数据分析面试机器学习总结-----重点面试题（二）

阅读前请注意 👉：博主目前正在积极准备数据分析师岗位的求职工作，本博客内容主要记录了在学习与求职过程中的个人体会与经验总结，也期待能够与各位共同成长。在撰写过程中，难免存在一些疏漏或不完善之处，若发现任何问题，欢迎私信博主进行交流与指正。
博客链接：天阑之蓝的博客，在学习的过程中难免会遇到困惑与迷茫，希望每一位都能在这个过程中不断肯定自我、突破自我，并最终实现自我的价值。

目录

• • 1.简要说明方差与偏差的基本含义
    • 2.阐述参数模型与非参数模型之间的差异及其各自的优劣
    • 3.解释生成模型与判别模型的基本定义
    • 4.探讨应对样本类别分布不均的有效策略
    • 5.比较L1范数与L2范数的不同之处
    • 6.在机器学习过程中，为何常需对数据实施标准化处理？
    • 7.如何应对特征向量中出现的缺失值问题？
    • 8.XGBoost算法是如何对特征进行评分的？
    • 9.假设你获得了一个包含缺失值的数据集，这些缺失值分布在中位数附近一个标准差的区间内。请问有多少比例的数据不会受到该问题的影响？原因是什么？
    • 10.你被分配了一项新任务，旨在协助一家食品配送公司降低运营成本。目前该公司送餐人员无法按时送达，导致客户满意度下降，最终只能通过免收餐费来安抚客户。请