数据模型面试题与解析1
面试高频题1：
题目：介绍一下k-means,你的数据如何处理，模型的输出是什么？
答案解析：
介绍kmeans：
第一步：数据归一化、离群点处理后，随机选择k个聚类质心
第二步：所有数据点关联划分到离自己最近的质心，形成k个簇；
第三步：重新计算每个簇的质心；
重复第二步、第三步，直到簇不发生变化或达到最大迭代次数；
数据如何处理：
为了防止均值和方差大的维度将对数据的聚类产生决定性影响，所以在聚类前我们对数据进行了归一化处理。
模型输出：
n个维度，输出为 的向量。[0 1 1 0 1]，就是把第1，4维分为一类，其他分为另一类。
面试高频题2：
题目：特征工程怎么做的，选择了哪些特征作为预测变量？为什么用RFM模型来构建特征变量？
答案解析：
特征工程包括：
特征构建->特征提取->特征选择。
选择特征：
用户行为特征、用户消费特征、用户画像特征 为什么RFM模型：
因为我们没有太多的用户行为数据，能用的数据比较有限。但是有一定的成交数据。只要有成交数据，就能进行RFM的分析。其次，模型的分层可解释性强。其他很多算法模型、机器学习模型，往往通过聚类进行用户的分层，对于业务来讲，不是很好解释。但RFM模型分成的用户类别，是非常好理解的。
面试高频题3：
题目：RFM模型介绍一下？
答案解析：
RFM模型根据客户活跃程度和交易金额的贡献，进行客户价值细分的 一种方法。它能够识别优质客户；可以制定个性化的沟通和营销服务，为更多的营销决策提供有力支持；能够衡量客户价值和客户利润创收能力。 R（Recency）
类似资料：