IT 面试题库

特征工程中编码、归一化/标准化、缺失值处理的常见做法及意义?

中级简答题机器学习工程师数据分析师数据科学家特征工程归一化OneHot缺失值

题目

说明类别编码、数值缩放与缺失值处理的主流方法与目的。

参考答案

内容深度:基础 · 无代码示例 · 来源:外部链接 · 未复核 · 72 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解

类别编码:One-Hot 编码把无序类别转成 0/1 向量;Ordinal/Label 编码保留顺序但易引入虚假大小关系,树模型可用。

归一化/标准化:Min-Max 把数值缩到 [0,1];Z-Score 把均值归零、方差归一。目的是消除量纲差异、加速梯度下降收敛(对距离/梯度敏感模型必需)。

缺失值:删除样本/特征、均值/中位数/众数填充、模型预测填充(如 KNN);缺失本身也可作为特征(是否缺失)。

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题