CDA数据分析师 出品
作者：徐杨老师
编辑：Mika
大家好，我是徐杨老师。
上期给大家分享了一些数据分析师面试基础指南，这期给大家分享一些大厂面试的技术难点。
话不多说，进入正题。
在大厂的技术面试中，有两个地方是非常有难度的。很多小伙伴都折在的这两个地方。
第一个地方，算法的笔试题，而且是手写算法的笔试题。
我们知道大部分人在写算法的时候，通常都是把函数的前几个字母打出来，或者变量名的前几个字母打出来。按一下Tab或者按一下快捷键，就可以带出整个的函数名，然后自己就可以继续往后去写了。
但是如果不过我需要你手写一个算法，显然这是不够的。你只有一张白纸，没有快捷键可以帮你自动调出函数名。
比如说，之前就有一位小伙伴在笔试的时候拿到了一个手写算法的题。
题目很简单，就是让他实现一个分类算法。
那么分类算法比较好的有什么？有XGBoost，对吧？于是，小伙伴大笔一挥写下了import XGBoost。
于是，被扣分。
扣分的原因是什么？sklearn里那个包的名字叫什么？叫XGBoost吗？不是，那个包的名字叫XGBClassifier。
所以说如果你不熟悉这个算法语句中的所有细节，你在手写的时候就类似于写一篇英语作文，可是你忘了单词怎么拼。
这是一个很让人痛苦的事情，算法你会，但是你写不出来。
因此这是第一个技术难点，手写算法。
那就要求大家在日常的学习与工作中，一定要把常用的算法语句用的滚瓜烂熟，才可以让我们在这样的问题上有比较好的回答成果。
第二个在大厂面试中的难点是，把一个技术问题往下深挖好几次。
比如说最简单的一个算法回归分析。有可能在面试的时候面试官问你：
—— 同学，线性回归会吗？
—— 当然会。
—— 线性回归不能有共线性，你知道吗？
—— 当然知道。
Ok，开始提问。
什么是线性回归你的共线性？
你解释了一下。我相信在座的小伙伴都可以解释的很清楚。
下面再往下挖一层：怎么检测共线性？
有的小伙伴可能直接就说，共线性嘛，系相关系数就可以啊。
结果被扣分了。为什么？
我们现在要检测的是线性回归里的相关性，那是要考虑偏相关问题的。只用相关技术矩阵可以吗？不够用的，应该用一些更加深入的指标，比如说VIF值等等去检测。
比如说这个问题你正确的回答了出来，检测变量之间的相关性，可以使用VIF值。
那就再往下挖，为什么要检测变量之间的相关性呢？
如果我不考虑这个问题会有怎样的结果出现，那么你不能只回答，如果不考虑共线性问题的话，我这个模型预测效果不好。
显然面试官想要的不是这么直接的回答，他想问你的是这个问题的技术细节。
所以你在这个地方应该回答出的是：
如果我们不处理共线性的问题，就会导致最后最小二乘法所需要的逆矩阵在被计算的时候，这个矩阵的行列式的值就会非常小。于是导致我们求出来的逆矩阵就会非常的大。这是一个非常不好的结果。
你求出的矩阵，用这个矩阵算出来的所有参数的取值全都趋近于正无穷，你觉得这个效果能好吗？显然有问题。
如果到这儿你仍然可以准确的回答出来，这已经被挖了三次了，但是你要知道这个问题还可以继续往后挖。
我们再往后挖就是，如果普遍检测出了一共10个变量，这10个变量普遍VIF值都比较高，我们有什么好的方法来处理？
有同学可能马上就会说，正则化方法嘛。
正则化方法又可以问问题了。
正则化方法有偏还是无偏？用完了以后效果怎么样？哪个包可以实现？
我们发现这种技术问题，面试官可以就一个点给你一直往下深挖好几层。
我看过一个调查，同一个问题，当一般往下深挖到第5层的时候，大部分人就已经回答不出来了。
所以这就要求大家平时在学习与工作中，要把每一个技术细节都掌握好，要把技术细节之间的联系找到。因为往下深挖，其实挖的就是这些技术点之间的联系，这是第二个在大场面之中非常容易折的一个点。
以上就是今天给小伙伴们的分享，希望对大家有帮助，谢谢大家。
数据分析咨询请扫描二维码
