McKinsey OA 真题解析：数组优化与机器学习分类

这次整理了两道 McKinsey OA 真题，考试平台为 HackerRank。一道是数组成本优化问题，需要通过插入一个整数降低数组的整体成本；另一道是机器学习分类问题，需要根据用户属性识别机器人，并完成数据清洗、特征处理和模型训练。

两道题的考查方向不同。数组题重点在于分析操作对相邻元素的影响，找到成本变化最小的方案；机器学习题则更关注数据预处理、特征选择和分类模型的应用。下面按题目顺序整理具体要求与解题思路。

第一题：插入一个整数使数组成本最小

题目描述

给定一个包含 (n) 个正整数的数组 arr，数组使用从 0 开始的索引。数组的成本（Cost）定义为所有相邻元素之差的平方和： $\\operatorname{cost}(arr)=\\sum_{i=1}\^{n-1}(arr\[i$ -arr $i-1$ )^2]

现在需要在数组中的任意位置恰好插入一个整数。插入位置可以是数组开头、末尾，也可以是任意两个相邻元素之间。

目标是使插入操作完成后的数组成本尽可能小，并返回最小成本。

解题思路

这道题的关键是分析插入操作会改变哪些部分的成本。假设数组中有两个相邻元素 (a) 和 (b)，它们原本产生的成本为： $(b-a)\^2$ 如果在两者之间插入整数 (x)，原来的这一项就会变成两项： $(x-a)\^2+(b-x)\^2$ 其他相邻元素之间的差值不会发生变化，因此不需要重新考虑整组数组关系，只需要计算插入操作对局部成本的影响。

为了让这两项之和最小，最优位置是 (a) 和 (b) 的中点： $x=\\frac{a+b}{2}$ 如果题目要求插入的必须是整数，而中点不是整数，则需要在两个相邻整数候选值中选择成本较小的一个。

当 (a) 和 (b) 都是正整数时，可以使用整数除法得到候选值，再检查相邻候选值，确保结果符合整数约束。

对于一对相邻元素，插入中点后，这部分的最小成本为：

$\\frac{(b-a)\^2}{2}$ 这里的表达式对应允许实数取值的情况；如果只能插入整数，需要根据两数之和的奇偶性处理。

实现步骤

遍历数组，计算原始成本。
遍历每一对相邻元素，计算插入一个整数后这部分的最小成本。
将局部成本变化与原始成本结合，得到每个插入位置对应的新成本。
比较所有候选结果，返回最小值。

如果允许插入任意整数，且原数组只有一个元素，那么插入与原元素相同的整数即可使成本为零。实现时也需要注意数组长度为 1 的边界情况。

复杂度分析

设数组长度为 (n)。

时间复杂度：(O(n))，只需要遍历数组并计算相邻元素的成本。
空间复杂度：(O(1))，如果直接在遍历过程中累计结果，不需要额外数组。

解题重点： 不要在每个候选位置都重新计算整个数组的成本。先找到插入操作影响的局部项，再计算成本变化，可以显著简化实现。

第二题：基于用户属性的机器人分类预测

题目描述

给定一组用户属性数据，需要根据每条记录中的特征判断对应用户是否为机器人（Bot）。

这道题涉及完整的机器学习处理流程，包括数据清洗、特征筛选、异常值处理和分类模型训练。不能只调用一个分类算法就结束，还需要确保输入数据符合模型的要求，并对模型预测结果进行评估。

解题思路

1. 数据清洗（Data Cleaning）

首先检查数据中的缺失值和异常表示。

题目要求将 unknown 以及不合理的二元值视为缺失数据。需要根据字段的实际含义，将这些值统一转换为适当的缺失值表示，避免模型把无效数据误认为正常类别。

完成转换后，还应检查每个字段的数据类型是否正确。例如，数值型字段应能进行数值运算，类别型字段则需要使用适合模型的编码方式。

2. 特征选择（Feature Selection）

并非所有用户属性都能有效区分机器人和正常用户。

需要根据题目提供的数据字段，筛选与分类目标相关的特征，并剔除题目要求排除的异常记录或无效字段。

这一阶段的重点是确保输入特征具有合理的预测价值，同时避免把目标标签或其他不应参与训练的信息混入特征中，造成 Data Leakage（数据泄漏）。

3. 训练随机森林模型（Random Forest）

完成预处理后，可以使用 Random Forest（随机森林）进行分类。

随机森林通过组合多棵决策树的预测结果完成分类，能够处理非线性关系，也适用于包含多种用户属性的结构化数据。

基本流程如下：

准备处理后的训练数据和目标标签。
按题目要求划分训练集与验证集，或使用指定的数据划分方式。
训练 Random Forest 分类器。
对测试数据进行预测，并按照题目要求输出结果。

具体的模型参数、数据划分比例和输出格式，应以 HackerRank 题目给出的要求为准，不应自行假设。

4. 评估模型表现（Model Evaluation）

模型完成训练后，还需要评估其分类效果。

常见指标包括：

Accuracy： 所有预测中判断正确的比例。
Precision： 被预测为机器人的记录中，实际为机器人的比例。
Recall： 所有实际机器人记录中，被正确识别出来的比例。
F1 Score： Precision 和 Recall 的调和平均数。

如果机器人样本与正常用户的数量差距较大，仅看 Accuracy 可能无法准确反映模型效果。因此，需要结合数据分布和题目要求选择合适的评估指标。

解题重点

这道题的难点主要集中在数据处理流程，而不只是模型本身。

缺失值处理： 正确识别 unknown 和不合理的二元值。
特征处理： 根据字段含义筛选特征，并确保数据格式符合模型要求。
模型训练： 使用 Random Forest 完成分类任务。
结果验证： 检查预测结果与规定的输出格式，并根据合适的指标评估模型。

如果预处理步骤出错，即使模型能够正常运行，也可能产生不准确的预测结果。

如何备考 McKinsey OA

准备 McKinsey OA 时，可以根据目标岗位和考试说明，分别练习算法编程与数据分析类任务。不同岗位的测试形式可能存在差异，不能假设所有申请人都会遇到相同题目。

1. 练习数组与算法优化

重点掌握数组遍历、相邻元素关系、局部成本变化和边界情况处理。

遇到需要执行一次操作来优化结果的题目时，先明确操作影响哪些元素，再推导操作前后的差值。对于可以通过局部变化计算答案的问题，优先考虑能否使用一次遍历完成，而不是反复模拟整个过程。

2. 熟悉数据清洗与机器学习基础

建议熟悉以下概念：

Missing Value Handling（缺失值处理）
Outlier Detection（异常值识别）
Feature Selection（特征选择）
Classification（分类）
Random Forest（随机森林）

除了了解每个步骤的作用，也需要理解数据预处理为什么会影响最终预测结果。

3. 理解分类评估指标

掌握 Accuracy、Precision、Recall 和 F1 Score 的区别。

例如，在机器人识别任务中，如果更关注减少漏判机器人，就需要重点关注 Recall；如果更关注避免把正常用户错误识别为机器人，则需要关注 Precision。具体使用哪项指标，应根据题目目标判断。

4. 进行限时练习

在接近实际考试的时间限制下完成练习，并在提交前检查以下内容：

数组长度为 1 或存在特殊边界值时，算法是否正确。
插入整数的约束是否得到满足。
缺失值和异常数据是否按要求处理。
训练数据与预测数据的特征是否一致。
输出格式是否严格符合题目要求。

5. 提前准备后续面试

在线测试只是招聘流程中的一个环节。除了 Coding 和数据分析练习，也可以提前整理个人项目、团队合作、解决问题和处理困难的经历，为后续可能出现的 Behavioral Interview（行为面试）做准备。

具体招聘流程和考查内容应以申请岗位及招聘人员提供的信息为准。

McKinsey OA 常见问题（FAQ）

1. McKinsey OA 主要考什么？

具体考查内容取决于申请的岗位和测试安排，可能涉及编程、数据分析、机器学习或其他能力评估。建议以收到的在线测试邀请和岗位要求为准。

2. McKinsey OA 的数组成本题怎么解？

核心是分析插入一个整数后，相邻元素的平方差之和如何变化。遍历相邻元素对，计算插入后对应的最小局部成本，再结合原数组其他部分的成本，比较各个候选位置即可。

需要特别注意整数约束。如果中点不是整数，就不能直接将实数中点作为最终插入值。

3. McKinsey OA 的机器人分类题使用什么模型？

这道题涉及 Random Forest（随机森林）分类模型。建模之前，需要处理 unknown 和不合理的二元值，筛选相关特征，并根据题目要求处理异常数据。模型训练完成后，还应根据合适的分类指标检查预测效果。

4. 准备 McKinsey OA 需要学习机器学习吗？

是否需要系统学习机器学习，取决于目标岗位和具体测试内容。如果测试涉及分类任务，建议至少掌握基础数据清洗、特征选择、常见分类算法和评估指标，并熟悉题目指定的编程环境或机器学习工具。

总结

这两道 McKinsey OA 真题分别考查算法优化与机器学习应用。

数组题需要从相邻元素的平方差入手，推导插入操作对局部成本的影响，并正确处理整数约束。机器人分类题则需要按顺序完成数据清洗、特征处理、模型训练和结果评估。

练习这类题目时，除了掌握算法和模型的基本原理，还要重视题目约束、数据格式与边界情况。先把问题要求理解清楚，再选择合适的实现方式，通常比直接套用代码模板更有效。