XGBoost 如何处理缺失值
哪些公司问过
答案要点
- 稀疏感知分裂:只在非缺失样本上枚举切分点,计算量与非缺失数量相关
- 缺失样本分别尝试分到左、右子树,取增益大的方向作为默认分支
- 预测时该特征缺失的样本走训练得到的默认方向
- 缺失值由 missing 参数指定,默认 NaN;稀疏矩阵中未存储元素视为缺失
- 无需预先填充,也可与填充、缺失指示特征做对比实验
易错点
- 以为 XGBoost 内部做了均值填充
- 忽略稀疏矩阵里 0 被当作缺失的问题
- 没有关注训练与线上缺失分布不一致
面试官常见追问
- LightGBM 怎么处理缺失值?
- 如果训练集某特征没有缺失,预测时出现缺失怎么办?
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。