2026年机器学习工程师面试编程题库含答案.docxVIP

第PAGE页共NUMPAGES页

2026年机器学习工程师面试编程题库含答案

第一部分：数据预处理与特征工程（共5题，每题10分）

1.数据清洗与缺失值处理（10分）

假设你正在处理一份包含用户消费数据的CSV文件，其中包含以下列：`用户ID`（整数）、`年龄`（浮点数）、`消费金额`（浮点数）、`购买频次`（整数）。部分数据缺失，请编写Python代码实现以下功能：

（1）删除`用户ID`列，仅保留其他列。

（2）将`年龄`列的缺失值用该列的中位数填充。

（3）将`消费金额`列的缺失值用该列的均值填充。

（4）将`购买频次`列的缺失值用该列的众数填充。

（5）输出处理后的前5行数据。

python

importpandasaspd

importnumpyasnp

示例数据

data={

用户ID:[1,2,3,4,5,np.nan],

年龄:[25,np.nan,30,35,40,28],

消费金额:[100,200,np.nan,300,400,150],

购买频次:[5,3,2,np.nan,4,3]

}

df=pd.DataFrame(data)

（1）删除用户ID列

df=df.drop(columns=[用户ID])

（2）年龄列用中位数填充

df[年龄].fillna(df[年龄].median(),inplace=True)

（3）消费金额列用均值填充

df[消费金额].fillna(df[消费金额].mean(),inplace=True)

（4）购买频次列用众数填充

df[购买频次].fillna(df[购买频次].mode()[0],inplace=True)

（5）输出前5行

print(df.head())

答案解析：

-删除`用户ID`列使用`drop`函数，无需额外说明。

-年龄列的缺失值用中位数填充，因为年龄分布可能存在异常值，中位数更稳健。

-消费金额列用均值填充，假设金额数据无明显偏态分布。

-购买频次列用众数填充，频次通常为离散值，众数更合理。

2.特征缩放与标准化（10分）

给定以下数据集：

|X1|X2|

|-|-|

|10|200|

|20|400|

|30|600|

请编写Python代码，使用`StandardScaler`对`X1`和`X2`进行标准化处理，并输出缩放后的结果。

python

fromsklearn.preprocessingimportStandardScaler

importnumpyasnp

示例数据

data=np.array([[10,200],[20,400],[30,600]])

X1,X2=data[:,0],data[:,1]

标准化

scaler=StandardScaler()

scaled_data=scaler.fit_transform(data)

print(scaled_data)

答案解析：

-`StandardScaler`将数据转换为均值为0、标准差为1的分布。

-输出结果应为：`[[-1-1,[0.,0.],[11]`。

3.特征编码（10分）

假设你有一份包含`城市`列的数据集：`[北京,上海,广州,北京,上海]`。请编写Python代码，使用`OneHotEncoder`将`城市`列转换为独热编码形式。

python

fromsklearn.preprocessingimportOneHotEncoder

示例数据

data=[[北京],[上海],[广州],[北京],[上海]]

encoder=OneHotEncoder(sparse=False)

encoded_data=encoder.fit_transform(data)

print(encoded_data)

答案解析：

-`OneHotEncoder`将分类变量转换为二进制矩阵。

-输出结果应为：

[[1.0.0.],

[0.1.0.],

[0.0.1.],

[1.0.0.],

[0.1.0.]]

4.特征交互（10分）

给定以下数据集：

|X1|X2|

|-|-|

|1|2|

|2|3|

|3|4|

请编写Python代码，计算`X1`和`X2`的乘积特征（即`X1X2`），并添加到原始数据集中。

python

importpandas