2025-2026年数据挖掘与机器学习实战案例模拟试卷

2025-2026年数据挖掘与机器学习实战案例模拟试卷一、单项选择题（本大题共10小题，每小题2分，共20分）1.在数据挖掘的CRISP-DM流程中，哪个阶段主要负责定义业务目标、确定项目范围和初步数据理解？（）A.数据准备阶段B.数据理解阶段C.模型评估阶段D.业务理解阶段参考答案：D解析：CRISP-DM（Cross-IndustryStandardProcessforDataMining）流程模型包含六个阶段，其中业务理解阶段是流程的起点，主要任务包括明确业务目标、识别关键成功因素、评估现有资源和约束条件，为后续阶段提供方向。数据理解阶段侧重数据探索和初步分析，数据准备阶段涉及数据清洗、转换和集成，模型评估阶段验证模型性能，而数据部署阶段将模型应用于实际业务场景。选项A、B、C均不符合业务理解阶段的职责范围，故正确答案为D。2.下列哪种算法属于监督学习中的分类算法？（）A.K-均值聚类算法B.决策树分类器C.主成分分析（PCA）D.神经网络回归模型参考答案：B解析：监督学习算法分为分类和回归两大类。分类算法的目标是将数据点映射到预定义的类别标签，而回归算法的目标是预测连续数值。选项A的K-均值聚类算法属于无监督学习中的聚类算法，用于将数据点分组；选项C的主成分分析（PCA）是无监督学习中的降维技术，通过线性变换提取主要特征；选项D的神经网络回归模型属于回归算法，用于预测连续值。只有选项B的决策树分类器符合分类算法的定义，故正确答案为B。3.在特征工程中，如何处理缺失值？（）A.直接删除含有缺失值的样本B.使用均值或中位数填充缺失值C.将缺失值视为一个独立类别D.以上所有方法均正确参考答案：D解析：缺失值处理是特征工程的关键步骤，常见方法包括：-删除：当缺失值比例较低时，可直接删除含缺失值的样本（选项A）；-填充：使用均值、中位数、众数或基于模型预测的值填充缺失值（选项B）；-特殊类别：将缺失值视为一个独立类别，尤其在分类问题中（选项C）。实际应用中，应根据数据特征和业务场景选择合适的方法，或组合使用多种方法，因此选项D是正确的。4.逻辑回归模型的损失函数通常采用哪种形式？（）A.均方误差（MSE）B.交叉熵损失（Cross-EntropyLoss）C.L1正则化损失D.决策树基尼不纯度参考答案：B解析：逻辑回归模型用于二分类问题，其核心是sigmoid函数将线性组合的输入映射到[0,1]区间，表示概率。损失函数需衡量预测概率与真实标签的差异，交叉熵损失（选项B）是逻辑回归的标准选择，其形式为：\[L(\theta)=-\frac{1}{N}\sum_{i=1}^{N}[y_i\log(h_\theta(x_i))+(1-y_i)\log(1-h_\theta(x_i))]\]其中\(h_\theta(x_i)\)为预测概率，\(y_i\)为真实标签。选项A的均方误差（MSE）适用于回归问题；选项C的L1正则化是模型正则化手段，而非损失函数；选项D的基尼不纯度是决策树分裂标准，与逻辑回归无关。5.在特征选择方法中，递归特征消除（RFE）的基本思想是什么？（）A.基于树模型的特征重要性排序B.通过迭代训练模型逐步移除不重要特征C.使用Lasso回归进行系数筛选D.基于主成分分析的特征降维参考答案：B解析：递归特征消除（RFE）是一种贪心算法，通过以下步骤工作：6.训练初始模型（如逻辑回归、SVM等）；7.计算每个特征的权重或重要性；8.移除权重最低的特征；9.重新训练模型并重复步骤2-3，直到达到目标特征数量。选项A的树模型特征重要性排序是另一种特征选择方法（如随机森林）；选项C的Lasso回归通过系数稀疏性筛选特征，但RFE不依赖Lasso；选项D的主成分分析（PCA）是降维技术，而非特征选择。故正确答案为B。10.在时间序列分析中，ARIMA模型的核心组成部分是什么？（）A.小波变换和傅里叶变换B.自回归（AR）、差分（I）、移动平均（MA）C.神经网络和卷积层D.支持向量机和核函数参考答案：B解析：ARIMA（AutoregressiveIntegratedMovingAverage）模型是时间序列预测的经典方法，其形式为：\[ARIMA(p,d,q)=AR(p)+I(d)+MA(q)\]其中：-AR(p)：自回归部分，表示当前值与过去p个值的线性关系；-I(d)：差分部分，用于使序列平稳（差分d次）；-MA(q)：移动平均部分，表示当前值与过去q个残差的线性关系。选项A的小波变换和傅里叶变换用于信号处理，不直接用于ARIMA；选项C、D的神经网络和SVM是其他机器学习方法，与ARIMA无关。11.在自然语言处理（NLP）中，词嵌入（WordEmbedding）的主要作用是什么？（）A.将文本转换为数值向量B.提取文本中的命名实体C.对文本进行主题建模D.使用LSTM进行序列分类参考答案：A解析：词嵌入技术（如Word2Vec、GloVe）将词汇映射到低维稠密向量空间，保留词义和语义关系。其核心作用是将离散的文本数据（如单词）转换为连续的数值表示，便于机器学习模型处理。具体应用包括：-模型输入：将句子表示为词向量序列；-语义相似度：通过向量距离衡量词义相近程度；-预训练模型：如BERT、ELMo等利用词嵌入增强性能。选项B的命名实体识别（NER）是NLP任务，但非词嵌入的直接应用；选项C的主题建模（如LDA）是文本聚类技术；选项D的LSTM是循环神经网络，可结合词嵌入使用，但非词嵌入本身作用。12.在模型评估中，过拟合（Overfitting）的主要表现是什么？（）A.训练集误差和测试集误差均较高B.训练集误差低，测试集误差高C.模型训练速度过慢D.模型参数数量过少参考答案：B解析：过拟合是指模型在训练数据上表现极好，但在未见过的测试数据上表现差的现象。具体表现为：-训练集误差（如均方误差）显著低于测试集误差；-模型复杂度过高（如参数过多、特征冗余）；-学习曲线显示训练误差持续下降而测试误差停止下降或上升。选项A的误差均高是欠拟合表现；选项C的训练速度与过拟合无关；选项D的参数少会抑制过拟合，而非导致过拟合。13.在推荐系统中，协同过滤（CollaborativeFiltering）的核心思想是什么？（）A.基于用户历史行为进行预测B.基于物品相似度进行推荐C.使用深度学习自动学习特征D.基于专家知识构建规则参考答案：A解析：协同过滤分为两种主要类型：-用户-用户协同过滤：找到与目标用户兴趣相似的用户群体，推荐其喜欢的物品；-物品-物品协同过滤：找到与目标物品相似的其他物品，进行推荐。两种方法均依赖用户历史行为数据（如评分、购买记录）构建相似度矩阵，因此核心思想是基于用户行为模式进行预测。选项B是物品相似度方法，但非协同过滤的全部；选项C的深度学习是其他推荐技术；选项D的专家规则是传统推荐方法。14.在深度学习中，Dropout操作的主要目的是什么？（）A.增加网络层数B.减少模型过拟合C.加速模型训练速度D.提高模型泛化能力参考答案：B解析：Dropout是一种正则化技术，通过随机将部分神经元输出置零（概率为p），强制网络学习冗余特征，避免对单一神经元依赖。其效果相当于训练多个子网络，从而降低过拟合（选项B），提升泛化能力（选项D）。选项A的层数增加与Dropout无关；选项C的训练速度受硬件和优化算法影响；选项D的泛化能力是Dropout的间接结果，而非直接目的。二、填空题（本大题共10小题，每小题2分，共20分）1.在数据预处理阶段，处理异常值（Outliers）的常用方法包括______、______和基于统计方法剔除。参考答案：winsorizing（winsorize）、trimming（trim）解析：-Winsorizing（winsorize）：将异常值替换为非异常值中的最大或最小值；-Trimming（trim）：直接删除异常值；-统计方法：如使用Z-score或IQR（四分位距）识别并剔除异常值。2.决策树算法中，常用的分裂标准包括______和基尼不纯度（GiniImpurity）。参考答案：信息增益（InformationGain）解析：-信息增益：基于熵（Entropy）计算，选择分裂后信息熵降低最多的特征；-基尼不纯度：衡量样本纯度，选择分裂后基尼指数降低最多的特征。3.在特征工程中，将类别特征转换为数值特征的方法包括______和独热编码（One-HotEncoding）。参考答案：标签编码（LabelEncoding）解析：-标签编码：将每个类别映射为唯一整数（如"red"→0、"blue"→1）；-独热编码：为每个类别创建二进制列（如"red"→[1,0,0]）。4.逻辑回归模型的参数估计通常采用______方法。参考答案：最大似然估计（MaximumLikelihoodEstimation,MLE）解析：逻辑回归通过最大化似然函数（或对数似然函数）来估计参数，使模型预测概率与真实标签最匹配。5.在时间序列预测中，季节性分解的常用方法包括______和STL分解。参考答案：指数平滑分解（Holt-WintersDecomposition）解析：-指数平滑分解：将时间序列分解为趋势、季节性和残差成分；-STL分解：通过加性或乘性模型分离季节性、趋势和随机成分。6.在自然语言处理中，词袋模型（Bag-of-Words,BoW）的主要缺点是______。参考答案：丢失词序信息解析：BoW仅统计词频，忽略单词顺序和语法结构，无法捕捉语义依赖。7.在模型评估中，混淆矩阵（ConfusionMatrix）主要用于计算______和______。参考答案：准确率（Accuracy）、精确率（Precision）解析：混淆矩阵通过分类结果（TP、FP、FN、TN）计算：-准确率=(TP+TN)/总样本；-精确率=TP/(TP+FP)。8.在推荐系统中，矩阵分解（MatrixFactorization）的核心思想是______。参考答案：将用户和物品表示为低维隐向量解析：通过将用户-物品评分矩阵分解为用户隐向量矩阵和物品隐向量矩阵，捕捉潜在偏好关系。9.在深度学习中，卷积神经网络（CNN）特别适用于______任务。参考答案：图像识别解析：CNN通过局部感知和权值共享机制，能有效提取图像的空间层次特征（如边缘、纹理、物体部件）。10.在模型调优中，交叉验证（Cross-Validation）的主要目的是______。参考答案：评估模型泛化能力解析：通过将数据划分为多个子集进行重复训练和验证，减少单一划分带来的偏差，更可靠地评估模型性能。三、判断题（本大题共10小题，每小题2分，共20分）1.决策树算法是参数化模型，其训练过程需要估计模型参数。（）参考答案：正确解析：决策树通过递归分裂节点构建树结构，需要确定分裂条件（如特征、阈值），这些分裂规则即模型参数。2.在特征工程中，特征缩放（如标准化）对线性模型（如线性回归）没有影响，但对非线性模型（如SVM）无影响。（）参考答案：错误解析：-线性模型依赖特征尺度，缩放可避免特征权重差异过大；-非线性模型（如SVM）同样受特征尺度影响，需缩放以防止距离计算偏差。3.逻辑回归模型的输出概率必须严格限制在[0,1]区间内。（）参考答案：正确解析：逻辑回归通过sigmoid函数（\(\sigma(z)=\frac{1}{1+e^{-z}}\)）将线性组合映射到[0,1]，表示类别概率。4.在时间序列分析中，ARIMA模型要求序列必须严格平稳。（）参考答案：错误解析：ARIMA模型通过差分（I）处理非平稳序列，使其平稳后再建模。5.词嵌入（WordEmbedding）技术可以完全保留原始文本的语法结构。（）参考答案：错误解析：词嵌入仅捕捉语义关系，丢失词序和语法信息。6.在模型评估中，AUC（AreaUnderROCCurve）适用于不平衡数据集，但不如F1分数鲁棒。（）参考答案：正确解析：-AUC衡量ROC曲线下面积，对类别不平衡不敏感；-F1分数结合精确率和召回率，但易受极端类别分布影响。7.协同过滤推荐系统需要大量用户和物品交互数据才能有效工作。（）参考答案：正确解析：协同过滤依赖用户-物品评分矩阵构建相似度，数据稀疏时推荐效果会显著下降。8.Dropout操作在测试阶段必须启用，以模拟训练时的随机性。（）参考答案：错误解析：Dropout仅在训练阶段随机置零神经元，测试时需恢复所有权重。9.深度学习模型通常需要比传统机器学习模型更长的训练时间。（）参考答案：正确解析：深度网络参数量巨大（如百万级），需更多计算资源（GPU）和训练时间。10.交叉验证（K-Fold）中，K值越大，模型评估越准确。（）参考答案：错误解析：-K值过大可能导致训练集过小，评估偏差增大；-常用K=5或10，需平衡计算成本和评估精度。四、简答题（本大题共8小题，每小题2分，共16分）1.简述数据挖掘的CRISP-DM流程及其各阶段的主要任务。参考答案：CRISP-DM流程包含六个阶段：-业务理解：定义业务目标、识别关键成功因素、评估资源和约束；-数据理解：收集初始数据、探索数据、识别数据质量问题；-数据准备：数据清洗（处理缺失值、异常值）、转换（归一化、编码）、集成（合并数据源）；-模型建立：选择建模技术（如决策树、逻辑回归）、训练模型；-模型评估：验证模型性能（如准确率、AUC）、调整参数；-模型部署：将模型应用于实际业务、监控效果并持续优化。2.解释过拟合（Overfitting）和欠拟合（Underfitting）的区别，并说明如何缓解过拟合。参考答案：-过拟合：模型对训练数据拟合过度，泛化能力差（测试误差高）；-欠拟合：模型过于简单，未能捕捉数据规律（训练误差和测试误差均高）。缓解过拟合的方法：-正则化（L1/L2）；-数据增强（如旋转、裁剪图像）；-早停（EarlyStopping）；-减少模型复杂度（如减少层数、神经元数）。3.描述决策树算法的优缺点及其适用场景。参考答案：优点：-可解释性强，易于理解和可视化；-能处理混合类型数据（数值和类别）；-对异常值不敏感。缺点：-容易过拟合（如树过深）；-对数据微小变化敏感（不稳定）；-不适合高维稀疏数据。适用场景：分类和回归问题，尤其是特征间关系非线性、需可解释模型时（如金融风控、医疗诊断）。4.解释什么是特征工程，并列举三种常见的特征工程方法。参考答案：特征工程：通过领域知识和技术手段，从原始数据中提取或构造更有预测能力的特征。常见方法：-特征组合：如“年龄×收入”交互特征；-特征编码：如独热编码、标签编码；-降维：如PCA、LDA。5.简述时间序列分析中ARIMA(p,d,q)模型的参数含义。参考答案：-p（自回归项）：表示当前值与过去p期值的线性关系；-d（差分阶数）：使非平稳序列平稳所需的差分期数；-q（移动平均项）：表示当前值与过去q期残差的线性关系。例如ARIMA(1,1,1)表示：\[y_t=c+\phi_1y_{t-1}+\epsilon_t+\theta_1\epsilon_{t-1}\]其中\(y_t\)为当前值，\(\epsilon_t\)为白噪声。6.在自然语言处理中，词嵌入（WordEmbedding）如何捕捉语义关系？参考答案：词嵌入通过向量空间中的距离和方向表示语义：-相似词近邻：如"king"-"man"+"woman"≈"queen"（向量运算）；-反义关系：如"hot"和"cold"向量夹角接近180°；-上下文依赖：通过预训练模型（如BERT）学习词在不同语境中的动态表示。7.解释协同过滤推荐系统的两种主要类型及其局限性。参考答案：类型：-用户-用户协同过滤：找到相似用户群体，推荐其喜欢的物品；-物品-物品协同过滤：找到相似物品，推荐给喜欢该物品的用户。局限性：-数据稀疏：用户-用户方法需大量交互数据；-冷启动问题：新用户或物品缺乏足够数据；-可扩展性差：计算相似度复杂度高。8.在模型调优中，交叉验证（Cross-Validation）如何工作？参考答案：K折交叉验证流程：9.将数据随机划分为K个不重叠的子集（折）；10.重复K次，每次选择1折作为验证集，其余K-1折用于训练；11.计算K次评估指标的平均值，作为模型性能估计。常用K=5或10，平衡计算效率和评估稳定性。五、应用题（本大题共8小题，每小题4分，共24分）1.某电商平台收集了用户购买数据，包含用户ID、商品ID、评分（1-5）、购买时间。请设计一个基于协同过滤的推荐系统方案，并说明关键步骤。参考答案：方案设计：-数据预处理：2.构建用户-物品评分矩阵；3.处理缺失值（如使用均值填充）；4.对评分矩阵进行稀疏性分析。-模型选择：5.物品-物品协同过滤：计算物品相似度（如余弦相似度），推荐与用户历史购买物品相似的其他物品；6.矩阵分解（如SVD）：降维捕捉潜在偏好，填充缺失评分。-评估指标：-推荐准确率（Precision@K）；-召回率（Recall@K）；-NDCG（NormalizedDiscountedCumulativeGain）。-优化策略：-冷启动处理（新用户推荐热门物品）；-实时更新相似度（如使用SparkMLlib）。7.假设你正在构建一个预测房价的模型，数据包含房屋面积、卧室数量、地理位置（类别）、建造年份。请列出至少三种特征工程方法，并说明其作用。参考答案：特征工程方法：-特征组合：-创建“面积×卧室数量”交互特征，反映房屋性价比；-构建虚拟特征“年龄”（当前年份-建造年份），替代年份直接输入。-类别特征编码：-地理位置使用独热编码（如"城区"→[1,0,0]），避免顺序假设；-对地理位置进行聚类，用聚类标签替代原始类别。-数值特征缩放：-对面积、年份等数值特征进行标准化（均值为0，方差为1），避免模型偏向高尺度特征。8.某公司希望预测用户流失概率，数据包含用户行为日志（浏览、购买、评论）、注册时长、最近登录时间。请简述如何使用逻辑回归模型进行预测，并说明关键步骤。参考答案：预测流程：-数据预处理：9.将流失标记为1（是），未流失为0（否）；10.处理缺失值（如行为日志使用众数填充）；11.特征工程：-创建“注册时长”分组（如短、中、长）；-计算用户活跃度指标（如最近30天行为总和）。-模型训练：12.使用逻辑回归（如scikit-learn的LogisticRegression）；13.交叉验证（如5折）选择最佳参数（如C值）；14.评估指标：AUC、F1分数。-业务应用：-预测高风险用户，推送挽留策略（如优惠券、专属客服）。15.假设你正在分析某城市空气质量数据，包含PM2.5、PM10、温度、湿度、风向。请设计一个时间序列预测方案，并说明如何处理季节性。参考答案：方案设计：-数据预处理：16.按小时或日粒度聚合数据；17.处理缺失值（如插值）；18.检查并处理异常值（如PM2.5突然飙升）。-季节性处理：19.分解方法：-使用STL分解（statsmodels库），分离趋势、季节性和残差；-若季节性周期固定（如每日PM2.5峰值在傍晚），可添加“小时”虚拟特征。20.模型选择：-ARIMA（如PM2.5季节性周期为24小时）；-季节性SARIMA（考虑自回归、差分和季节性移动平均）。-评估：-MAE、RMSE；-季节性指标（如季节性系数显著性）。21.某公司希望通过文本分析识别客户评论的情感倾向（积极/消极）。数据包含评论文本、评分（1-5）。请设计一个基于深度学习的方案，并说明关键技术。参考答案：方案设计：-数据预处理：22.文本清洗（去除HTML标签、标点）；23.分词（如使用jieba）；24.情感词典辅助标注（如“好评”→积极，“差评”→消极）。-模型选择：25.BERT（预训练模型）：-使用BERT-base或中文版（如ALBERT）；-微调（Fine-tuning）分类头，输入文本嵌入。26.LSTM+Attention：-LSTM捕捉序列依赖；-Attention机制加权重要词，增强语义理解。-训练策略：-冷启动数据增强（回译、同义词替换）；-损失函数：交叉熵；-评估：准确率、F1分数。27.某电商平台希望根据用户画像（年龄、性别、消费水平）推荐商品。请设计一个基于协同过滤和深度学习的混合推荐方案。参考答案：混合方案：-协同过滤部分：28.用户-物品评分矩阵；29.使用矩阵分解（如NMF）提取用户和物品隐向量；30.计算用户隐向量与物品隐向量的余弦相似度。-深度学习部分：31.Wide&Deep模型：-Wide部分：用户画像特征（如性别×消费水平交叉特征）；-Deep部分：DNN（多层感知机）学习用户-物品交互隐向量；-损失函数：交叉熵（分类）或均方误差（回归）。-融合策略：-协同过滤的物品相似度作为Deep部分的输入；-结合用户画像和隐向量预测推荐概率。32.某银行希望预测信用卡用户违约风险。数据包含历史交易记录、信用额度、还款行为。请简述如何使用随机森林模型进行预测，并说明关键步骤。参考答案：预测流程：-数据预处理：33.构建违约标签（如连续3期逾期→违约）；34.特征工程：-创建“还款比例”（已还款/总额度）；-交易记录聚合（如近30天交易笔数、金额中位数）。-模型训练：35.使用随机森林（如scikit-learn的RandomForestClassifier）；36.调参：n_estimators（树数量）、max_depth（树深度）；37.交叉验证选择最佳参数。-业务应用：-高风险用户加强贷前审核；-为低风险用户提供增值服务。38.某外卖平台希望预测用户下单时间。数据包含用户历史下单时间、天气、节假日。请设计一个基于时间序列和深度学习的预测方案。参考答案：方案设计：-时间序列部分：39.使用ARIMA（如按小时聚合）；40.季节性分解（STL），分离工作日/周末、午高峰/晚高峰模式。-深度学习部分：41.LSTM+GRU：-LSTM捕捉时间依赖；-GRU（门控循环单元）减少LSTM计算复杂度；42.输入特征：-时间特征（小时、星期几）；-外部特征（天气编码、节假日虚拟列）。-融合策略：-将ARIMA残差作为LSTM的输入噪声；-混合模型预测下单时间概率分布。【标准答案及解析】一、单项选择题1.D2.B3.D4.B5.B6.B7.A8.B9.A10.B二、填空题1.winsorizing（winsorize）、trimming（trim）2.信息增益（InformationGain）3.标签编码（LabelEncoding）4.最大似然估计（MaximumLikelihoodEstimation,MLE）5.指数平滑分解（Holt-WintersDecomposition）6.丢失词序信息7.准确率（Accuracy）、精确率（Precision）8.将用户和物品表示为低维隐向量9.图像识别10.评估模型泛化能力三、判断题1.正确2.错误3.正确4.错误5.错误6.正确7.正确8.错误9.正确10.错误四、简答题1.参考答案：CRISP-DM流程包含六个阶段：-业务理解：定义业务目标、识别关键成功因素、评估资源和约束；-数据理解：收集初始数据、探索数据、识别数据质量问题；-数据准备：数据清洗（处理缺失值、异常值）、转换（归一化、编码）、集成（合并数据源）；-模型建立：选择建模技术（如决策树、逻辑回归）、训练模型；-模型评估：验证模型性能（如准确率、AUC）、调整参数；-模型部署：将模型应用于实际业务、监控效果并持续优化。2.参考答案：-过拟合：模型对训练数据拟合过度，泛化能力差（测试误差高）；-欠拟合：模型过于简单，未能捕捉数据规律（训练误差和测试误差均高）。缓解过拟合的方法：-正则化（L1/L2）；-数据增强（如旋转、裁剪图像）；-早停（EarlyStopping）；-减少模型复杂度（如减少层数、神经元数）。3.参考答案：优点：-可解释性强，易于理解和可视化；-能处理混合类型数据（数值和类别）；-对异常值不敏感。缺点：-容易过拟合（如树过深）；-对数据微小变化敏感（不稳定）；-不适合高维稀疏数据。适用场景：分类和回归问题，尤其是特征间关系非线性、需可解释模型时（如金融风控、医疗诊断）。4.参考答案：特征工程：通过领域知识和技术手段，从原始数据中提取或构造更有预测能力的特征。常见方法：-特征组合：如“年龄×收入”交互特征；-特征编码：如独热编码、标签编码；-降维：如PCA、LDA。5.参考答案：-p（自回归项）：表示当前值与过去p期值的线性关系；-d（差分阶数）：使非平稳序列平稳所需的差分期数；-q（移动平均项）：表示当前值与过去q期残差的线性关系。例如ARIMA(1,1,1)表示：\[y_t=c+\phi_1y_{t-1}+\epsilon_t+\theta_1\epsilon_{t-1}\]其中\(y_t\)为当前值，\(\epsilon_t\)为白噪声。6.参考答案：词嵌入通过向量空间中的距离和方向表示语义：-相似词近邻：如"king"-"man"+"woman"≈"queen"（向量运算）；-反义关系：如"hot"和"cold"向量夹角接近180°；-上下文依赖：通过预训练模型（如BERT）学习词在不同语境中的动态表示。7.参考答案：类型：-用户-用户协同过滤：找到相似用户群体，推荐其喜欢的物品；-物品-物品协同过滤：找到相似物品，推荐给喜欢该物品的用户。局限性：-数据稀疏：用户-用户方法需大量交互数据；-冷启动问题：新用户或物品缺乏足够数据；-可扩展性差：计算相似度复杂度高。8.参考答案：K折交叉验证流程：9.将数据随机划分为K个不重叠的子集（折）；10.重复K次，每次选择1折作为验证集，其余K-1折用于训练；11.计算K次评估指标的平均值，作为模型性能估计。常用K=5或10，平衡计算效率和评估稳定性。五、应用题1.参考答案：方案设计：-数据预处理：2.构建用户-物品评分矩阵；3.处理缺失值（如使用均值填充）；4.对评分矩阵进行稀疏性分析。-模型选择：5.物品-物品协同过滤：计算物品相似度（如余弦相似度），推荐与用户历史购买物品相似的其他物品；6.矩阵分解（如SVD）：降维捕捉潜在偏好，填充缺失评分。-评估指标：-推荐准确率（Precision@K）；-召回率（Recall@K）；-NDCG（NormalizedDiscountedCumulativeGain）。-优化策略：-冷启动处理（新用户推荐热门物品）；-实时更新相似度（如使用SparkMLlib）。7.参考答案：特征工程方法：-特征组合：-创建“面积×卧室数量”交互特征，反映房屋性价比；-构建虚拟特征“年龄”（当前年份-建造年份），替代年份直接输入。-类别特征编码：-地理位置使用独热编码（如"城区"→[1,0,0]），避免顺序假设；-对地理位置进行聚类，用聚类标签替代原始类别。-数值特征缩放：-对面积、年份等数值特征进行标准化（均值为0，方差为1），避免模型偏向高尺度特征。8.参考答案：预测流程：-数据预处理：9.将流失标记为1（是），未流失为0（否）；10.处理缺失值（如行为日志使用众数填充）；11.特征工程：-创建“注册时长”分组（如短、中、长）；-计算用户活跃度指标（如最近30天行为总和）。-模型训练：12.使用逻辑回归（如scikit-learn的LogisticRegression）；13.交叉验证（如5折）选择最佳参数（如C值）；14.评估指标：AUC、F1分数。-业务应用：-预测高风险用户，推送挽留策略（如优惠券、专属客服）。15.参