数据分析
-
题目给出大规模、杂乱的原始数据，要求你“挖掘规律”“找出关系”“分析原因”“提取特征”。
-
目标不是预测未来，也不是对多个对象排序，而是洞察数据内在结构，往往需要做可视化、统计检验或相关分析。
-
常见背景：互联网用户行为、传感器记录、社会调查、GPS轨迹等。
常用方法：描述统计、相关性分析、假设检验、主成分分析、数据可视化、文本情感分析等。
预测
-
题目提供历史数据（时间序列、面板数据等），明确要求对未来的某个量或某个事件做出预测，或者填补未知数据。
-
经常出现关键词：“预测”“预报”“趋势”“外推”“估计（未来的）…”。
-
模型评价指标必然包含MSE、MAE、准确率等精度度量。
常用方法：时间序列（ARIMA、Prophet）、回归预测（随机森林、XGBoost）、灰色预测GM(1,1)、神经网络等。
评价
-
题目给出多个备选对象（方案、企业、地区、产品），要求你建立指标体系进行综合评判、打分或排序，从而选优或分级。
-
典型问法：“评价…的优劣”“对…进行综合评估”“给出…的排名”“哪种方案更合理”。
-
往往由你自己构建评价指标，并需要合理赋权。
常用方法：层次分析法(AHP)、熵权法、TOPSIS、模糊综合评价、灰色关联度、主成分评价。
优化分配
-
有明确的决策变量和目标函数（最大化收益/效率，或最小化成本/耗时），并存在各种约束条件。
-
题目关键动词：“优化”“最优分配”“调度”“路径规划”“制定最优策略”“使…最大/最小”。
-
常见场景：物流调度、资源分配、投资组合、生产排程、路径规划。
常用方法：线性/非线性规划、整数规划、动态规划、网络流、遗传算法、粒子群等启发式优化算法。
分类/聚类
-
分类：已给出带有标签的训练样本，要求对新样本判别其所属类别，或建立判别规则。
-
聚类：没有任何标签，要求根据样本的相似性将其划分成若干有意义的群组，发现潜在类别。
-
问法如：“请给出…的分类结果”“将…划分为若干类”“探索…是否存在不同类型”“顾客细分”。
机理分析
-
题目以自然科学（物理、化学、生物、工程）为背景，要求建立反映系统内部因果过程的数学模型，解释现象的产生机制，而不只是数据拟合。
-
典型词：“建立机理模型”“动力学”“传输过程”“反应机理”“推导…公式”“由原理出发”。
-
模型中经常出现微分方程、差分方程或物理定律的推导。
部分信息可能已经过时