2025年数据建模工程师考试题库（附答案和详细解析）（0926）.docxVIP

数据建模工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种方法最适合处理分类变量的缺失值？

A.用均值填充

B.用众数填充

C.直接删除所有缺失行

D.用随机数填充

答案：B

解析：分类变量的缺失值处理需考虑其离散特性。均值（A）适用于数值变量；直接删除（C）可能导致数据损失；随机数（D）会引入噪声。众数（B）是分类变量中出现频率最高的值，能保持数据分布特征，因此最适合。

特征工程中，独热编码（One-HotEncoding）的主要目的是？

A.减少特征维度

B.消除特征量纲影响

C.将类别变量转化为数值变量

D.提升特征非线性表达能力

答案：C

解析：独热编码通过创建二进制列将分类变量（如“性别”）转化为数值形式（如[1,0]表示男性），本质是解决模型无法直接处理类别变量的问题（C正确）。其会增加维度（A错误），量纲消除需标准化（B错误），非线性表达依赖特征交叉或模型结构（D错误）。

分类任务中，当正负样本严重不平衡时，最适合的评估指标是？

A.准确率（Accuracy）

B.F1-score

C.均方误差（MSE）

D.精确率（Precision）

答案：B

解析：准确率（A）在样本不平衡时会因多数类主导而失效；均方误差（C）是回归指标；精确率（D）仅关注正样本预测正确的比例，忽略召回率。F1-score是精确率和召回率的调和平均（B），能综合评估不平衡数据下的模型性能。

以下哪种方法可有效缓解模型过拟合？

A.增加模型复杂度

B.减少训练数据量

C.添加L2正则化

D.降低学习率

答案：C

解析：过拟合源于模型对训练数据过度记忆。增加复杂度（A）、减少数据（B）会加剧过拟合；降低学习率（D）影响收敛速度而非复杂度。L2正则化通过在损失函数中添加权重平方和的惩罚项（C），限制模型参数大小，降低复杂度，缓解过拟合。

随机森林（RandomForest）属于哪种集成学习方法？

A.Boosting

B.Bagging

C.Stacking

D.Blending

答案：B

解析：随机森林通过自助采样（Bootstrap）生成多个训练集，并行训练多棵决策树（Bagging的核心），最终投票输出结果（B正确）。Boosting（A）是串行提升弱分类器（如XGBoost）；Stacking（C）和Blending（D）是模型融合策略。

线性回归模型的损失函数通常是？

A.交叉熵损失

B.均方误差（MSE）

C.绝对误差（MAE）

D.Hinge损失

答案：B

解析：线性回归的目标是最小化预测值与真实值的平方差之和（B正确）。交叉熵（A）用于分类；MAE（C）对异常值更鲁棒但非线性回归默认选择；Hinge（D）是SVM的损失函数。

10折交叉验证（10-FoldCV）的主要作用是？

A.加速模型训练

B.减少计算资源消耗

C.评估模型泛化能力

D.提高模型准确率

答案：C

解析：交叉验证通过将数据分成10份，轮流用9份训练、1份验证，综合评估模型在不同数据子集上的表现（C正确）。其主要目的是更可靠地估计模型泛化能力，而非加速训练（A）、减少消耗（B）或直接提升准确率（D）。

决策树分裂时，信息增益（InformationGain）主要用于？

A.选择最优特征和分裂点

B.剪枝以防止过拟合

C.计算叶节点的类别概率

D.处理连续型特征

答案：A

解析：信息增益衡量分裂前后信息熵的减少量，值越大说明该特征对分类的贡献越大（A正确）。剪枝（B）通过复杂度惩罚实现；叶节点概率（C）由样本比例计算；连续特征处理需离散化（D）。

神经网络中，ReLU激活函数的主要优势是？

A.避免梯度消失

B.输出值在(0,1)之间

C.保证输出均值为0

D.支持多分类任务

答案：A

解析：ReLU（f(x)=max(0,x)）在输入为正时梯度为1，避免了Sigmoid/tanh因梯度饱和导致的梯度消失问题（A正确）。输出范围（B）是Sigmoid的特性；均值为0（C）需通过标准化实现；多分类（D）依赖Softmax层。

模型部署时，以下哪项不是需要重点考虑的问题？

A.预测延迟

B.计算资源消耗

C.模型可解释性

D.训练数据分布

答案：D

解析：部署阶段关注模型在生产环境中的表现，包括延迟（A）、资源消耗（B）、可解释性（C，如金融场景需合规）。训练数据分布（D）是训练阶段需考虑的，部署时应关注实时数据与训练数据的分布一致性（即数据漂移）。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征工程范畴的有？（至少2个正确选项）

A.特征缩放（如标准化）

B.处理缺失值（数据清洗）

C.特征分箱（离散化）

D.特征交叉（构造新特征）

答案