2026年数据科学竞赛试题机器学习算法应用与实践题.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学竞赛试题：机器学习算法应用与实践题

第一部分：数据预处理与特征工程（共3题，每题10分）

1.数据清洗与缺失值处理

背景：某电商平台收集了2023年11月至2024年4月的用户购买行为数据，用于分析用户消费偏好。数据包含用户ID、商品类别、购买金额、购买时间、用户性别、年龄等字段。部分数据存在缺失值，具体如下：

-商品类别：缺失5%

-购买金额：缺失2%

-用户性别：缺失1%

-年龄：缺失8%

要求：

（1）针对不同类型的缺失值，分别提出合理的填充方法（商品类别、购买金额、用户性别、年龄）。

（2）解释为何选择这些填充方法，并说明可能存在的潜在偏差。

（3）若商品类别缺失比例较高，是否考虑删除该特征？说明理由。

2.特征编码与衍生变量

背景：某城市交通管理部门收集了2023年全年的交通流量数据，用于预测高峰时段拥堵情况。数据包含时间（小时）、天气、是否节假日、道路类型等字段。部分特征为分类变量，需进行编码。

要求：

（1）针对以下特征，分别选择合适的编码方法：

-商品类别（多分类，如“电子”、“服装”、“家居”）

-是否节假日（二分类，如“是”“否”）

（2）如何从时间特征中衍生新的特征（如星期几、是否高峰时段）？

（3）解释特征编码对模型的影响，并说明为何选择特定编码方法。

3.特征选择与降维

背