第4章 特征工程与数据预处理面试：特征构造、归一化、缺失值处理
特征工程是搜索算法模型面试的「兵家必争之地」，面试官通常从特征构造、归一化、缺失值处理三个维度考察候选人的工程落地能力与业务理解深度。本章围绕高频面试题，提供可迁移的回答框架与避坑指南。
🎯 本章学习目标：掌握特征工程三核心模块的面试回答框架，能够在30秒内构建「问题→分析→方案→验证」的完整叙事逻辑。
📌 面试问答 ① 特征构造
面试问题：如何为搜索排序模型构造有效的组合特征？
🎯 面试官考察点：
- 特征交叉的业务理解（是否理解搜索场景的匹配逻辑）
- 特征工程方法论的成熟度（组合方式 + 筛选机制）
- 避免过拟合的意识（维度控制与验证策略）
🧩 回答框架：
- 业务理解：识别搜索场景中 query 与 doc 的核心匹配信号
- 特征交叉：将文本匹配信号与用户行为统计做组合
- 验证筛选：通过特征重要性排序 + 离线评估验证有效性
📝 简短示例回答：
结合搜索业务，将 query 与 doc 的 BM25、语义相似度与点击率做组合交叉，生成 query-doc 匹配特征对。通过 GBDT 特征重要性筛选 Top-50，离线 NDCG@5 提升 3%，线上 CTR 提升 1.2%。
🔍 可能追问：
- 特征组合爆炸如何解决？
- 特征有效性如何验证？用了哪些指标？
- GBDT 特征重要性与 SHAP 值你更倾向哪个？
⚠️ 避坑提醒：避免盲目做高阶交叉（如 5 阶以上），优先做业务可解释的低阶交叉（2~3 阶）；验证集必须与训练集时间对齐，防止数据泄露。
📌 面试问答 ② 归一化
面试问题：搜索模型中的连续特征应该选择 Min-Max 归一化还是 Z-score 标准化？
🎯 面试官考察点：
- 对特征分布的理解（是否有边界、是否存在异常值）
- 模型对尺度的敏感性（树模型 vs 深度学习模型）
- 工程落地意识（线上实时归一化的实现方式）
🧩 回答框架：
- 分布判断：分析特征是否有明确边界、是否近似正态
- 模型匹配：树模型可不做，DNN/LR 必须统一尺度
- 场景选型：有边界无异常值 → Min-Max；有异常值/正态分布 → Z-score
📝 简短示例回答：
若特征有明确边界且无异常值（如点击率 0~1），选 Min-Max；若特征近似正态或存在异常值（如停留时长），选 Z-score。树模型可不做归一化，但 DNN/LR 必须统一尺度，否则影响收敛。
🔍 可能追问：
- 线上实时归一化怎么做？参数如何更新？
- Min-Max 遇到超出边界的线上值怎么办？
- 归一化参数在训练集和测试集如何复用？
⚠️ 避坑提醒：测试集必须使用训练集的归一化参数，不可混用；Min-Max 对异常值敏感，先做截断再归一化。
📌 面试问答 ③ 缺失值处理
面试问题：搜索日志特征缺失严重时，你会如何处理？
🎯 面试官考察点：
- 缺失原因分析能力（冷启动 vs 采集故障）
- 处理策略的工程鲁棒性（不引入未来信息）
- 效果验证意识（A/B 实验验证填充方案）
🧩 回答框架：
- 原因分析：区分冷启动物品、日志采集故障、特征本身不可用
- 策略选择：均值填充、前向填充、模型预测填充
- 效果验证：A/B 实验对比不同填充策略对线上指标的影响
📝 简短示例回答：