2025年征信數(shù)據(jù)分析師能力測試-征信數(shù)據(jù)分析挖掘方法與技巧試題考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（本部分共20小題，每小題2分，共40分。每小題只有一個(gè)正確答案，請將正確答案的字母填在題后的括號內(nèi)。）1.在征信數(shù)據(jù)分析中，下列哪項(xiàng)指標(biāo)最能反映借款人的還款能力？（）A.貸款余額B.收入水平C.信用評分D.婚姻狀況解析：這題啊，我講課的時(shí)候經(jīng)常強(qiáng)調(diào)，還款能力這東西，說白了就是看人家兜里有沒有錢，所以收入水平肯定是最直觀的，貸款余額只是結(jié)果，信用評分是綜合評價(jià)，婚姻狀況跟還款能力關(guān)系不大，這題選B。2.征信數(shù)據(jù)中，哪一種變量類型最適合使用均值和中位數(shù)來描述其中心趨勢？（）A.分類變量B.常量變量C.標(biāo)準(zhǔn)差D.連續(xù)變量解析：這題得看清楚，分類變量比如性別，你用均值中位數(shù)沒意義，常量變量就一個(gè)值，標(biāo)準(zhǔn)差是離散程度，不是趨勢，連續(xù)變量比如收入，這玩意兒取值范圍廣，用均值中位數(shù)最合適，所以選D。3.在進(jìn)行邏輯回歸分析時(shí)，如果某個(gè)自變量的P值大于0.05，通常意味著什么？（）A.該變量對因變量有顯著影響B(tài).該變量對因變量沒有顯著影響C.該變量一定是無關(guān)緊要的D.需要進(jìn)一步增大樣本量解析：這題啊，P值小于0.05才表示顯著，大于0.05說明證據(jù)不足，不能拒絕原假設(shè)，也就是沒發(fā)現(xiàn)顯著影響，但也不能說它就完全沒用，所以選B。我上課的時(shí)候經(jīng)常舉例子，就像你懷疑同桌偷你筆，看了10次都沒偷，但你不能就說他肯定不是小偷啊。4.征信數(shù)據(jù)清洗中，處理缺失值最常用的方法是什么？（）A.刪除含有缺失值的樣本B.填充缺失值（如均值、中位數(shù)填充）C.使用模型預(yù)測缺失值D.忽略缺失值不處理解析：這題得看情況，但一般首選填充，尤其是大數(shù)據(jù)量的時(shí)候，直接刪太可惜了，預(yù)測缺失值比較復(fù)雜，忽略更不行，所以選B。我以前有個(gè)學(xué)生，數(shù)據(jù)缺了20%，直接刪了，后來被領(lǐng)導(dǎo)罵慘了，說浪費(fèi)資源。5.在構(gòu)建信用評分模型時(shí)，哪個(gè)指標(biāo)最能反映模型的區(qū)分能力？（）A.決策樹深度B.AUC值C.決策邊界D.回歸系數(shù)解析：這題得懂啊，區(qū)分能力就是看模型分得準(zhǔn)不準(zhǔn)，AUC值就是干這個(gè)的，范圍0到1，越接近1越好，樹深度是模型復(fù)雜度，邊界是可視化東西，系數(shù)是解釋變量影響，所以選B。我上課時(shí)總用信用卡例子，AUC高說明你分得準(zhǔn)，不會把該拒的都拒了。6.征信數(shù)據(jù)中，哪項(xiàng)指標(biāo)最能反映借款人的信用風(fēng)險(xiǎn)？（）A.汽車數(shù)量B.信用評分C.賬戶余額D.職業(yè)解析：這題很簡單，信用評分就是專門干這個(gè)的，其他都是無關(guān)因素，我上課時(shí)經(jīng)常說，就像看病，醫(yī)生不會看你有幾個(gè)手機(jī)來判斷病情，會看檢查報(bào)告，所以選B。7.在進(jìn)行特征工程時(shí)，哪項(xiàng)操作最可能提高模型的預(yù)測能力？（）A.增加無關(guān)特征B.刪除冗余特征C.對所有特征進(jìn)行標(biāo)準(zhǔn)化D.減少特征數(shù)量解析：這題得細(xì)想，無關(guān)特征只會拖后腿，刪除冗余可以，但關(guān)鍵是要有新特征，標(biāo)準(zhǔn)化是預(yù)處理，不是創(chuàng)造特征，所以選B。我有個(gè)學(xué)生把重復(fù)特征當(dāng)新特征用了，結(jié)果模型瞎跑，最后被笑話了。8.在處理征信數(shù)據(jù)中的異常值時(shí)，哪種方法最常用？（）A.直接刪除異常值B.將異常值替換為最大值C.對異常值進(jìn)行平滑處理D.使用箱線圖識別并處理異常值解析：這題得會啊，直接刪太粗暴，替換成最大值更離譜，平滑處理不具體，箱線圖是識別方法，不是處理方法，實(shí)際是識別后處理，比如刪或替換，所以選D。我上課時(shí)總用學(xué)生成績例子，有個(gè)學(xué)生考了100分，老師發(fā)現(xiàn)是抄的，直接刪了，結(jié)果平均分降低了。9.在進(jìn)行聚類分析時(shí)，哪種距離度量方法最常用？（）A.方差B.皮爾遜相關(guān)系數(shù)C.歐氏距離D.相關(guān)系數(shù)解析：這題得記，聚類分析一般用歐氏距離，方差是方差分析用的，相關(guān)系數(shù)是相關(guān)性分析用的，皮爾遜是相關(guān)系數(shù)的一種，所以選C。我有個(gè)學(xué)生用方差做聚類，結(jié)果被導(dǎo)師罵得狗血淋頭。10.在進(jìn)行時(shí)間序列分析時(shí)，哪個(gè)模型最適合處理具有明顯季節(jié)性波動(dòng)的數(shù)據(jù)？（）A.ARIMA模型B.線性回歸模型C.邏輯回歸模型D.決策樹模型解析：這題得懂啊，ARIMA是時(shí)間序列的，能處理季節(jié)性，其他都不行，我上課時(shí)總用超市銷售額例子，夏天賣空調(diào)多，冬天賣暖寶寶多，這種就得用ARIMA，所以選A。11.在征信數(shù)據(jù)中，哪項(xiàng)指標(biāo)最能反映借款人的負(fù)債水平？（）A.信用額度B.逾期次數(shù)C.總負(fù)債D.賬戶年齡解析：這題很簡單，負(fù)債水平就是欠多少錢，總負(fù)債最直接，額度是可能用，次數(shù)是行為，年齡是歷史，所以選C。我講課時(shí)就強(qiáng)調(diào)，就像你欠債，老師不會看你會不會用額度，會看你欠了多少。12.在進(jìn)行數(shù)據(jù)探索性分析時(shí)，哪種圖表最適合展示兩個(gè)連續(xù)變量的關(guān)系？（）A.條形圖B.散點(diǎn)圖C.餅圖D.熱力圖解析：這題得會啊，兩個(gè)連續(xù)變量看關(guān)系，散點(diǎn)圖最直觀，條形圖是分類對連續(xù)，餅圖是占比，熱力圖是多變量，所以選B。我有個(gè)學(xué)生用條形圖展示收入和消費(fèi)關(guān)系，結(jié)果導(dǎo)師說看不懂，后來改用散點(diǎn)圖才明白。13.在構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時(shí)，哪個(gè)參數(shù)對模型性能影響最大？（）A.學(xué)習(xí)率B.批量大小C.隱藏層節(jié)點(diǎn)數(shù)D.激活函數(shù)解析：這題得有經(jīng)驗(yàn)，學(xué)習(xí)率太重要了，太大模型亂跑，太小模型不跑，其他也是重要，但學(xué)習(xí)率是關(guān)鍵，我上課時(shí)總用開車比喻，學(xué)習(xí)率像油門，踩太猛或太輕都不行，所以選A。14.在征信數(shù)據(jù)中，哪項(xiàng)指標(biāo)最能反映借款人的還款意愿？（）A.信用評分B.逾期天數(shù)C.賬戶數(shù)量D.收入穩(wěn)定性解析：這題得細(xì)想，還款意愿是態(tài)度問題，逾期天數(shù)是行為，評分是綜合，數(shù)量是需求，穩(wěn)定性是能力，態(tài)度得看行為，所以選B。我講課時(shí)就用借錢不還例子，不是看人家兜里有錢沒錢，是看人家愿不愿意還。15.在進(jìn)行特征選擇時(shí)，哪種方法最適合處理高維數(shù)據(jù)？（）A.逐步回歸B.Lasso回歸C.決策樹D.線性判別分析解析：這題得會啊，Lasso回歸是特征選擇神器，可以自動(dòng)選變量，逐步回歸要手動(dòng)選，決策樹選變量不精確，線性判別分析是降維，所以選B。我有個(gè)學(xué)生用Lasso把200個(gè)特征降到20個(gè)，效果還挺好。16.在征信數(shù)據(jù)中，哪項(xiàng)指標(biāo)最能反映借款人的信用歷史長度？（）A.賬戶年齡B.信用評分C.逾期次數(shù)D.總負(fù)債解析：這題很簡單，信用歷史長度就是看賬戶開了多久，賬戶年齡最直接，評分是綜合，次數(shù)是行為，負(fù)債是結(jié)果，所以選A。我講課時(shí)就用銀行流水例子，就像你看一個(gè)人是不是老油條，就看他在銀行待多久了。17.在進(jìn)行模型評估時(shí)，哪個(gè)指標(biāo)最適合衡量模型的泛化能力？（）A.訓(xùn)練集上的R2值B.測試集上的AUC值C.交叉驗(yàn)證結(jié)果D.特征重要性解析：這題得會啊，泛化能力就是模型對新數(shù)據(jù)的預(yù)測能力，測試集AUC最合適，訓(xùn)練集R2是過擬合指標(biāo)，交叉驗(yàn)證是評估方法，特征重要性是解釋工具，所以選B。我上課時(shí)總用考試比喻，考試是泛化能力，作業(yè)是訓(xùn)練集，所以考試分?jǐn)?shù)最重要。18.在處理征信數(shù)據(jù)中的類別不平衡時(shí)，哪種方法最常用？（）A.增加樣本量B.使用過采樣技術(shù)C.使用欠采樣技術(shù)D.調(diào)整分類閾值解析：這題得會啊，不平衡數(shù)據(jù)最常用過采樣，欠采樣也可以，增加樣本量難，調(diào)整閾值只是臨時(shí)措施，所以選B。我有個(gè)學(xué)生用欠采樣把正負(fù)樣本比例1:1，結(jié)果模型把大部分都分成了正類，最后被導(dǎo)師罵慘了。19.在進(jìn)行特征編碼時(shí)，哪種方法最適合處理有序分類變量？（）A.One-Hot編碼B.標(biāo)準(zhǔn)化C.Label編碼D.二進(jìn)制編碼解析：這題得會啊，有序變量不能隨便用One-Hot，得用Label，標(biāo)準(zhǔn)化是數(shù)值處理，二進(jìn)制是另一種One-Hot，所以選C。我講課時(shí)就用教育程度例子，小學(xué)<中學(xué)<大學(xué)，這種就得用Label。20.在征信數(shù)據(jù)中，哪項(xiàng)指標(biāo)最能反映借款人的信用風(fēng)險(xiǎn)集中度？（）A.信用評分B.單一貸款占比C.賬戶數(shù)量D.總負(fù)債解析：這題得細(xì)想，風(fēng)險(xiǎn)集中度就是看某一點(diǎn)風(fēng)險(xiǎn)多大，單一貸款占比最直接，評分是綜合，數(shù)量是分散，總負(fù)債是絕對值，所以選B。我講課時(shí)就用投資例子，全買一只股票風(fēng)險(xiǎn)大，分散投資風(fēng)險(xiǎn)小，貸款也是一樣。二、簡答題（本部分共5小題，每小題4分，共20分。請將答案寫在答題紙上相應(yīng)位置。）1.簡述征信數(shù)據(jù)清洗的主要步驟有哪些？解析：這題得會啊，清洗是數(shù)據(jù)分析第一步，主要步驟有：①缺失值處理，比如刪或填充；②異常值處理，比如刪或替換；③重復(fù)值處理，去重；④格式統(tǒng)一，比如日期格式；⑤數(shù)據(jù)轉(zhuǎn)換，比如分類變量編碼。我上課時(shí)總用學(xué)生數(shù)據(jù)例子，有個(gè)學(xué)生數(shù)據(jù)有200個(gè)空成績，老師直接刪了100個(gè)，結(jié)果被導(dǎo)師罵了，后來改用均值填充。2.解釋什么是特征工程，并列舉三種常見的特征工程方法。解析：這題得會啊，特征工程就是創(chuàng)造新特征，讓模型更好用。方法有：①特征組合，比如收入乘以年限；②特征轉(zhuǎn)換，比如對數(shù)轉(zhuǎn)換；③特征選擇，比如用Lasso選變量。我有個(gè)學(xué)生把收入和年限相乘造了個(gè)新特征，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。3.簡述邏輯回歸模型在信用評分中的應(yīng)用。解析：這題得會啊，邏輯回歸是信用評分基礎(chǔ)，原理是用自變量預(yù)測違約概率，然后轉(zhuǎn)化成評分。步驟有：①選變量，比如收入、負(fù)債；②建模，用邏輯回歸；③轉(zhuǎn)評分，把概率乘100。我上課時(shí)總用信用卡例子，就像你預(yù)測同桌會不會偷你筆，偷的概率乘100就是評分。4.解釋什么是過采樣和欠采樣，并說明它們各自的優(yōu)缺點(diǎn)。解析：這題得會啊，過采樣是復(fù)制少數(shù)類樣本，欠采樣是刪多數(shù)類樣本。過采樣優(yōu)點(diǎn)是保留所有數(shù)據(jù)，缺點(diǎn)是可能過擬合；欠采樣優(yōu)點(diǎn)是減少計(jì)算量，缺點(diǎn)是丟失信息。我有個(gè)學(xué)生用過采樣，結(jié)果模型在少數(shù)類上瞎跑，最后被導(dǎo)師罵了。5.簡述AUC值在模型評估中的含義。解析：這題得會啊，AUC值是模型區(qū)分能力，范圍0到1，越大越好。含義是模型把正類排在負(fù)類前面的概率。我上課時(shí)總用考試比喻，AUC高就像考試高分，能分清楚誰會誰不會；AUC低就像考試亂答，誰會誰不會分不清。三、簡答題（本部分共5小題，每小題4分，共20分。請將答案寫在答題紙上相應(yīng)位置。）6.解釋什么是數(shù)據(jù)探索性分析（EDA），并列舉三種常見的EDA方法。解析：這題得會啊，EDA就是隨便看看數(shù)據(jù)，了解基本情況，像偵探查案一樣。方法有：①統(tǒng)計(jì)描述，比如計(jì)算均值、中位數(shù)；②可視化，比如畫直方圖、散點(diǎn)圖；③相關(guān)性分析，看變量之間關(guān)系。我有個(gè)學(xué)生用散點(diǎn)圖發(fā)現(xiàn)收入和評分有關(guān)系，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。7.簡述決策樹模型在征信數(shù)據(jù)分析中的應(yīng)用，并說明其優(yōu)缺點(diǎn)。解析：這題得會啊，決策樹是分類神器，原理是問問題把數(shù)據(jù)分好類。優(yōu)點(diǎn)是直觀，像問答題；缺點(diǎn)是容易過擬合，像鉆牛角尖。應(yīng)用是預(yù)測違約，比如問收入高不高，負(fù)債重不重。我上課時(shí)總用選課例子，就像你選課，問成績好不好，難不難，這樣選到適合的課。8.解釋什么是交叉驗(yàn)證，并說明其在模型評估中的作用。解析：這題得會啊，交叉驗(yàn)證是把數(shù)據(jù)分成幾份，輪流用份數(shù)據(jù)訓(xùn)練，份數(shù)據(jù)測試。作用是減少評估誤差，像考試換不同試卷。方法有：①K折交叉驗(yàn)證，分K份輪流；②留一交叉驗(yàn)證，每次留一份測試。我有個(gè)學(xué)生用交叉驗(yàn)證，結(jié)果模型效果穩(wěn)定，被導(dǎo)師表揚(yáng)了。9.簡述特征選擇的目的，并列舉三種常見的特征選擇方法。解析：這題得會啊，特征選擇是為了選最好的變量，去掉沒用的，像挑菜一樣。目的有：①提高模型性能，選好變量模型更好；②減少模型復(fù)雜度，像減肥一樣。方法有：①過濾法，比如用相關(guān)系數(shù)選；②包裹法，比如用逐步回歸選；③嵌入法，比如用Lasso選。我有個(gè)學(xué)生用Lasso選變量，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。10.解釋什么是模型漂移，并說明其產(chǎn)生的原因和應(yīng)對方法。解析：這題得會啊，模型漂移就是模型用久了失效了，像你考試越考越差。原因有：①數(shù)據(jù)分布變了，比如現(xiàn)在年輕人借錢多；②模型過時(shí)了，像老手機(jī)跑不動(dòng)。應(yīng)對方法是：①定期重新訓(xùn)練，像換電池；②在線學(xué)習(xí)，像邊跑邊學(xué)。我有個(gè)學(xué)生模型用了一年就失效了，后來定期重新訓(xùn)練，效果好了不少，被導(dǎo)師表揚(yáng)了。四、論述題（本部分共2小題，每小題10分，共20分。請將答案寫在答題紙上相應(yīng)位置。）11.結(jié)合實(shí)際案例，論述征信數(shù)據(jù)清洗的重要性及其主要挑戰(zhàn)。解析：這題得會啊，數(shù)據(jù)清洗很重要，就像做飯得洗菜，不洗不干凈。重要性有：①提高數(shù)據(jù)質(zhì)量，像洗菜去泥；②保證模型效果，像菜洗干凈才好吃。挑戰(zhàn)有：①缺失值多，像菜有爛的；②異常值怪，像菜里有蟲；③數(shù)據(jù)格式亂，像菜有生的有熟的。我以前有個(gè)學(xué)生數(shù)據(jù)有20%缺失，直接刪了，結(jié)果被導(dǎo)師罵慘了，后來改用均值填充，效果好了不少。12.結(jié)合實(shí)際案例，論述如何選擇合適的模型評估指標(biāo)，并說明不同指標(biāo)的含義和應(yīng)用場景。解析：這題得會啊，選評估指標(biāo)像選尺子，得看情況。選擇方法有：①看問題類型，分類用AUC，回歸用R2；②看數(shù)據(jù)平衡，不平衡用F1；③看業(yè)務(wù)需求，比如風(fēng)控用ROC。指標(biāo)含義：①AUC是區(qū)分能力，像考試區(qū)分度；②R2是擬合度，像模型貼數(shù)據(jù)緊不緊；③F1是綜合指標(biāo)，像平衡打分。應(yīng)用場景：①AUC用在分類，像預(yù)測違約；②R2用在回歸，像預(yù)測房價(jià)；③F1用在不平衡，像預(yù)測稀有病。我有個(gè)學(xué)生用AUC評估分類模型，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。本次試卷答案如下一、選擇題答案及解析1.B解析：還款能力最終要看收入水平，貸款余額是結(jié)果，信用評分是綜合評價(jià)，婚姻狀況跟還款能力關(guān)系不大，所以選B。2.D解析：連續(xù)變量比如收入，取值范圍廣，用均值中位數(shù)描述最合適，分類變量不適合，常量變量沒意義，標(biāo)準(zhǔn)差是離散程度，所以選D。3.B解析：P值小于0.05才表示顯著，大于0.05說明證據(jù)不足，不能拒絕原假設(shè)，即沒有發(fā)現(xiàn)顯著影響，但也不能說它就完全沒用，所以選B。4.B解析：數(shù)據(jù)清洗一般首選填充，尤其是大數(shù)據(jù)量的時(shí)候，直接刪太可惜了，預(yù)測缺失值比較復(fù)雜，忽略更不行，所以選B。5.B解析：AUC值就是干這個(gè)的，范圍0到1，越接近1越好，樹深度是模型復(fù)雜度，邊界是可視化東西，系數(shù)是解釋變量影響，所以選B。6.B解析：信用評分就是專門干這個(gè)的，其他都是無關(guān)因素，就像看病，醫(yī)生不會看你有幾個(gè)手機(jī)來判斷病情，會看檢查報(bào)告，所以選B。7.B解析：無關(guān)特征只會拖后腿，刪除冗余可以，但關(guān)鍵是要有新特征，標(biāo)準(zhǔn)化是預(yù)處理，不是創(chuàng)造特征，減少特征數(shù)量可能會丟失信息，所以選B。8.D解析：箱線圖是識別方法，不是處理方法，實(shí)際是識別后處理，比如刪或替換，所以選D。就像你懷疑同桌偷你筆，看了10次都沒偷，但你不能就說他肯定不是小偷啊。9.C解析：聚類分析一般用歐氏距離，方差是方差分析用的，相關(guān)系數(shù)是相關(guān)性分析用的，皮爾遜是相關(guān)系數(shù)的一種，所以選C。10.A解析：ARIMA是時(shí)間序列的，能處理季節(jié)性，其他都不行，就像夏天賣空調(diào)多，冬天賣暖寶寶多，這種就得用ARIMA，所以選A。11.C解析：負(fù)債水平就是欠多少錢，總負(fù)債最直接，額度是可能用，次數(shù)是行為，年齡是歷史，所以選C。12.B解析：兩個(gè)連續(xù)變量看關(guān)系，散點(diǎn)圖最直觀，條形圖是分類對連續(xù)，餅圖是占比，熱力圖是多變量，所以選B。13.A解析：學(xué)習(xí)率像油門，踩太猛或太輕都不行，是關(guān)鍵參數(shù)，我上課時(shí)總用開車比喻，油門像學(xué)習(xí)率，踩太猛模型亂跑，踩太輕模型不跑，所以選A。14.B解析：還款意愿是態(tài)度問題，逾期天數(shù)是行為，評分是綜合，數(shù)量是需求，穩(wěn)定性是能力，態(tài)度得看行為，就像借錢不還，不是看人家兜里有錢沒錢，是看人家愿不愿意還，所以選B。15.B解析：Lasso回歸是特征選擇神器，可以自動(dòng)選變量，逐步回歸要手動(dòng)選，決策樹選變量不精確，線性判別分析是降維，所以選B。16.A解析：信用歷史長度就是看賬戶開了多久，賬戶年齡最直接，評分是綜合，次數(shù)是行為，負(fù)債是結(jié)果，所以選A。17.B解析：泛化能力就是模型對新數(shù)據(jù)的預(yù)測能力，測試集AUC最合適，訓(xùn)練集R2是過擬合指標(biāo)，交叉驗(yàn)證是評估方法，特征重要性是解釋工具，所以選B。18.B解析：不平衡數(shù)據(jù)最常用過采樣，欠采樣也可以，增加樣本量難，調(diào)整閾值只是臨時(shí)措施，所以選B。19.C解析：有序變量不能隨便用One-Hot，得用Label，標(biāo)準(zhǔn)化是數(shù)值處理，二進(jìn)制是另一種One-Hot，所以選C。20.B解析：單一貸款占比最直接，風(fēng)險(xiǎn)集中度就是看某一點(diǎn)風(fēng)險(xiǎn)多大，評分是綜合，數(shù)量是分散，總負(fù)債是絕對值，所以選B。二、簡答題答案及解析1.簡述征信數(shù)據(jù)清洗的主要步驟有哪些？答案：①缺失值處理，比如刪或填充；②異常值處理，比如刪或替換；③重復(fù)值處理，去重；④格式統(tǒng)一，比如日期格式；⑤數(shù)據(jù)轉(zhuǎn)換，比如分類變量編碼。解析：數(shù)據(jù)清洗是數(shù)據(jù)分析第一步，像做飯得洗菜，不洗不干凈。主要步驟有：①缺失值處理，像菜有爛的，得處理；②異常值處理，像菜有蟲，得去；③重復(fù)值處理，像菜有生的有熟的，得去重；④格式統(tǒng)一，像菜有生的有熟的，得統(tǒng)一；⑤數(shù)據(jù)轉(zhuǎn)換，像菜有生的有熟的，得轉(zhuǎn)換。我以前有個(gè)學(xué)生數(shù)據(jù)有20%缺失，直接刪了，結(jié)果被導(dǎo)師罵慘了，后來改用均值填充，效果好了不少。2.解釋什么是特征工程，并列舉三種常見的特征工程方法。答案：特征工程就是創(chuàng)造新特征，讓模型更好用。方法有：①特征組合，比如收入乘以年限；②特征轉(zhuǎn)換，比如對數(shù)轉(zhuǎn)換；③特征選擇，比如用Lasso選變量。解析：特征工程像挑菜，挑好的放一起，扔壞的，目的是選最好的變量，去掉沒用的，像挑菜一樣。方法有：①特征組合，像把收入和年限相乘造個(gè)新特征；②特征轉(zhuǎn)換，像對數(shù)轉(zhuǎn)換；③特征選擇，像用Lasso選變量。我有個(gè)學(xué)生把收入和年限相乘造了個(gè)新特征，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。3.簡述邏輯回歸模型在信用評分中的應(yīng)用。答案：邏輯回歸是信用評分基礎(chǔ)，原理是用自變量預(yù)測違約概率，然后轉(zhuǎn)化成評分。步驟有：①選變量，比如收入、負(fù)債；②建模，用邏輯回歸；③轉(zhuǎn)評分，把概率乘100。解析：邏輯回歸像問同桌會不會偷你筆，偷的概率乘100就是評分。原理是用自變量預(yù)測違約概率，然后轉(zhuǎn)化成評分。步驟有：①選變量，像選收入、負(fù)債；②建模，用邏輯回歸；③轉(zhuǎn)評分，把概率乘100。我上課時(shí)總用信用卡例子，就像你預(yù)測同桌會不會偷你筆，偷的概率乘100就是評分。4.解釋什么是過采樣和欠采樣，并說明它們各自的優(yōu)缺點(diǎn)。答案：過采樣是復(fù)制少數(shù)類樣本，欠采樣是刪多數(shù)類樣本。過采樣優(yōu)點(diǎn)是保留所有數(shù)據(jù)，缺點(diǎn)是可能過擬合；欠采樣優(yōu)點(diǎn)是減少計(jì)算量，缺點(diǎn)是丟失信息。解析：過采樣像復(fù)制菜，欠采樣像扔菜。過采樣是復(fù)制少數(shù)類樣本，欠采樣是刪多數(shù)類樣本。過采樣優(yōu)點(diǎn)是保留所有數(shù)據(jù)，缺點(diǎn)是可能過擬合；欠采樣優(yōu)點(diǎn)是減少計(jì)算量，缺點(diǎn)是丟失信息。我有個(gè)學(xué)生用過采樣，結(jié)果模型在少數(shù)類上瞎跑，最后被導(dǎo)師罵了。5.簡述AUC值在模型評估中的含義。答案：AUC值是模型區(qū)分能力，范圍0到1，越大越好。含義是模型把正類排在負(fù)類前面的概率。解析：AUC值像考試區(qū)分度，AUC高就像考試高分，能分清楚誰會誰不會；AUC低就像考試亂答，誰會誰不會分不清。含義是模型把正類排在負(fù)類前面的概率，范圍0到1，越大越好。三、簡答題答案及解析6.解釋什么是數(shù)據(jù)探索性分析（EDA），并列舉三種常見的EDA方法。答案：EDA就是隨便看看數(shù)據(jù)，了解基本情況，像偵探查案一樣。方法有：①統(tǒng)計(jì)描述，比如計(jì)算均值、中位數(shù)；②可視化，比如畫直方圖、散點(diǎn)圖；③相關(guān)性分析，看變量之間關(guān)系。解析：EDA像偵探查案，隨便看看數(shù)據(jù)，了解基本情況。方法有：①統(tǒng)計(jì)描述，像計(jì)算菜有多少個(gè)；②可視化，像畫菜圖；③相關(guān)性分析，看菜之間關(guān)系。我有個(gè)學(xué)生用散點(diǎn)圖發(fā)現(xiàn)收入和評分有關(guān)系，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。7.簡述決策樹模型在征信數(shù)據(jù)分析中的應(yīng)用，并說明其優(yōu)缺點(diǎn)。答案：決策樹是分類神器，原理是問問題把數(shù)據(jù)分好類。優(yōu)點(diǎn)是直觀，像問答題；缺點(diǎn)是容易過擬合，像鉆牛角尖。應(yīng)用是預(yù)測違約，比如問收入高不高，負(fù)債重不重。解析：決策樹像問答題，原理是問問題把數(shù)據(jù)分好類。優(yōu)點(diǎn)是直觀，像問答題；缺點(diǎn)是容易過擬合，像鉆牛角尖。應(yīng)用是預(yù)測違約，比如問收入高不高，負(fù)債重不重。我上課時(shí)總用選課例子，就像你選課，問成績好不好，難不難，這樣選到適合的課。8.解釋什么是交叉驗(yàn)證，并說明其在模型評估中的作用。答案：交叉驗(yàn)證是把數(shù)據(jù)分成幾份，輪流用份數(shù)據(jù)訓(xùn)練，份數(shù)據(jù)測試。作用是減少評估誤差，像考試換不同試卷。方法有：①K折交叉驗(yàn)證，分K份輪流；②留一交叉驗(yàn)證，每次留一份測試。解析：交叉驗(yàn)證像考試換不同試卷，把數(shù)據(jù)分成幾份，輪流用份數(shù)據(jù)訓(xùn)練，份數(shù)據(jù)測試。作用是減少評估誤差，像考試換不同試卷。方法有：①K折交叉驗(yàn)證，分K份輪流；②留一交叉驗(yàn)證，每次留一份測試。我有個(gè)學(xué)生用交叉驗(yàn)證，結(jié)果模型效果穩(wěn)定，被導(dǎo)師表揚(yáng)了。9.簡述特征選擇的目的，并列舉三種常見的特征選擇方法。答案：特征選擇是為了選最好的變量，去掉沒用的，像挑菜一樣。目的有：①提高模型性能，選好變量模型更好；②減少模型復(fù)雜度，像減肥一樣。方法有：①過濾法，比如用相關(guān)系數(shù)選；②包裹法，比如用逐步回歸選；③嵌入法，比如用Lasso選。解析：特征選擇像挑菜，挑好的放一起，扔壞的，目的是選最好的變量，去掉沒用的，像挑菜一樣。目的有：①提高模型性能，選好變量模型更好；②減少模型復(fù)雜度，像減肥一樣。方法有：①過濾法，比如用相關(guān)系數(shù)選；②包裹法，比如用逐步回歸選；③嵌入法，比如用Lasso選。我有個(gè)學(xué)生用Lasso選變量，結(jié)果模型效果好了不少，被導(dǎo)師表揚(yáng)了。10.解釋什么是模型漂移，并說明其產(chǎn)生的原因和應(yīng)對方法。答案：模型漂移就是模型用久了失效了，像你考試越考越差。原因有