109个数据科学面试问答，你绝对不能错过的宝藏库！

计算就是数据科学家通过原始数据来做出预测和建模的过程。没有杰出的统计学知识，是很难成为一个成功的数据科学家的。因此，一个优秀的面试官大概率会通过一些统计向的数据科学问题，来试探你对这个领域的理解。那么面试者最好对一些基本的统计问题有所准备，以此为数据面试做更充分的准备。

下列是我们搜寻到的一些常见统计问题：

1. 什么是中心极限定理?它为什么很重要?

“假设，我们有兴趣来估算所有人的平均身高。搜集世界上每个人的数据是不可能的。虽然我们不能获得每个人的身高测量数据，但我们仍可以从一些人身上取样。那么问题就变成了，对于这个单一的样本推测出的整个人口的平均身高，你的看法是怎么样的。中心极限定理其实也就是在讨论这个问题。”

2. 什么是抽样? 你知道多少种抽样方法?

“数据抽样是一种统计分析技术，用于选择、操作和分析具有代表性的数据点子集，以识别正在测试的更大数据集中的模式和趋势。”

3. I类错误和II类型错误的区别是什么?

“当原假设为真但被拒绝时，会发生I类错误。如果原假设是不成立的，但却错误地没有被拒绝，就会发生 II 类错误。”

4. 什么是线性回归?P 值、系数、和R平方值这些术语又是什么意思?它们各自的重要性又是怎样的?

线性回归是快速预测分析的好工具。举例来讲，房子的价格取决于许多因素，比如它的大小或位置。为了看到这些变量之间的关系，我们需要建立一个线性回归模型，它可以预测变量之间的最佳匹配线，并且可以帮助得出这两个因素之间是正相关还是负相关。

5. 线性回归需要什么样的假设?

有四个主要假设：

• 因变量和回归变量之间存在线性关系，这意味着你正在创建的模型实际上适合数据。
• 数据的误差或残差是正态分布的，相互独立。
• 在解释变量间存在最小多重共线性。
• 同方差性。这意味着对于预测变量的所有值，回归线周围

（编辑：四平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!