数据解析总结岗位笔试题目总结.doc

数据分析岗位笔试题目总结
阿里巴巴
1、异常是指什么?列1种型量异常的方法?
异常(Outlier)是指本中的个，其数明偏离所属本的其余。在数理里一般是指一中与平均的偏差超两倍准差的定.
常的异常方法如下：
基于的方法也有诸多弊端，第一，容易忽视随机误差，低估标准差和其他未知性质的测量值，而且这一问题会随着缺失信息的增多而变得更加严重。第二，研究者必须假设存在缺失值所在的变量与其他变量存在线性关系，很多时候这种关系是不存在的。
5..Apriori算法和信息熵
信息熵是数学中一个抽象的概念，他表示了信息源的不确定度，
这里不妨把信息熵理解成某种特定信息的出现概率，当一种信息出现
概率更高的时候，表明它被传播得更广泛，或者说，被引用的程度更
数据分析岗位笔试题目总结
高。我们可以认为，从信息传播的角度来看，信息熵可以表示信息的价值。
支持度：Support(A->B)=P(AUB)。支持度揭示了A与B同时出现的概率。如果A与B同时出现的概率小，说明A与B的关系不大；如果A与B同时出现的非常频繁，则说明A与B总是相关的。
置信度(Confidence)的公式式：Confidence(A->B)=P(A|B)。
置信度揭示了A出现时，B是否也会出现或有多大概率出现。如果置
信度度为100%，则A和B可以捆绑销售了。如果置信度太低，则说
明A的出现与B是否出现关系不大。
H(x)=E[I(xi)]=E[log(2,1/p(xi))]=-∑p(xi)log(2,p(xi))
(i=1,2,..n)，单位是bit.
其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集,随机变量的输出用x表示。P(x)表示输出概率函数。变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大.
数据分析岗位笔试题目总结以频繁项集{I1，I2，I3}为例产生强xx规则，最小置信度为40%
(1)频繁项集{I1，I2，I3}的非空子集有{I1，I2},{I1，I3},{I2，
I3},{I1},{I2},{I3}
数据分析岗位笔试题目总结产生强xx规则
{I1，I2}=>I3
confidence=support({I1,I2,I3})/support({I1,I2})=2/4=
{I1,I3}=>I2confidence=support（I1，I2，I3）
/support(I1,I3)=2/4=
{I2,I3}=>I1confidence=support（I1，I2，I3）
/support(I2,I3)=2/4=
I1=>{I2,I3}confidence=support（I1，I2，I3）
/support(I1)=2/6=
I2=>{I1,I3}confidence=support（I1，I2，I3）
/support(I2)=2/7=
I3=>{I1,I2}confidence=support（I1，I2，I3）
/support(I3)=2/6=
则强xx规则为：{I1，I2}=>I3；{I1,I3}；{I2,I3}=>I1
3、根据要求写出SQL（没有学习过，之后的学习中需要补）
表A结构如下：
Member_ID(用户的ID，字符型)
Log_time(用户访问页面时间，日期型(只有一天的数据))
数据分析岗位笔试题目总结URL(访问的页面地址，字符型)
要求：提取出每个用户访问的第一个URL(按时间最早)，形成一
个新表(新表名为B，表结构和表A一致)
参考答案：
createtableBasselectMember_ID,min(Log_time),URLfromAgroupbyMember_ID;5、用户调研
某公司针对A、B、C三类客户，提出了一种统一的改进计划，用于提升客户的周消费次数，需要你来制定一个事前试验方案，来支持决策，请你思考下列问题：
试验需要为决策提供什么样的信息?
按照上述目的，请写出你的数据抽样方法、需要采集的数据指标项，以及你选择的统计方法。
试验要能证明该改进计划能显著提升A、B、C三类客户的周消费次数。
根据三类客户的数量，采用分层比例抽样;
需要采集的数据指标项有：客户类别，改进计划前xx消费次数，改进计划后xx消费次数;
数据分析岗位笔试题目总结选用统计方法为：分别针对A、B、C三类客户，进行改进前和后
的周消费次数的，两独立样本T-检验
常见的抽样方法有哪些？常用的有以下六种类型：
简单抽样（Simplesampling）
即简单随机抽样，指保证大小为n的每个可能的样本都有相同的被抽中的概率。例如：按照“抽签法”、“