2026年特征工程技能测验试题及知识点

2026年特征工程技能测验试题及知识点考试时长：120分钟满分：100分一、单选题（总共10题，每题2分，总分20分）1.特征工程中，用于衡量特征与目标变量之间线性关系的统计量是（）。A.相关系数B.卡方系数C.皮尔逊指数D.互信息2.在特征缩放方法中，标准化（Standardization）与归一化（Normalization）的主要区别在于（）。A.标准化使用均值归一化，归一化使用最大值归一化B.标准化适用于连续数据，归一化适用于分类数据C.标准化将数据转换为均值为0，方差为1，归一化将数据转换为[0,1]区间D.标准化计算复杂度更高，归一化更简单3.对于缺失值处理，以下哪种方法属于基于模型的方法？（）A.插值法B.均值/中位数填充C.KNN填充D.回归填充4.特征编码中，One-Hot编码适用于哪种类型的数据？（）A.连续数值型B.高基数分类变量C.时间序列数据D.二元分类变量5.在特征选择方法中，递归特征消除（RFE）的基本思想是（）。A.基于树模型的特征重要性排序B.基于统计检验的显著性筛选C.通过迭代训练模型，逐步移除权重最小的特征D.基于主成分分析（PCA）的特征降维6.对于高基数分类特征，以下哪种编码方法更合适？（）A.LabelEncodingB.One-HotEncodingC.二元编码（BinaryEncoding）D.HashEncoding7.特征交互生成的目的是什么？（）A.减少特征维度B.提高模型泛化能力C.提取特征间潜在关系D.降低计算复杂度8.在特征工程中，特征交叉（FeatureInteraction）通常用于解决哪种问题？（）A.缺失值处理B.数据不平衡C.特征冗余D.类别不平衡9.对于文本数据，以下哪种方法不属于特征提取技术？（）A.词袋模型（Bag-of-Words）B.TF-IDFC.Word2VecD.决策树10.特征工程中，"特征工程"（FeatureEngineering）的核心目标是什么？（）A.提高模型训练速度B.提升模型预测性能C.减少数据存储成本D.增加数据样本量二、填空题（总共10题，每题2分，总分20分）1.特征工程中，用于处理缺失值的一种常见方法是__________填充，它假设缺失值与其他特征存在线性关系。2.在特征缩放中，归一化（Normalization）将数据映射到[0,1]区间，其公式为__________。3.对于二元分类特征，LabelEncoding将"是"编码为__________，"否"编码为__________。4.特征选择中，L1正则化（Lasso）通过__________惩罚项实现特征稀疏化。5.特征交互中，"特征A×特征B"表示__________，即两个特征的乘积。6.高基数分类特征（如城市名称）的编码方法__________可以有效减少One-Hot编码的维度。7.在特征提取中，TF-IDF衡量词语在文档中的重要性，其中TF表示__________，IDF表示__________。8.特征工程中，"特征交叉"（FeatureInteraction）通过组合原始特征生成新特征，常见的组合方式包括__________和__________。9.对于缺失值处理，KNN填充假设缺失值与最近的__________个邻居相似。10.特征工程中，"特征重要性"（FeatureImportance）通常通过__________模型评估，如随机森林或XGBoost。三、判断题（总共10题，每题2分，总分20分）1.标准化（Standardization）将数据转换为均值为0，方差为1，适用于所有机器学习算法。（）2.One-Hot编码会导致维度爆炸问题，因此不适用于高基数分类特征。（）3.特征选择的目标是保留对目标变量最有影响力的特征，减少模型过拟合。（）4.特征交互生成的特征可以提高模型的表达能力，但会增加计算复杂度。（）5.对于缺失值处理，均值/中位数填充适用于所有类型的数据。（）6.二元编码（BinaryEncoding）将One-Hot编码后的二进制表示转换为十进制，减少维度。（）7.特征工程中，"特征工程"（FeatureEngineering）是数据科学中最重要的环节。（）8.对于文本数据，Word2Vec属于特征提取技术，而非特征编码技术。（）9.特征选择中，递归特征消除（RFE）需要指定模型和特征数量。（）10.特征交叉（FeatureInteraction）只能用于数值型特征，不能用于分类特征。（）四、简答题（总共4题，每题4分，总分16分）1.简述特征缩放（特征标准化和归一化）的必要性和区别。2.解释特征编码中LabelEncoding和One-HotEncoding的适用场景和局限性。3.描述特征选择的主要方法及其优缺点（如过滤法、包裹法、嵌入法）。4.列举三种常见的特征交互生成方法，并说明其原理。五、应用题（总共4题，每题6分，总分24分）1.假设你正在处理一个电商用户行为数据集，其中包含以下特征：-年龄（数值型，存在缺失值）-购物频率（分类型：低/中/高）-商品类别（高基数分类型，如"电子产品"/"服装"/"家居"等）请设计一个特征工程流程，包括缺失值处理、特征编码和特征交互生成。2.假设你正在构建一个文本分类模型，数据集包含以下特征：-文本内容（字符串型）-发布时间（日期型）请设计一个特征提取流程，包括文本特征和时序特征的提取方法。3.假设你正在处理一个信用卡欺诈检测数据集，其中包含以下特征：-交易金额（数值型）-交易时间（时间戳型）-交易地点（分类型）请设计一个特征工程流程，包括特征缩放、特征选择和特征交互生成。4.假设你正在处理一个房价预测数据集，其中包含以下特征：-房屋面积（数值型）-房屋年龄（数值型）-地区（分类型）请设计一个特征工程流程，包括特征缩放、特征编码和特征交互生成。【标准答案及解析】一、单选题1.A解析：相关系数（PearsonCorrelation）用于衡量特征与目标变量之间的线性关系。2.C解析：标准化将数据转换为均值为0，方差为1；归一化将数据映射到[0,1]区间。3.C解析：KNN填充属于基于模型的方法，通过最近邻的均值/中位数填充缺失值。4.B解析：One-Hot编码适用于高基数分类变量，避免引入虚假顺序关系。5.C解析：RFE通过迭代训练模型，逐步移除权重最小的特征。6.C解析：二元编码（BinaryEncoding）将One-Hot编码后的二进制表示转换为十进制，减少维度。7.C解析：特征交互生成的目的是提取特征间潜在关系，提高模型表达能力。8.C解析：特征交叉（FeatureInteraction）通常用于解决特征间非线性关系问题。9.D解析：决策树是模型方法，不属于特征提取技术。10.B解析：特征工程的核心目标是提升模型预测性能。二、填空题1.回归解析：回归填充假设缺失值与其他特征存在线性关系，通过回归模型预测缺失值。2.\(x_{\text{norm}}=\frac{x-\min(x)}{\max(x)-\min(x)}\)解析：归一化将数据映射到[0,1]区间，公式中\(\min(x)\)和\(\max(x)\)分别表示最小值和最大值。3.1,0解析：LabelEncoding将二元分类特征编码为0和1。4.L1解析：L1正则化通过绝对值惩罚项实现特征稀疏化。5.特征相乘解析：特征交互（FeatureInteraction）通过组合原始特征生成新特征，如特征相乘。6.HashEncoding解析：HashEncoding通过哈希函数将高基数分类特征映射到固定维度，减少维度。7.词频，逆文档频率解析：TF-IDF中TF表示词频，IDF表示逆文档频率。8.特征相乘，特征相加解析：特征交互常见的组合方式包括特征相乘和特征相加。9.K解析：KNN填充假设缺失值与最近的K个邻居相似。10.基于树模型解析：特征重要性通常通过基于树模型的算法评估，如随机森林或XGBoost。三、判断题1.×解析：标准化适用于需要特征尺度一致的场景，但并非所有算法都需要。2.×解析：One-Hot编码可通过降维技术（如HashEncoding）处理高基数特征。3.√解析：特征选择的目标是保留重要特征，减少过拟合。4.√解析：特征交互可以提高模型表达能力，但增加计算复杂度。5.×解析：均值/中位数填充适用于数值型数据，不适用于分类数据。6.√解析：二元编码将One-Hot编码后的二进制表示转换为十进制，减少维度。7.√解析：特征工程是数据科学中最重要的环节之一。8.√解析：Word2Vec是特征提取技术，而非特征编码技术。9.√解析：RFE需要指定模型和特征数量。10.×解析：特征交叉可以用于分类特征，如通过One-Hot编码后交互。四、简答题1.特征缩放的必要性和区别必要性：-许多机器学习算法（如SVM、KNN、神经网络）对特征尺度敏感，需进行缩放以避免模型偏向尺度较大的特征。区别：-标准化：将数据转换为均值为0，方差为1，适用于所有算法。-归一化：将数据映射到[0,1]区间，适用于需要特征范围有限的场景。2.LabelEncoding和One-HotEncoding的适用场景和局限性LabelEncoding：适用场景：二元分类特征或顺序分类特征。局限性：引入虚假顺序关系，不适用于高基数特征。One-HotEncoding：适用场景：高基数分类特征。局限性：导致维度爆炸，增加计算复杂度。3.特征选择的主要方法及其优缺点过滤法（FilterMethod）：-方法：基于统计检验（如相关系数、卡方检验）选择特征。-优点：计算简单，不依赖模型。-缺点：可能忽略特征间交互。包裹法（WrapperMethod）：-方法：通过模型性能评估选择特征（如RFE）。-优点：考虑特征间交互。-缺点：计算复杂度高。嵌入法（EmbeddedMethod）：-方法：通过模型自带的特征选择（如L1正则化）。-优点：结合模型和特征选择。-缺点：依赖模型选择。4.特征交互生成方法及其原理-特征相乘：组合两个特征的乘积，捕捉非线性关系。-特征相加：组合两个特征的和，捕捉协同效应。-PolynomialFeatures：生成多项式特征，如\(x^2\)、\(x^3\)等。五、应用题1.电商用户行为数据集特征工程流程缺失值处理：-年龄：使用KNN填充，假设缺失值与最近的5个邻居相似。特征编码：-购物频率：使用LabelEncoding（低=0，中=1，高=2）。-商品类别：使用HashEncoding，将类别映射到固定维度。特征交互：-生成"年龄×购物频率"交互特征。-生成"商品类别×购物频率"交互特征。2.文本分类模型特征提取流程文本特征提取：-使用TF-IDF提取文本内容中的关键词特征。时序特征提取：-提取发布时间的星期几、小时等时序特征