TikTok Data Science OA 四题 28 分钟 AC：指标计算、数据合并、特征预处理、随机森林调阈值

今天做的 TikTok DS OA，四道题难度还是有的，但有三道是老朋友了，差不多半小时就顺利通过。

其实 TikTok 的 OA 并不难，只是大家准备得太少，可能还有些紧张。题目都比较常规，简单分享一下四道真题和思路。

第一题：计算三个指标

根据已有数据计算三个指标：

指标	计算方式
平均评分	对 rating 列求均值，四舍五入保留两位小数
第二语言占比	统计 second_language 不为 no 的记录比例，转成百分比并保留两位小数
成功率	合并所有 rides_*.csv 文件，统计 status 为 success 的比例，转成百分比并保留两位小数

最后按题目要求的格式返回结果。

第二题：多表汇总

把多个数据表汇总成一张统一的表格。主要任务是按题面要求合并数据，并确保合并过程中的字段取值符合规范。按照题目说明完成合并和字段提取后，保存结果即可。

第三题：司机数据预处理

对司机数据做预处理，包括填充缺失值、编码分类变量、标准化数值特征和转换标签：

1. 缺失值：用训练集的均值填充 age 列。
2. 分类变量：对 sec_language、car_model 等分类变量，基于训练集构建映射字典，未知值赋予一个新编号。
3. 数值特征：对 net_xxx 等数值列，用训练集的均值和标准差做标准化。
4. 标签：把 driver_class 转成数值（A → 0，B → 1）。

注意避免数据泄露：所有转换都只能基于训练集的统计信息，再原样应用到验证集和测试集。

第四题：二分类模型 + 阈值调优

用清洗后的数据训练二分类模型，以类别 B 为正类：

1. 用随机森林在训练集上拟合。
2. 在验证集上调整分类阈值：在保证较高 precision 的前提下，尽可能提升 recall。
3. 用验证集确定的最佳阈值，对测试集的预测概率做二值化。
4. 按题目要求保存并返回预测结果。

祝大家都顺利 AC！