m*******4
发帖数: 34 | 1 本人CS硕， 最近在面开发的职位。前几天电面一家公司， 本来面后端开发的， 但是
聊的实验室项目， 他们挺感兴趣。
我们实验室是做识别的， 所以会用到很多classifier. 就聊聊ML的东西。 结果给我
发了个 data science challenge.
预测房价， 给了几万条training数据，有房价， feature 比如房屋类型， 地理位
置， 距离城里多远，有数字类型的， 也有categorical 的。
然后又有几万条数据同样类型的feature， 没房价，让建模型 预测。
要求一周内做出来，
提交代码。描述模型， 选的什么软件， 什么包
何种算法， 怎样选feature, 为什么
怎样分析模型的 accuracy , 用什么方法，为什么选这个方法
那个feature 影响高， 那个影响低， 用什么方法找的。
数据有错误， 要求清洗， 哪些清洗时必要的
---------------------------------
我们实验室就是用用 naive bayes, SVM 啥的。 没人真懂。
我觉得这是回归不是分类。 我上统计课的时候知道些线性回归的皮毛。
觉得此题对版上的人来说是小菜一碟， 特来讨教 | Y****a
发帖数: 243 | 2 听起来这个数据已经相对clean了，如果要的结果是房价区间，可以做分类，如果要具
体数值，就regression。最简单的就是把数据扔各种tree model里，用cross
validation找个好的。randomforest可以给你variable importance。
话说回来，这个面试题不会，真工作了，怎么做啊？ 你还是强调一下你感兴趣的是sde
吧。 |
|
