北京数据挖掘工程师高频面试题（真实面试版·详细答案）.docxVIP

北京数据挖掘工程师高频面试题（真实面试版·详细答案）

一、数据挖掘基础流程（必考）

1.说说你理解的数据挖掘完整流程，每一步核心做什么？

答：我日常做项目的完整流程一共6步，都是落地实操的步骤，不是书本理论：

第一是业务理解，先明确需求是分类、回归、聚类还是异常检测，确定评价指标，比如用户留存预测看AUC、营收预测看MAE，避免做一堆无效建模。

第二是数据采集与接入，从数仓、日志表、业务库取数，关联用户、行为、商品、时间维度数据，初步筛选可用字段。

第三是数据清洗，这是最耗时的一步。主要处理缺失值、异常值、重复数据、脏数据，比如行为日志的无效点击、极值营收、用户空信息，保证数据基础质量。

第四是特征工程，包括特征筛选、特征构造、特征转换。剔除冗余、高相关、无区分度特征，构造统计特征、时间序列特征，做归一化、离散化等处理。

第五是模型训练与调优，根据场景选模型，划分训练、验证、测试集，训练后调参，解决过拟合、欠拟合问题，对比多模型效果。

第六是模型评估与落地复盘，用业务指标+模型指标双重评估，上线后监控效果衰减，定期迭代优化。

2.数据清洗中，缺失值、异常值你怎么处理？说实操方法

答：不统一无脑填充或删除，分场景判断，是工作里的标准做法：

缺失值处理：缺失率超80%直接删字段；缺失率20%-80%，数值型用中位数（抗极值）、类别型用众数；关键业务字段用模型预测填充，比如用户消费