时序风控场景，样本按天到达，正样本率 0.5%。有人用随机 KFold(5) 跑出验证 AUC 0.86，另一个人用 TimeSeriesSplit 跑出 0.81。离线评估协议由你定，且业务要求尽量贴近'用过去 90 天训练、预测未来 7 天'。你会怎么设计交叉验证？为什么 0.86 不可信？最近 7 天正样本只有 30 个时怎么降低评估方差？

面试官在考什么

判断候选人能否识别时序/分布漂移下的验证泄露，并设计和生产一致的评估协议。

交叉验证

回答框架 · 前两步

1. 随机 KFold 在时序数据上会让未来信息进入训练，造成乐观偏差；0.86 不可信。
2. 评估协议应对齐生产：过去 90 天训练、未来 7 天验证，用前向链式/滑动窗口 TimeSeriesSplit，并设置 gap 避免特征窗口重叠泄露。

延伸阅读

• 技术面到底在考什么：三类考点的及格线与加分线
• 避坑与冲刺：简历自洽、六种扣分话术、D-7 准备表

想看这个方向的整体准备路线？ 进入「机器学习基础」方向页

同一能力域的其他题

• 请解释偏差-方差权衡。如果一个模型训练误差很低、测试误差很高，你会怎么处理？
• L1 和 L2 正则的区别是什么？为什么 L1 能产生稀疏解？从几何角度解释一下。
• 样本极度不平衡（正样本 1%）时，你会怎么评估和建模？为什么不能只看准确率？
• 交叉验证有哪些方式？时间序列数据为什么不能用随机 K 折？你实际项目里怎么切？
• 你的模型预测概率偏高或偏低（校准差），怎么发现、怎么修？为什么 AUC 高不代表概率准？
• 线上服务要你对一个模型做上线前的效果预估，但没法直接做 A/B，你会怎么估？有多大把握？