第2章 高频面试问题与回答框架：常见问题、答题结构、公司侧重点
本章覆盖面试中最常出现的3类评估问题，帮你建立“先解构后输出”的答题骨架。核心逻辑：理解业务目标 → 拆解评估指标 → 选择对应方法 → 用案例/数据佐证。下图为本章答题框架的标准化路径。
🎯 题目1：如何评估一个二分类模型是否适合线上业务？
| 📌 考察点 | 能否区分离线指标与业务指标，能否结合实际业务背景选择重点（如高召回 vs 高准确） |
| 🧩 回答框架 | ①确认业务场景（如风控、推荐）；②列出核心离线指标（AUC/KS/Recall/Precision）；③匹配业务成本（如误杀 vs 漏放）；④用线上A/B实验或历史案例佐证 |
| 💡 示例回答 | “如果做贷款反欺诈，我会优先看 Recall 和 KS，因为漏掉一个坏账比误拦一个好用户损失更大。离线用 GBDT 模型 KS 0.45，线上 A/B 测试欺诈率下降 30%，同时人工回测误报率 <5%。”（85字） |
| 🔄 可能追问 | ①如果业务方说“我们只看准确率”，你怎么应对？②样本不平衡时怎么调 Recall/Precision 平衡？ |
| ⚠️ 避坑提醒 | 不要只抛指标而不说明业务含义；避免说“反正 AUC 高就 OK”，面试官期待你证明你懂得取舍。 |
🎯 题目2：如果模型离线效果很好，上线后效果却很差，你怎么排查？
| 📌 考察点 | 数据分布漂移检测能力、特征一致性校验思维、线上链路排查逻辑 |
| 🧩 回答框架 | ①检查训练/测试/线上特征分布（PSI/KL散度）；②验证特征加工逻辑是否一致（离线 vs 线上）；③抽样线上日志比对特征值；④查看样本时区是否匹配（如时间穿越） |
| 💡 示例回答 | “我会先算线上 vs 离线特征的 PSI，发现‘用户年龄’特征分布从 0.05 漂到 0.23。进一步排查发现线上特征管线上少了归一化，导致 GBDT 分裂点偏离。修复后 AUC 从 0.62 回升至 0.71。”（96字） |
| 🔄 可能追问 | ①如果 PSI 正常但效果还是不行，下一步看什么？②有没有遇到过线下过拟合导致线上崩的情况？ |
| ⚠️ 避坑提醒 | 不要只说“重新训练”，要展示系统性排查步骤；多用漂移检测、特征一致性、数据窥探等关键词。 |
🎯 题目3：当模型效果不足时，你会从哪些方向迭代优化？
| 📌 考察点 | 系统化优化思路（数据、特征、模型、后处理），以及优先级判断能力 |
| 🧩 回答框架 | ①数据层（清洗、增强、难例挖掘）；②特征层（交叉、统计、序列）；③模型层（换算法、调参、集成）；④后处理（阈值移动、校准曲线）；⑤按性价比排序 |
| 💡 示例回答 | “一般先投入数据质量和难例挖掘，因为性价比最高。比如增加类目负采样后，精度提升 4 个点。其次特征交叉和 GBDT+LR 集成再提 2 个点。如果资源允许才尝试更复杂的模型如 DeepFM。”（87字） |
| 🔄 可能追问 | ①你们怎么确定阈值移动的 cut-off？②有没有遇到硬调参不涨点的情况，你怎么判断是方向问题？ |
| ⚠️ 避坑提醒 | 避免泛泛说“调参、加特征”，必须给出具体案例和量化效果；面试官关注你是否有优先级意识。 |
📋 公司侧重点对比
| 公司类型 |
核心评估指标偏好 |
常见追问方向 |
答题加分点 |
| 字节跳动 |
线上A/B实验效果、波动率、置信度，离线注重AUUC（Uplift） |
如何保证A/B实验的统计有效性？样本分配怎么处理？ |
用到置信区间、p值、最小样本量计算，体现工程落地思维 |
| 阿里巴巴 |
GAUC、NDCG、精确率/召回率（不同场景权重不同），考虑排序场景 |
排序模型如何评估？位置偏差如何矫正？ |
举例讲述位置偏差、多目标融合的评估框架 |
| 腾讯 |
广告场景关注eCPM、CTR预估偏差；用户增长关注留存率提升 |
预估偏差是怎么计算的？怎么校准？ |
会讲Platt Scaling/温度缩放等校准方法，并结合业务指标 |
| 美团 |
业务直接导向的指标（转化率、客单价、配送时长），离线注重召回率+排序精度 |
指标涨了但业务收益没涨，怎么排查？ |
区分代理指标与目标指标，强调原因分析和长期监控 |
使用提示：回答前先确认面试官公司背景，主动匹配其常用评估体系，可大幅提升匹配度。