分享一个没答好的consumer analytics题, missing value+imbalanced data+feature e...

最近交了一个coding题，feedback很不好. 感觉data 量太大，思路有点乱。题目如下， data和data dictionary放在我的google drive上

You are in a meeting with a product owner, they just launched an additional customer care center of excellence (CoE), and have opportunity to cross-sell/upsell customers with additional products. They need your help in identifying which customers to pitch to and what product.  
At your disposal is historical data for the last 12 months of customer upgrades, their demographic and transaction data. The business has 4 products - video, data, home security and Voice. A customer might be subscribed to a single product, a combination of two or three products or have all 4 products.   
a). Describe how you would go about providing a solution to the

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

get_dummies(data, columns=['product'])  
data2 = pd.get_dummies(data1, columns=['MAJOR_CREDIT_CARD_LIF'], dummy_na=True)  

#drop columns with no data
data3 = data2.dropna(axis=1,how='all')  

#impute missing data. If column type is integer, I will fill with mode. if column type is float, fill with median.
data4 = data3.apply(myfillna)  

省略random forest部分, 这个比较standard.


大神们讨论讨论? 我当时答了很多种model的不同方案但 总觉得最开始的数据处理不好

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

missing value可以intterpolation 或者填个mean, median， 如果真的null太多的话 可以直接弃了。 重点是要解释清楚为什么选择这种方式来处理这个feature
查了outlier？

楼主数据link无法下载。已加米，能不能再分享一下。

huixingzhijia 发表于 2019-7-1 22:54
楼主数据link无法下载。已加米，能不能再分享一下。

same here~~~

同上，同上上，LZ的链接没弄好打不开，可以重新弄一下吗？谢谢楼主，已加米

楼主数据link无法下载,可以重新弄一下吗？谢谢楼主!

帮贴，楼主的另外一个帖子有衔接 如下！谢谢楼主的分享，并且不设阅读权限！！有用的请加米！好多帖子没有米看不了！谢谢

https://drive.google.com/file/d/ ... F1/view?usp=sharing
https://drive.google.com/file/d/ ... ho/view?usp=sharing
https://drive.google.com/file/d/ ... up/view?usp=sharing

帮贴，楼主的另外一个帖子有衔接 如下！谢谢楼主的分享，并且不设阅读权限！！有用的请加米！好多帖子没有米看不了！

https://drive.google.com/file/d/ ... F1/view?usp=sharing
https://drive.google.com/file/d/ ... ho/view?usp=sharing
https://drive.google.com/file/d/ ... up/view?usp=sharing

用xgboost之类直接内置missing data逻辑的行不行？

这是现场写code吗？感觉处理数据的时候多和面试官沟通问下feedback然后才进入model的部分吧，如果没时间实现至少要提到？不晓得lz怎么做的呢