2025年AI数据特征工程基础实操考核卷及答案.docxVIP

2025年AI数据特征工程基础实操考核卷及答案

考试时间：______分钟总分：______分姓名：______

一、选择题

1.下列哪一项不属于特征工程的常见目标？

A.提高模型预测精度

B.降低模型复杂度

C.减少数据维度

D.增加数据量

2.在特征工程中，对缺失值进行处理时，以下哪种方法通常会导致数据信息损失？

A.删除含有缺失值的样本

B.使用均值或中位数填充

C.使用众数填充

D.使用模型预测缺失值

3.下列哪种方法属于过滤式特征选择？

A.递归特征消除（RFE）

B.Lasso回归

C.基于树模型的特征排序

D.逐步回归

4.对于非线性关系的数据，以下哪种特征转换方法可能更有效？

A.对数转换

B.平方转换

C.标准化

D.多项式特征转换

5.在特征工程中，用于衡量特征与目标变量之间相关性的统计量通常是？

A.方差

B.偏度

C.相关系数

D.峰度

6.下列哪种数据缩放方法适用于处理具有不同量纲的数据？

A.标准化

B.压缩比例

C.最大最小缩放

D.对数缩放

7.在特征交互中，将两个特征相乘的操作通常称为？

A.特征归一化

B.特征交叉

C.特征编码

D.特征转换

8.对于高维稀疏数据，以下哪种特征选择方法可能更适用？

A.主成分分析（PCA）

B.岭回归

C.Lasso回归

D.决策树特征选择

9.在特征工程中，用于将类别特征转换为数值特征的方法通常是？

A.标准化

B.One-Hot编码

C.标签编码

D.二值化

10.下列哪个步骤不属于特征工程的主要流程？

A.数据清洗

B.特征提取

C.模型训练

D.特征选择

二、填空题

1.特征工程的核心思想是通过______和______来创造新的、更有信息的特征，从而提升机器学习模型的性能。

2.在处理文本数据时，常用的特征提取方法包括______和______。

3.特征选择的目标是从原始特征集中选择出______的子集，以提高模型的泛化能力和降低模型复杂度。

4.数据标准化通常将特征的均值转换为______，标准差转换为______。

5.特征交互可以捕捉特征之间的______关系，有助于提高模型的解释能力。

三、判断题

1.特征工程是一个迭代的过程，通常需要在模型训练后进行多次调整。（）

2.缺失值处理是特征工程中不可或缺的一步，直接删除缺失值样本不会造成信息损失。（）

3.特征选择和特征提取是同一个概念，都是为了减少特征数量。（）

4.One-Hot编码适用于所有类别特征，不会增加数据维度。（）

5.特征工程只能应用于监督学习任务，无法用于无监督学习任务。（）

四、实操作业

1.假设你有一个包含年龄、收入和购买意愿的数据集，请描述如何对这三个特征进行标准化处理，并解释标准化的目的。

2.你正在处理一个文本分类任务，数据集中包含大量的文本数据。请列举至少三种特征提取方法，并简要说明每种方法的原理。

3.假设你使用Lasso回归进行特征选择，得到了一个包含五个特征的选择结果。请解释Lasso回归是如何进行特征选择的，并说明在实际情况中如何判断哪些特征是重要的。

试卷答案

一、选择题

1.D

解析：特征工程的目标是提高模型性能、降低模型复杂度和减少数据维度，增加数据量通常不属于特征工程的目标。

2.A

解析：删除含有缺失值的样本会直接导致数据量的减少，从而造成信息损失。使用均值、中位数、众数填充或模型预测缺失值等方法可以在一定程度上保留信息。

3.B

解析：Lasso回归通过引入L1正则化项，可以将不重要的特征系数压缩为0，从而实现特征选择。这是一种过滤式特征选择方法。RFE是递归特征消除，属于包裹式特征选择；基于树模型的特征排序属于嵌入式特征选择；逐步回归也是一种包裹式特征选择方法。

4.D

解析：多项式特征转换可以捕捉特征之间的非线性关系，对于非线性关系的数据可能更有效。对数转换、平方转换主要用于处理偏态数据；标准化是消除量纲影响；压缩比例和最大最小缩放属于数据缩放方法。

5.C

解析：相关系数是衡量特征与目标变量之间线性相关性的常用统计量。方差衡量数据的离散程度；偏度和峰度衡量数据分布的形状；标准化和最大最小缩放是数据缩放方法。

6.C

解析：最大最小缩放（Min-Max