PDD数据分析一面面经
一小时，好多统计学相关的忘了，稍微整理一下
针对之前的实习，里面每个操作都进行了深入的质问
Q：对部分账号采取曝光优先的策略，怎么判断之后ctr的上升是因为这个曝光增加的策略
A：ab-test，假设检验，我只会解释原理，问我具体怎么做，晕
Q：怎么判断账号CTR、时长等指标的有没有异常值
A：假设服从正态分布，看大于均值1/2/3个方差
Q：讲一下箱型图，怎么根据箱型图判断异常值
A：箱型图略，第二个不会
Q：除了正态分布，还有什么方法找出异常值
A：机器学习，回归
Q：回归分析的时候，怎么判断异常点
A：库克距离，杠杆值
Q：回归分析，变量间有相关性怎么办
A：降维，主成分分析PCA
Q：讲一下PCA原理，如果降维后发现维度没有下降，为什么，怎么办
A：不可能，降维根据特征值排的，可以根据人工选；如果降维后的变量要很多个才能让总方差超过80%，那之前的相关性也不大吧
Q：聚类算法的原理，怎么确定k，怎么确定停止条件。
A：略
Q：随机森林和xgboost有什么区别；随机森林的随机性体现在哪两个步骤
A：略；样本抽样、特征抽样
Q：boosting和bagging有什么区别，模型融合除了boosting和bagging还有什么方法
A：减小偏差和减小方差；不会
Q：怎么判断机器学习模型的好坏，解释一下ROC、AUC，如果过拟合，roc曲线会长什么样
A：略，不清楚
Q：特征工程，怎么判断这个特征好不好，怎么筛选特征
A：随机森林变量的重要性排序，其他忘了
Q：python深浅拷贝，什么时候用等号赋值是浅拷贝，什么时候是深拷贝
A：深浅拷贝知道，但是只知道dataframe用等号赋值是浅拷贝
Q：GMV下降怎么分析，怎么判断gmv波动是否异常
A：定位到具体渠道，分内部和外部原因分析（当时忘了gmv是啥，但还是按照指标异动模板答了）；异常？还是正态分布那些。。
Q：手撕sql：一列时间(202008112030)，一列状态(1/0)，选出最新的状态连续为0的数据
| 202008111920 | 0 |
| 202008111921 | 0 |
| 202008111930 | 1 |
| 202008111931 | 1 |
| 202008111923 | 0 |
| 202008111924 | 0 |
A：我当时排序之后写了个自连接，但是面试官说会把最上面两条也选出来
投递快手等公司10个岗位 >