對于數據庫分析人員來說，面試前做好面試準備很重要，你了解哪些面試問題呢?下面小編已經為你們整理了數據分析面試的問題,希望可以幫到你。

　　數據分析面試的問題(一)

　　一、異常值是指什么?請列舉1種識別連續型變量異常值的方法?

　　異常值(Outlier)是指樣本中的個別值，其數值明顯偏離所屬樣本的其余觀測值。在數理統計里一般是指一組觀測值中與平均值的偏差超過兩倍標準差的測定值。

　　Grubbs’ test(是以Frank E.Grubbs命名的)，又叫maximumnormed residual test，是一種用于單變量數據集異常值識別的統計檢測，它假定數據集來自正態分布的總體。

　　未知總體標準差σ，在五種檢驗法中，優劣次序為：t檢驗法、格拉布斯檢驗法、峰度檢驗法、狄克遜檢驗法、偏度檢驗法。

　　二、什么是聚類分析?聚類算法有哪幾種?請選擇一種詳細描述其計算原理和步驟。

　　聚類分析(clusteranalysis)是一組將研究對象分為相對同質的群組(clusters)的統計分析技術。聚類分析也叫分類分析(classification analysis)或數值分類(numerical taxonomy)。聚類與分類的不同在于，聚類所要求劃分的類是未知的。

　　聚類分析計算方法主要有：層次的方法(hierarchical method)、劃分方法(partitioning method)、基于密度的方法(density-based method)、基于網格的方法(grid-based method)、基于模型的方法(model-based method)等。其中，前兩種算法是利用統計學定義的距離進行度量。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心;而對于所剩下其它對象，則根據它們與這些聚類中心的相似度(距離)，分別將它們分配給與其最相似的(聚類中心所代表的)聚類;然后再計算每個所獲新聚類的聚類中心(該聚類中所有對象的均值);不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。

　　其流程如下：

　　(1)從 n個數據對象任意選擇 k 個對象作為初始聚類中心;

　　(2)根據每個聚類對象的均值(中心對象)，計算每個對象與這些中心對象的距離;并根據最小距離重新對相應對象進行劃分;

　　(3)重新計算每個(有變化)聚類的均值(中心對象);

　　(4)循環(2)、(3)直到每個聚類不再發生變化為止(標準測量函數收斂)。

　　優點：本算法確定的K 個劃分到達平方誤差最小。當聚類是密集的，且類與類之間區別明顯時，效果較好。對于處理大數據集，這個算法是相對可伸縮和高效的，計算的復雜度為 O(NKt)，其中N是數據對象的數目，t是迭代的次數。一般來說，K<<N，t<<N 。

　　缺點：1. K 是事先給定的，但非常難以選定;2. 初始聚類中心的選擇對聚類結果有較大的影響。

　　三、根據要求寫出SQL

　　表A結構如下：

　　Member_ID (用戶的ID，字符型)

　　Log_time (用戶訪問頁面時間，日期型(只有一天的數據))

　　URL (訪問的頁面地址，字符型)

　　要求：提取出每個用戶訪問的第一個URL(按時間最早)，形成一個新表(新表名為B，表結構和表A一致)

　　create table B as select Member_ID,min(Log_time), URL from A group by Member_ID ;

　　數據分析面試的問題(二)

　　1、你處理過的最大的數據量?你是如何處理他們的?處理的結果。

　　2、告訴我二個分析或者計算機科學相關項目?你是如何對其結果進行衡量的?

　　3、什么是：提升值、關鍵績效指標、強壯性、模型按合度、實驗設計、2/8原則?

　　4、什么是：協同過濾、n-grams,mapreduce、余弦距離?

　　5、如何讓一個網絡爬蟲速度更快、抽取更好的信息以及更好總結數據從而得到一干凈的數據庫?

　　6、如何設計一個解決抄襲的方案?

　　7、如何檢驗一個個人支付賬戶都多個人使用?

　　8、點擊流數據應該是實時處理?為什么?哪部分應該實時處理?

　　9、你認為哪個更好：是好的數據還是好模型?同時你是如何定義“好”?存在所有情況下通用的模型嗎?有你沒有知道一些模型的定義并不是那么好?

　　10、什么是概率合并(AKA模糊融合)?使用SQL處理還是其它語言方便?對于處理半結構化的數據你會選擇使用哪種語言?

　　11、你是如何處理缺少數據的?你推薦使用什么樣的處理技術?

　　12、你最喜歡的編程語言是什么?為什么?

　　13、對于你喜歡的統計軟件告訴你喜歡的與不喜歡的3個理由。

　　14、SAS,R,Python,Perl語言的區別是?

　　15、什么是大數據的詛咒?

　　16、你參與過數據庫與數據模型的設計嗎?

　　17、你是否參與過儀表盤的設計及指標選擇?你對于商業智能和報表工具有什么想法?

　　18、你喜歡TD數據庫的什么特征?

　　19、如何你打算發100萬的營銷活動郵件。你怎么去優化發送?你怎么優化反應率?能把這二個優化份開嗎?

　　20、如果有幾個客戶查詢ORACLE數據庫的效率很低。為什么?你做什么可以提高速度10倍以上，同時可以更好處理大數量輸出?

　　21、如何把非結構化的數據轉換成結構化的數據?這是否真的有必要做這樣的轉換?把數據存成平面文本文件是否比存成關系數據庫更好?

　　22、什么是哈希表碰撞攻擊?怎么避免?發生的頻率是多少?

　　23、如何判別mapreduce過程有好的負載均衡?什么是負載均衡?

　　24、請舉例說明mapreduce是如何工作的?在什么應用場景下工作的很好?云的安全問題有哪些?

　　25、(在內存滿足的情況下)你認為是100個小的哈希表好還是一個大的哈希表，對于內在或者運行速度來說?對于數據庫分析的評價?

　　26、為什么樸素貝葉斯差?你如何使用樸素貝葉斯來改進爬蟲檢驗算法?

　　27、你處理過白名單嗎?主要的規則?(在欺詐或者爬行檢驗的情況下)

　　28、什么是星型模型?什么是查詢表?

　　29、你可以使用excel建立邏輯回歸模型嗎?如何可以，說明一下建立過程?

　　30、在SQL,Perl,C++,Python等編程過程上，待為了提升速度優化過相關代碼或者算法嗎?如何及提升多少?

　　
看了“數據分析面試的問題”