本文介绍了数据分析面试中常见的问题，包括EDA（探索性数据分析）的组成部分，如频数分析、集中趋势分析、离散程度分析、分布和相关性分析。还讨论了同比、环比的概念及其在业务中的应用。此外，详细解释了相关性与因果性的区别，以及聚类、分类、回归和时间序列预测的定义、应用场景和相关算法。最后，提到了时间序列预测的特点和注意事项，以及与回归预测的区别。
Q1、什么是EDA(Exploratory Data Analysis)？
EDA（Exploratory Data Analysis）即数据探索性分析，需要对数据集中的变量进行统计和分布描述、了解变量间的相互关系，从整体上了解数据集的数据特征。探索性分析要对调查总体所有变量的有关数据进行统计性描述，主要包括数据的频数分析、集中趋势分析、离散程度分析、分布以及一些基本的统计图形。
①数据的频数分析。在数据的预处理部分，利用频数分析和交叉频数分析可以检验异常值
②数据的集中趋势分析。用来反映数据的一般水平，常用的指标有平均值、中位数和众数等。
③数据的离散程度分析。主要是用来反映数据之间的差异程度，常用的指标有方差和标准差。
④数据的分布。在统计分析中，通常要假设样本所属总体的分布属于正态分布，因此需要用偏度和峰度两个指标来检查样本数据是否符合正态分布。
⑤数据的相关性分析。探索不同变量之间的相关性，可以使用相关性图进行展示，表示各变量之间的相关程度，为后续机器学习的特征选择提供依据。
Q2、什么是同比、环比，意义是什么？
环比：与相连续的上一个统计周期进行对比，环比增长速度=（本期数－上期数）÷上期数×100% ，反映本期比上期增长了多少，如2021年12月和2021年11月对比，环比的好处是可以更直观的表明阶段性的变换，但是会受季节性因素影响。
同比：是对去年同期的一个统计阶段进行对比，同比增长率=（本期数－同期数）÷同期数×100%，如今年的这个月和去年的这个月，同比的好处是可以排除一部分季节因素。
Q3、什么是相关性分析？相关和因果的区别是什么？</
扫一扫
4183
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
