大厂数据科学家面试题及答案.docxVIP

第PAGE页共NUMPAGES页

2026年大厂数据科学家面试题及答案

一、统计学与机器学习基础（5题，每题10分，共50分）

1.题目：

假设你正在处理一个电商平台的用户购买数据，发现用户的购买频率（每周购买次数）符合泊松分布，参数为λ=2。请解释泊松分布在描述此类数据时的合理性，并计算用户每周至少购买一次的概率。

2.题目：

在逻辑回归模型中，如果某个特征的系数为负值，说明什么？请结合实际场景举例说明。

3.题目：

假设你使用决策树模型进行分类，但发现模型在训练集上表现良好，但在测试集上表现较差。请分析可能的原因，并提出至少三种解决方案。

4.题目：

解释过拟合和欠拟合的概念，并说明如何通过交叉验证来检测模型是否存在过拟合或欠拟合。

5.题目：

在聚类分析中，K-means算法的优缺点是什么？如果数据集存在非线性分布，你会选择哪种聚类算法，并说明理由。

二、编程与工具应用（3题，每题15分，共45分）

1.题目：

使用Python实现一个简单的线性回归模型，输入为房屋面积（平方米）和房屋价格（万元），输出为预测价格。要求：

-使用自实现梯度下降法求解权重；

-计算均方误差（MSE）。

2.题目：

假设你使用SparkMLlib进行特征工程，数据包含以下字段：年龄、性别（字符串）、收入（浮点数）。请编写代码将性别转换为数值特征，并对收入进行标准化