DS（数据科学家）面试题及详细答案.docxVIP

DS（数据科学家）面试题及详细答案

一、基础理论题（入门必问，考察基本功）

1.请解释什么是过拟合、欠拟合，以及实际工作中你是如何避免过拟合的？

答案：首先说核心定义，不绕专业术语。过拟合就是模型“学太细”，把训练数据里的噪声、偶然规律都当成了通用规律，导致训练集效果极好，但测试集、新数据效果很差；欠拟合则是模型“学不会”，连训练数据里的核心规律都没捕捉到，训练集和测试集效果都不好。

实际工作中避免过拟合，我常用这几种方法，都是落地性强的，不是纯理论：

1.数据层面：增加样本量，比如补充相似场景的数据，或者用简单的数据增强（比如时间序列的滑动窗口扩充、分类数据的轻微扰动），减少噪声影响；

2.模型层面：优先用简单模型（比如先试逻辑回归、决策树，再用复杂的XGBoost、LSTM），复杂模型必做正则化——L1正则化（Lasso）可以做特征筛选，去掉冗余特征，L2正则化（Ridge）可以压制系数过大的特征，避免个别特征过度影响模型；

3.验证层面：用交叉验证（比如5折、10折），不是只看单一训练/测试集，通过多次拆分数据，确保模型在不同数据子集上都稳定；另外早停（EarlyStopping）也常用，比如训练神经网络、梯度提升树时，当验证集指标不再提升，就停止训练，避免继续训练导致过拟合。

补充：欠拟合的解决方法相对简单，要么增加模型复杂度（比如决策树加深、增加神经网络