哈尔滨工业大学2022年数据挖掘期末考试

1. 给出三种特征构造的方式(可以从数值型，类别型，时间序列和文本的角度出发)（6分）

2. 线下评价(均方根误差，召回率，精确度，平均绝对误差)，线上评价(转化成交率=成交的总笔数/进店顾客总数)，假设你自己设计了一个电影推荐系统，请从以上任选两个评价指标(或者自己构造两个新的)来评价你的推荐系统(6分)

3. 社会网络问题。(6分)
   

4. 处理不平衡数据问题(10分)
   1)不平衡数据会造成什么影响(从召回率和精确度的角度分析)？
   2)怎样解决不平衡数据问题?

5. GBDT问题(6分)
   1)GBDT的特点是什么？
   2)GBDT的节点是怎么选取某个特征的某个值的？
   3)在一轮训练完成后，如何确定各个特征的重要程度？

6. 当数据较多时，查询获取近邻信息(最近邻，K近邻)需要耗费很长时间。请设计一种方法加快近邻信息的获取(6分)

7. 请自行设计一种自动调参的方法(10分)

8. 自动化机器学习会在训练结束后展示很多模型，综合定量分析，请选取一个最佳的模型(10分)