技术深度解析
面试中对回归指标的重新聚焦，根植于其作为模型输出与商业结果之间“连接组织”的角色。面试官不再满足于教科书定义；他们要求对每个指标的数学特性、计算权衡与情境适用性，具备细致入微的理解。
超越R²：评估指标武器库
受到严格审视的核心指标套件包括：
- 平均绝对误差（MAE）：因其可解释性（与目标变量同单位）和对异常值的鲁棒性而受重视。其在零点不可微的特性是常见面试陷阱，用以考察对优化影响的认知。
- 均方误差（MSE）与均方根误差（RMSE）：MSE的可微性使其对优化友好，但其对大幅误差的敏感性会平方放大其影响。面试官测试候选人是否能识别何时需要此特性（例如，在安全关键系统中，大误差不可接受），以及何时它是有害的（例如，处理噪声大、重尾数据时）。
- 平均绝对百分比误差（MAPE）：在商业预测中因其与尺度无关而流行。敏锐的候选人必须指出其致命缺陷：当实际值为零或接近零时会导致除零错误，从而引出对sMAPE等对称替代方案的讨论。
- 分位数损失（Pinball Loss）：在区间预测中日益重要。相关问题考察对预测不足与预测过度的不对称损失的理解，这在零售等场景（缺货成本 > 库存过剩成本）中至关重要。
- R²与调整后R²：解释方差的经典度量。面试陷阱在于未能阐明：若无验证集表现，训练数据上的高R²毫无意义；以及调整后R²会惩罚无关特征的添加——这是对特征工程判断力的直接测试。
架构与优化影响
损失函数（通常与评估指标一致）的选择直接塑造模型的学习轨迹。使用MSE作为损失函数，假设了误差是同方差的高斯分布；违反此假设会导致估计效率低下。Uber和DoorDash等公司的面试官会提出异方差数据场景（例如，预测区间随数值增大而变宽），观察候选人是否会提出直接建模方差或切换到分位数回归框架等解决方案。
开源工具已演进至支持这种严格评估。像`scikit-learn`这样的库提供了基础功能，但像`neptune.ai`的实验跟踪工具或`evidently.ai`（一个专注于ML监控与评估、拥有约3.2k星标的GitHub仓库）这样的代码库，如今在关于生产环境持续指标验证的讨论中被频繁提及。候选人被期望了解如何在TensorFlow或PyTorch等框架中实现自定义指标回调，而不仅仅是使用现成函数。
指标行为基准测试
下表展示了不同指标如何评估同一组预测误差，突显了它们不同的敏感度和商业解读。
| 预测误差集 | MAE | RMSE | MAPE | Huber Loss (δ=1.0) |
|----------------------|-----|------|------|-------------------|
| [-1, -1, -1, -1, -1] | 1.0 | 1.0 | 错误 (除零) | 0.5 |
| [-10, 0, 0, 0, 10] | 4.0 | 6.32 | 错误 | 5.0 |
| [-0.1, -0.1, 0.1, 0.1, 100] | 20.06 | 44.72 | 错误 | 20.5 |
*数据启示*：此模拟揭示了关键洞察：MAPE在实际值为零时彻底失效；RMSE会戏剧性地放大单个大异常值（误差100）的影响；Huber损失提供了折中方案，在保持可微性的同时提供了类似MAE的鲁棒性。候选人必须能解读为：当大误差成本极高时使用RMSE，对低销量商品避免使用MAPE，并为鲁棒优化考虑Huber损失。
关键参与者与案例研究
这一面试范式正由特定的行业垂直领域所驱动，在这些领域，预测误差直接转化为损益影响。
金融科技与量化金融
像Jane Street、Two Sigma和Stripe这样的公司长期以来一直是严格指标招聘的先驱。对于高频交易模型，如果误差分布具有厚尾特性，预测价格波动的微小优势将毫无价值。面试会深入探讨像平均方向准确率这样的指标以及RMSE，测试候选人是否知道何时方向正确性比误差幅度更重要。在Stripe，针对欺诈预测，重点则转向特定阈值下的指标——例如在99%召回率下的精确度——因为漏掉一笔欺诈交易的成本远高于一次误报。
电子商务与动态定价
Amazon和Shopify评估定价和需求预测模型。一个常见的案例研究是：“我们的MAPE改善了，但收入却下降了。为什么？”答案在于指标错配：MAPE对高估和低估的惩罚是均等的，但在现实定价中，缺货（低估需求）导致的销售损失成本，通常远高于少量库存积压（高估需求）的成本。因此，面试会考察候选人是否能设计或选择与商业目标（如收入或利润最大化）直接对齐的不对称损失函数。