2026年数据科学与计算机系统设计竞赛问题及解决方案研究题库.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学与计算机系统设计竞赛问题及解决方案研究题库

第一部分：数据分析与机器学习应用（共5题，每题20分）

1.题目（20分）：

背景：某电商平台希望利用用户行为数据预测用户购买意愿，以优化商品推荐策略。现有数据集包含用户浏览记录、购买历史、用户画像（年龄、性别、地域等）及商品属性（类别、价格、品牌等），时间跨度为过去一年。要求设计一个机器学习模型，预测用户未来30天内对特定商品类别的购买概率，并分析不同用户群体（如年龄段、地域）的购买特征差异。

问题：

（1）设计数据预处理流程，包括缺失值处理、特征工程和特征选择方法；

（2）选择合适的分类模型（如逻辑回归、随机森林或XGBoost），并说明选择理由；

（3）设计模型评估指标（如AUC、F1-score），并解释如何通过指标优化推荐效果；

（4）针对“用户地域与购买行为关联性”这一假设，设计假设检验方法并给出解释。

答案与解析：

（1）数据预处理流程

-缺失值处理：

-浏览记录中的缺失值可使用KNN填充（保留时序性）；

-用户画像缺失值采用均值/中位数填充（如年龄）；

-商品属性缺失值通过类别众数填充（如品牌）。

-特征工程：

-构造时序特征（如“连续浏览天数”“月均购买频次”）；

-用户画像特征编码（One-Hot编码性别，Label编码年龄）；

-商