特征工程是怎么做的
哪些公司问过
答案要点
- 数据清洗:缺失值删除、填充或单独成类;异常值用统计规则或分位数截断
- 特征变换:标准化、归一化、对数变换、分桶;类别特征独热、目标编码、嵌入
- 特征构造:业务组合与交叉、统计特征、时间特征
- 特征选择与降维:方差、相关性、卡方、模型重要性、L1 正则
- 要防止数据泄露,并保证训练和线上特征一致
易错点
- 先做全量标准化再划分数据集,造成泄露
- 对树模型也做不必要的归一化
- 只说方法,不说为什么和业务含义
面试官常见追问
- 缺失值和异常值怎么处理?
- 交叉特征是怎么做的?
- 什么是数据泄露?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。