数值特征与离散特征的常见预处理方法
哪些公司问过
答案要点
- 缺失值填充(均值/中位数/模型预测)并加缺失标记;异常值按分位数截断
- 长尾分布用log、Box-Cox等变换
- Min-Max归一化、Z-Score标准化,树模型通常不需要缩放
- 分桶:等宽、等频、分位数,增强鲁棒性与非线性
- 离散特征:one-hot、Embedding、哈希、频次编码、目标编码(需防泄漏)
易错点
- 用全量数据(含测试集)计算归一化参数或统计量,造成信息泄漏
- 高基数类别直接one-hot,维度爆炸且稀疏
- 目标编码不做折外统计和平滑,线下指标虚高
面试官常见追问
- 为什么树模型通常不需要归一化?
- 目标编码为什么会泄漏,怎么处理?
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。