2025年征信数据挖掘工程师认证考试题库-征信数据分析挖掘算法与应用试题

2025年征信数据挖掘工程师认证考试题库-征信数据分析挖掘算法与应用试题考试时间：______分钟总分：______分姓名：______一、选择题（本部分共25小题，每小题2分，共50分。请根据题意选择最合适的答案，并在答题卡上填涂对应选项。）1.在征信数据挖掘中，以下哪种方法最适合处理缺失值问题？A.删除含有缺失值的样本B.使用均值或中位数填充C.利用机器学习模型预测缺失值D.忽略缺失值直接进行数据分析2.决策树算法在征信数据分析中的主要优势是什么？A.能够处理非线性关系B.对异常值不敏感C.模型解释性强D.计算效率高3.在构建逻辑回归模型时，以下哪个指标最能反映模型的预测准确性？A.AUC（ROC曲线下面积）B.F1分数C.R平方值D.均方误差4.以下哪种聚类算法在处理高维数据时表现最佳？A.K均值聚类B.层次聚类C.DBSCAN聚类D.谱聚类5.在特征工程中，以下哪种方法最适合处理类别不平衡问题？A.重采样B.使用SMOTE算法C.调整类别权重D.以上都是6.以下哪个指标最能反映模型的过拟合情况？A.训练集误差B.测试集误差C.变量系数D.模型复杂度7.在时间序列分析中，ARIMA模型主要用于解决什么问题？A.平稳性问题B.自相关性问题C.预测未来趋势D.异常值检测8.在特征选择中，以下哪种方法属于过滤法？A.递归特征消除B.Lasso回归C.逐步回归D.以上都不是9.在处理文本数据时，以下哪种技术最能提取文本特征？A.词嵌入B.主题模型C.文本聚类D.以上都不是10.在集成学习中，随机森林算法的主要优势是什么？A.对噪声不敏感B.能够处理高维数据C.模型解释性强D.以上都是11.在处理异常值时，以下哪种方法最有效？A.删除异常值B.使用鲁棒回归C.数据标准化D.以上都不是12.在构建推荐系统时，以下哪种算法最适合处理稀疏数据？A.协同过滤B.深度学习C.强化学习D.以上都不是13.在处理类别不平衡问题时，以下哪种方法最能提高模型的泛化能力？A.重采样B.使用SMOTE算法C.调整类别权重D.以上都是14.在特征选择中，以下哪种方法属于包裹法？A.递归特征消除B.Lasso回归C.逐步回归D.以上都不是15.在处理缺失值时，以下哪种方法最常用？A.删除含有缺失值的样本B.使用均值或中位数填充C.利用机器学习模型预测缺失值D.以上都是16.在构建决策树模型时，以下哪个指标最能反映节点分裂的质量？A.信息增益B.Gini不纯度C.信息增益率D.以上都是17.在处理高维数据时，以下哪种方法最能降低维度？A.主成分分析B.线性判别分析C.因子分析D.以上都是18.在特征工程中，以下哪种方法最适合处理文本数据？A.词嵌入B.主题模型C.文本聚类D.以上都是19.在集成学习中，梯度提升算法的主要优势是什么？A.对噪声不敏感B.能够处理高维数据C.模型解释性强D.以上都是20.在处理异常值时，以下哪种方法最常用？A.删除异常值B.使用鲁棒回归C.数据标准化D.以上都是21.在构建推荐系统时，以下哪种算法最适合处理稀疏数据？A.协同过滤B.深度学习C.强化学习D.以上都不是22.在处理类别不平衡问题时，以下哪种方法最能提高模型的泛化能力？A.重采样B.使用SMOTE算法C.调整类别权重D.以上都是23.在特征选择中，以下哪种方法属于嵌入法？A.递归特征消除B.Lasso回归C.逐步回归D.以上都不是24.在处理缺失值时，以下哪种方法最有效？A.删除含有缺失值的样本B.使用均值或中位数填充C.利用机器学习模型预测缺失值D.以上都是25.在构建决策树模型时，以下哪个指标最能反映模型的预测准确性？A.AUC（ROC曲线下面积）B.F1分数C.R平方值D.均方误差二、简答题（本部分共5小题，每小题10分，共50分。请根据题意简洁明了地回答问题，并在答题纸上书写答案。）1.请简述特征工程在征信数据挖掘中的重要性，并举例说明几种常用的特征工程方法。2.请简述决策树算法的基本原理，并说明其在征信数据分析中的优缺点。3.请简述逻辑回归模型在征信数据分析中的应用场景，并说明如何评估模型的性能。4.请简述聚类算法在征信数据分析中的应用场景，并说明如何选择合适的聚类算法。5.请简述集成学习在征信数据分析中的优势，并举例说明几种常用的集成学习方法。三、论述题（本部分共3小题，每小题15分，共45分。请根据题意深入分析并详细阐述问题，并在答题纸上书写答案。）1.请结合实际案例，论述缺失值处理在征信数据挖掘中的重要性，并详细说明几种常用的缺失值处理方法及其适用场景。在我们日常工作中，经常会遇到数据缺失的问题，这给我们的数据分析带来了很大的困扰。比如，在征信数据中，有些客户的收入信息缺失，有些客户的负债信息缺失，这些缺失值如果处理不当，就会严重影响我们的分析结果。我曾经遇到过这样一个案例，当时我们在做一个信用风险评估模型，发现数据集中有大量的缺失值，如果直接删除这些缺失值，就会导致数据量大幅减少，影响模型的泛化能力。于是，我们尝试了多种缺失值处理方法，比如均值填充、中位数填充、众数填充，以及更先进的KNN填充和回归填充。最终，我们发现KNN填充效果最好，模型的预测准确率得到了显著提升。这个案例让我深刻认识到，缺失值处理在征信数据挖掘中的重要性。首先，缺失值处理可以保证数据的质量，提高模型的预测准确性。在征信数据中，缺失值往往意味着数据的不完整性，如果直接删除这些缺失值，就会导致数据丢失，影响模型的泛化能力。而通过合理的缺失值处理方法，可以填补这些缺失值，保证数据的完整性，提高模型的预测准确性。其次，缺失值处理可以提高数据的利用率，挖掘数据中的潜在价值。在征信数据中，很多客户的信息是不完整的，如果直接删除这些缺失值，就会导致数据量大幅减少，影响数据的利用率。而通过合理的缺失值处理方法，可以填补这些缺失值，提高数据的利用率，挖掘数据中的潜在价值。最后，缺失值处理可以提高模型的可解释性，帮助我们更好地理解数据。在征信数据中，很多客户的信用状况是不明确的，如果直接删除这些缺失值，就会导致数据的缺失，影响模型的可解释性。而通过合理的缺失值处理方法，可以填补这些缺失值，提高模型的可解释性，帮助我们更好地理解数据。常用的缺失值处理方法有以下几种：第一，删除含有缺失值的样本。这种方法简单易行，但会导致数据量大幅减少，影响模型的泛化能力。在数据量较大的情况下，这种方法是可行的，但在数据量较小的情况下，这种方法就不太适用了。第二，使用均值或中位数填充。这种方法简单易行，但可能会导致数据的分布发生变化，影响模型的预测准确性。在数据分布较为均匀的情况下，这种方法是可行的，但在数据分布不均匀的情况下，这种方法就不太适用了。第三，利用机器学习模型预测缺失值。这种方法可以充分利用数据中的信息，填补缺失值，但需要较高的计算成本。在数据量较大的情况下，这种方法是可行的，但在数据量较小的情况下，这种方法就不太适用了。第四，数据插补。这种方法可以充分利用数据中的信息，填补缺失值，但需要较高的计算成本。在数据量较大的情况下，这种方法是可行的，但在数据量较小的情况下，这种方法就不太适用了。综上所述，缺失值处理在征信数据挖掘中的重要性不言而喻，需要根据实际情况选择合适的缺失值处理方法。2.请结合实际案例，论述特征选择在征信数据挖掘中的重要性，并详细说明几种常用的特征选择方法及其适用场景。在我们日常工作中，特征选择是非常重要的一步，它可以提高模型的预测准确性，降低模型的复杂度，提高模型的可解释性。我曾经遇到过这样一个案例，当时我们在做一个信用风险评估模型，发现数据集中有大量的特征，如果直接使用所有的特征，就会导致模型的复杂度过高，影响模型的预测准确性。于是，我们尝试了多种特征选择方法，比如过滤法、包裹法和嵌入法，最终发现过滤法中的卡方检验效果最好，模型的预测准确率得到了显著提升。这个案例让我深刻认识到，特征选择在征信数据挖掘中的重要性。首先，特征选择可以提高模型的预测准确性。在征信数据中，很多特征是不相关的，如果直接使用所有的特征，就会导致模型的复杂度过高，影响模型的预测准确性。而通过合理的特征选择方法，可以筛选出与目标变量相关的特征，提高模型的预测准确性。其次，特征选择可以提高模型的泛化能力。在征信数据中，很多特征是冗余的，如果直接使用所有的特征，就会导致模型的泛化能力下降。而通过合理的特征选择方法，可以去除冗余的特征，提高模型的泛化能力。最后，特征选择可以提高模型的可解释性。在征信数据中，很多特征是难以解释的，如果直接使用所有的特征，就会导致模型的可解释性下降。而通过合理的特征选择方法，可以筛选出与目标变量相关的特征，提高模型的可解释性。常用的特征选择方法有以下几种：第一，过滤法。这种方法不依赖于具体的机器学习模型，而是根据特征本身的统计特性进行选择。常用的过滤法有相关系数法、卡方检验、互信息法等。在征信数据中，我们可以使用相关系数法来筛选与目标变量相关的特征，使用卡方检验来筛选与目标变量相关的类别特征，使用互信息法来筛选与目标变量相关的特征。第二，包裹法。这种方法依赖于具体的机器学习模型，通过模型的性能来评价特征子集的质量。常用的包裹法有递归特征消除、逐步回归等。在征信数据中，我们可以使用递归特征消除来筛选与目标变量相关的特征，使用逐步回归来筛选与目标变量相关的特征。第三，嵌入法。这种方法在模型训练过程中自动进行特征选择，常用的嵌入法有Lasso回归、岭回归等。在征信数据中，我们可以使用Lasso回归来筛选与目标变量相关的特征，使用岭回归来筛选与目标变量相关的特征。综上所述，特征选择在征信数据挖掘中的重要性不言而喻，需要根据实际情况选择合适的特征选择方法。3.请结合实际案例，论述集成学习在征信数据挖掘中的优势，并详细说明几种常用的集成学习方法及其适用场景。在我们日常工作中，集成学习是非常重要的一种方法，它可以提高模型的预测准确性，提高模型的泛化能力，提高模型的可解释性。我曾经遇到过这样一个案例，当时我们在做一个信用风险评估模型，发现单一的机器学习模型的预测准确率不太理想，于是我们尝试了多种集成学习方法，比如随机森林、梯度提升树等，最终发现随机森林效果最好，模型的预测准确率得到了显著提升。这个案例让我深刻认识到，集成学习在征信数据挖掘中的优势。首先，集成学习可以提高模型的预测准确性。在征信数据中，单一的机器学习模型的预测准确率往往不太理想，而通过集成学习，可以综合多个模型的预测结果，提高模型的预测准确性。其次，集成学习可以提高模型的泛化能力。在征信数据中，单一的机器学习模型的泛化能力往往不太理想，而通过集成学习，可以综合多个模型的预测结果，提高模型的泛化能力。最后，集成学习可以提高模型的可解释性。在征信数据中，单一的机器学习模型的可解释性往往不太理想，而通过集成学习，可以综合多个模型的预测结果，提高模型的可解释性。常用的集成学习方法有以下几种：第一，随机森林。这种方法通过构建多个决策树，并综合它们的预测结果来提高模型的预测准确性。在征信数据中，我们可以使用随机森林来提高模型的预测准确性，提高模型的泛化能力，提高模型的可解释性。第二，梯度提升树。这种方法通过构建多个决策树，并逐步优化它们的预测结果来提高模型的预测准确性。在征信数据中，我们可以使用梯度提升树来提高模型的预测准确性，提高模型的泛化能力，提高模型的可解释性。第三，AdaBoost。这种方法通过构建多个弱学习器，并综合它们的预测结果来提高模型的预测准确性。在征信数据中，我们可以使用AdaBoost来提高模型的预测准确性，提高模型的泛化能力，提高模型的可解释性。综上所述，集成学习在征信数据挖掘中的优势不言而喻，需要根据实际情况选择合适的集成学习方法。四、案例分析题（本部分共2小题，每小题20分，共40分。请根据题意结合实际案例，分析并解决问题，并在答题纸上书写答案。）1.某银行在进行信用风险评估时，收集了客户的年龄、收入、负债、信用历史等数据。现需要构建一个信用风险评估模型，要求模型的预测准确率至少达到80%，请结合实际案例，详细说明如何构建该模型，并说明每一步的具体操作和注意事项。在构建信用风险评估模型时，我们需要进行数据预处理、特征工程、模型选择、模型训练和模型评估等步骤。首先，我们需要对数据进行预处理，包括数据清洗、数据集成、数据变换和数据规约等。在数据清洗过程中，我们需要处理缺失值、异常值和噪声数据等。在数据集成过程中，我们需要将来自不同来源的数据进行整合。在数据变换过程中，我们需要将数据转换为适合机器学习模型的格式。在数据规约过程中，我们需要减少数据的规模，提高数据的利用率。其次，我们需要进行特征工程，包括特征选择、特征提取和特征构造等。在特征选择过程中，我们需要筛选出与目标变量相关的特征。在特征提取过程中，我们需要将原始特征转换为新的特征。在特征构造过程中，我们需要构造新的特征，以提高模型的预测准确性。然后，我们需要选择合适的机器学习模型，比如逻辑回归、决策树、支持向量机等。在选择模型时，我们需要考虑模型的预测准确性、模型的泛化能力、模型的可解释性等因素。接下来，我们需要使用训练数据对模型进行训练。在训练过程中，我们需要调整模型的参数，以提高模型的预测准确性。在训练过程中，我们需要注意过拟合问题，避免模型的泛化能力下降。最后，我们需要使用测试数据对模型进行评估。在评估过程中，我们需要计算模型的预测准确率、召回率、F1分数等指标。如果模型的预测准确率不达到80%，我们需要调整模型的参数或选择其他模型，直到模型的预测准确率达到80%。在实际操作中，我们需要注意以下几点：首先，我们需要保证数据的质量，避免数据污染影响模型的预测准确性。其次，我们需要选择合适的特征选择方法，避免选择过多的无关特征影响模型的预测准确性。最后，我们需要选择合适的机器学习模型，避免选择不合适的模型影响模型的预测准确性。2.某电商平台在进行用户信用评估时，收集了用户的交易记录、浏览记录、支付方式等数据。现需要构建一个用户信用评估模型，要求模型的预测准确率至少达到85%，请结合实际案例，详细说明如何构建该模型，并说明每一步的具体操作和注意事项。在构建用户信用评估模型时，我们需要进行数据预处理、特征工程、模型选择、模型训练和模型评估等步骤。首先，我们需要对数据进行预处理，包括数据清洗、数据集成、数据变换和数据规约等。在数据清洗过程中，我们需要处理缺失值、异常值和噪声数据等。在数据集成过程中，我们需要将来自不同来源的数据进行整合。在数据变换过程中，我们需要将数据转换为适合机器学习模型的格式。在数据规约过程中，我们需要减少数据的规模，提高数据的利用率。其次，我们需要进行特征工程，包括特征选择、特征提取和特征构造等。在特征选择过程中，我们需要筛选出与目标变量相关的特征。在特征提取过程中，我们需要将原始特征转换为新的特征。在特征构造过程中，我们需要构造新的特征，以提高模型的预测准确性。然后，我们需要选择合适的机器学习模型，比如逻辑回归、决策树、支持向量机等。在选择模型时，我们需要考虑模型的预测准确性、模型的泛化能力、模型的可解释性等因素。接下来，我们需要使用训练数据对模型进行训练。在训练过程中，我们需要调整模型的参数，以提高模型的预测准确性。在训练过程中，我们需要注意过拟合问题，避免模型的泛化能力下降。最后，我们需要使用测试数据对模型进行评估。在评估过程中，我们需要计算模型的预测准确率、召回率、F1分数等指标。如果模型的预测准确率不达到85%，我们需要调整模型的参数或选择其他模型，直到模型的预测准确率达到85%。在实际操作中，我们需要注意以下几点：首先，我们需要保证数据的质量，避免数据污染影响模型的预测准确性。其次，我们需要选择合适的特征选择方法，避免选择过多的无关特征影响模型的预测准确性。最后，我们需要选择合适的机器学习模型，避免选择不合适的模型影响模型的预测准确性。本次试卷答案如下一、选择题答案及解析1.答案：C解析：在征信数据挖掘中，直接删除含有缺失值的样本会造成数据损失，影响模型性能。使用均值或中位数填充简单但可能掩盖数据真实分布。利用机器学习模型预测缺失值（如KNN、回归模型）能更有效地利用其他特征信息，更准确地估计缺失值，从而提高模型整体性能。2.答案：C解析：决策树算法的优势在于模型解释性强，能直观展示决策规则。虽然也能处理非线性关系，但对异常值敏感，计算效率相比集成方法较低。在征信分析中，解释性强尤为重要，便于业务人员理解模型决策依据。3.答案：A解析：AUC反映模型区分正负样本的能力，不受类别不平衡影响，是评估预测模型性能的黄金标准。F1分数适合不平衡数据但未考虑所有样本。R平方值用于回归模型，均方误差是损失函数指标，不适合直接评估分类模型。4.答案：C解析：DBSCAN聚类能自动处理高维数据中的噪声点，不需要预设聚类数量，适合发现任意形状簇。K均值在高维中容易陷入局部最优，层次聚类计算复杂，谱聚类对降维后数据效果更好。5.答案：D解析：处理类别不平衡问题需要综合策略。重采样简单但可能丢失信息，SMOTE算法通过合成少数类样本有效，调整权重能影响模型惩罚力度，实际应用中常联合使用多种方法。6.答案：B解析：测试集误差高说明模型泛化能力差。训练集误差低但测试集高是典型过拟合表现。变量系数反映特征重要性，模型复杂度描述参数数量，只有测试集误差能有效区分过拟合与欠拟合。7.答案：C解析：ARIMA模型通过自回归项、差分项和移动平均项捕捉时间序列依赖关系，主要用于预测未来趋势而非异常检测。它假设序列平稳性，需先进行平稳性检验。8.答案：B解析：Lasso回归通过L1正则化实现特征选择，属于嵌入法。递归特征消除是包裹法，逐步回归是过滤法。Lasso能将不相关特征系数压缩为0，达到特征选择目的。9.答案：A解析：词嵌入（如Word2Vec、BERT）将文本映射为高维向量，有效提取语义特征。主题模型发现文本隐藏结构，文本聚类用于分类任务，词嵌入在征信文本特征工程中应用最广泛。10.答案：D解析：随机森林通过随机特征选择和样本抽样构建多棵树，对噪声不敏感，能处理高维稀疏数据，且能提供特征重要性排序，综合优势最明显。11.答案：B解析：鲁棒回归（如RANSAC、M-估计）对异常值不敏感，通过降低异常值权重实现稳健估计。删除异常值简单但可能丢失信息，标准化只改变尺度不解决异常影响，数据清洗需综合方法。12.答案：A解析：协同过滤通过用户-物品交互矩阵计算相似度，能有效处理稀疏数据。深度学习需要大量数据，强化学习适用于序列决策，协同过滤在推荐系统中有广泛应用。13.答案：D解析：重采样、SMOTE、权重调整都是有效方法。联合使用能更好平衡效果与泛化能力。单一方法可能存在局限，如SMOTE可能过度合成，实际需根据数据特点组合使用。14.答案：A解析：递归特征消除（RFE）通过递归移除不重要特征实现选择，属于包裹法。Lasso、岭回归是嵌入法，逐步回归是过滤法。RFE需要多次模型训练，计算成本较高。15.答案：D解析：实际应用中常结合多种方法。删除样本简单但数据损失大，均值填充简单但可能偏差大，机器学习预测（如KNN）最准确但计算成本高。需根据缺失比例和特征类型选择。16.答案：D解析：分裂质量由信息增益、Gini不纯度、信息增益率共同决定。信息增益关注父节点与子节点差异，Gini不纯度衡量纯度下降程度，信息增益率是两者的平衡。实际选择时需综合考虑。17.答案：A解析：主成分分析（PCA）通过线性变换降维，保留最大方差，适合高维征信数据。线性判别分析（LDA）用于分类降维，因子分析探索潜在结构，PCA计算简单且效果稳定。18.答案：A解析：词嵌入能捕捉文本语义特征，是文本特征工程的基础。主题模型发现隐藏主题，文本聚类用于分类，词嵌入能将非结构化文本转化为数值特征，便于模型处理。19.答案：D解析：梯度提升树（如XGBoost、LightGBM）通过迭代优化提升模型性能，对噪声不敏感，能处理高维数据，且可解释性较好。随机森林是并行学习，适合大规模数据。20.答案：A解析：删除异常值简单但数据损失大，鲁棒回归更稳健。标准化只改变尺度，数据插补（如KNN）能保留更多信息。删除是最常用但需谨慎，需评估异常值是否真实错误。21.答案：A解析：协同过滤通过用户-物品相似度工作，对稀疏数据有天然优势。深度学习需要大量数据，强化学习非适用场景。协同过滤在电商平台用户信用评估中应用广泛。22.答案：D解析：联合使用多种方法能更好平衡效果与泛化能力。单一方法可能存在局限，如SMOTE可能过度合成，实际需根据数据特点组合使用。平衡数据是提升模型泛化能力的关键。23.答案：B解析：Lasso回归通过L1正则化将不相关特征系数压缩为0，是嵌入法。RFE是包裹法，逐步回归是过滤法。Lasso在征信特征选择中能有效剔除冗余变量。24.答案：C解析：数据标准化（Z-score标准化）能将不同尺度特征统一，对异常值不敏感，在征信数据预处理中应用最广泛。删除样本简单但数据损失大，鲁棒回归更稳健。标准化计算简单且有效。25.答案：A解析：AUC反映模型区分正负样本能力，是分类模型评估标准。F1分数是召回率与精确率调和平均，R平方是回归指标，均方误差是损失函数。AUC最全面反映模型性能。二、简答题答案及解析1.答案及解析：特征工程在征信数据挖掘中至关重要，它直接影响模型性能和业务价值。例如，通过构造"负债收入比"特征能更直接反映信用风险，将年龄与收入结合创建"年龄收入指数"能揭示特定客户群特征。常用方法有：-数据变换：对skewed数据使用对数转换，将分类变量数值化-特征交互：创建乘积特征（如"收入×负债"），揭示变量间协同效应-降维处理：使用PCA提取主成分，保留核心信息-时间特征：对信贷历史数据，提取逾期天数累计、最长逾期记录等动态特征2.答案及解析：决策树原理是通过递归划分数据，创建树状决策模型。其优势在于：-易理解：业务人员能直观解释每步决策-处理混合类型数据：数值和类别特征兼容-自动特征交互：能发现变量间复杂关系缺点是：-容易过拟合：对训练数据敏感，需要剪枝-不稳定：数据微小变动可能完全改变树结构在征信中，适合初步建模或作为基模型，但通常作为集成学习组件使用。例如，随机森林通过构建多棵决策树并投票，有效缓解过拟合问题。3.答案及解析：逻辑回归在征信中常用于预测违约概率，优势在于：-输出可解释：返回概率值，便于风险分级-线性关系假设符合金融规律：如收入越高，违约概率越低-便于解释：系数可直接反映变量影响方向和程度评估指标包括：-AUC：区分能力核心指标-混淆矩阵：观察真阳性率等-LogLoss：损失函数表现调整方法：-L1/L2正则化防止过拟合-针对类别不平衡调整权重-增加交互特征（如年龄×负债）4.答案及解析：聚类在征信中可应用于：-客户分群：识别高风险/低风险/优质客户群-异常检测：发现异常交易模式常用方法选择：-K-means：计算简单，适合发现球状簇-DBSCAN：能识别任意形状簇，适合噪声数据-层次聚类：无需预设簇数，适合探索性分析选择依据：-数据密度：密集区域适合K-means-类别数量：先验知识少的用层次聚类-异常程度：DBSCAN处理异常能力强实际应用中常结合业务规则调整聚类结果5.答案及解析：集成学习优势：-提升泛化能力：综合多个模型预测-增强鲁棒性：减少单一模型缺陷-提高准确性：抓住不同模型优势常用方法：-随机森林：并行构建多棵树，随机特征选择-梯度提升：串行优化模型，适合高精度需求-AdaBoost：加权组合弱学习器，对噪声敏感选择考虑：-数据量：大数据适合随机森林-精度要求：高风险领域需梯度提升-计算资源：随机森林更高效三、论述题答案及解析1.答案及解析：缺失值处理对征信模型至关重要。例如某银行在处理逾期数据时，发现直接删除缺失样本导致模型召回率从65%降至52%。我们采用KNN插补方法，将缺失值替换为同簇最近5个样本的平均值，召回率提升至72%。常用方法：-删除：简单但数据损失大，仅适用于缺失比例<5%-均值/中位数：适用于连续变量，但掩盖分布特征-KNN：利用邻居信息，适合关系型数据-回归：预测缺失值，但计算成本高选择