（COUNT：返回行数）、（FIRST：返回第一个记录的值）、（LAST：返回最后一个记录的值）、（MAX： 返回最大值）、（MIN：返回最小值）、（SUM： 返回总和）

WITH 对虚拟表5应用ROLLUP或CUBE选项，生成虚拟表

书写顺序大家都很清楚，就是常规的 select-from-where-group by-having-order by

9).简述p值的概念

根据检验统计量的样本观察值得出的概率，此概率为原假设可被拒绝的最小显著性水平

本质上是一种概率，可以由统计量的样本观察值计算出来，与显著性水平作比较时可以得出拒绝/不拒绝原假设的判断，这种检验方法也被称为p值法

10).如何向没有统计学基础的业务方从p值的角度解读AB实验的结果

AB实验的核心思想是假设检验，原假设为“策略/功能无效”（线上指标并不显著），备择假设为“策略/功能有效”（线上指标显著）。对于业务方而言，无须特别细究p值的定义，只需要向其说明p值小于AB实验设定的显著性水平即可判定策略或功能有效。