面试题库 › 算法 / 大模型 › 特征与目标变量的相关性如何计算与表示

特征与目标变量的相关性如何计算与表示

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:模型评估与指标

哪些公司问过

快手1

常见岗位:机器学习算法(泛)

答案要点

  1. 线性相关用 Pearson 相关系数;单调非线性或有异常值时用 Spearman 秩相关
  2. 分类标签:连续特征用方差分析 F 值,类别特征用卡方检验
  3. 非线性依赖用互信息,0 表示独立,连续变量需离散化或用 kNN 估计
  4. 模型视角:树模型 gain 重要性、置换重要性、SHAP 值,可反映特征交互与贡献方向
  5. 可视化:相关性热力图、特征重要性排序条形图、SHAP summary 图

易错点

面试官常见追问

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。

相关面试题