(2025年)(完整版)数据挖掘题及答案.docxVIP

(2025年)(完整版)数据挖掘题及答案

某跨境电商平台为提升用户复购率，收集了2023年1月至2024年6月的用户行为数据，包含12万条用户样本，字段涵盖用户基本属性（年龄、性别、注册时长）、消费行为（历史购买次数、最近30天加购次数、平均客单价、最后一次购买距今天数）、互动行为（最近30天浏览商品数、评论次数、优惠券使用次数）及目标变量（未来30天是否复购，1为是，0为否）。数据中存在部分缺失值与异常值，且正负样本比例约为1:4（正样本为复购用户）。请基于该数据完成以下任务：

任务1：数据理解与初步分析

（1）计算目标变量的分布比例，并说明该分布对模型评估的影响；

（2）分析连续型特征（如平均客单价）与目标变量的相关性，需选择至少2种方法并对比结果；

（3）识别分类特征（如性别）的类别分布是否存在显著偏差（显著性水平α=0.05），并给出结论。

任务2：数据预处理

（1）对“年龄”字段的缺失值（缺失率约8%）进行处理，需说明选择的方法及合理性；

（2）检测“最后一次购买距今天数”的异常值（要求使用至少2种方法），并设计处理策略；

（3）对“优惠券使用次数”（取值为0-15次）进行离散化，要求输出3个区间并说明划分依据。

任务3：特征工程

（1）基于现有字段构造2个新特征（需体现用户行为的时间趋势或价值分层），并解释其业务意义；

（2）使用卡方检验