2025年高级数据分析师考试题库（附答案和详细解析）（1009）.docxVIP

高级数据分析师考试试卷

一、单项选择题（共10题，每题1分，共10分）

在数据清洗过程中，针对高维稀疏数据中的缺失值，最适合的处理方法是（）

A.直接删除缺失值所在行

B.用特征均值填补缺失值

C.使用随机森林模型预测填补

D.用相邻值插值填补

答案：C

解析：高维稀疏数据的缺失值具有复杂的非线性关系，直接删除（A）会导致数据丢失；均值填补（B）忽略特征间关联；相邻值插值（D）适用于时间序列数据；随机森林模型（C）能捕捉特征间交互，更适合高维稀疏场景。

评估回归模型时，以下哪个指标对异常值最敏感？（）

A.均方误差（MSE）

B.平均绝对误差（MAE）

C.R2决定系数

D.中位数绝对误差（MedAE）

答案：A

解析：MSE（A）计算误差的平方，异常值会被平方放大影响；MAE（B）和MedAE（D）取绝对值或中位数，对异常值不敏感；R2（C）反映拟合优度，与异常值无直接关联。

AB测试中，若要检测两组转化率差异的显著性，应优先选择的统计检验方法是（）

A.t检验

B.卡方检验

C.Z检验

D.方差分析（ANOVA）

答案：B

解析：转化率是二分类指标（成功/失败），卡方检验（B）适用于分类变量的独立性检验；t检验（A）和Z检验（C）用于连续变量均值比较；ANOVA（D）用于多组均值比较。

时间序列分析中，ARIMA模型的“MA”参数代表（）

A.自回归阶数

B.移动平均阶数

C.差分阶数

D.季节性周期数

答案：B

解析：ARIMA(p,d,q)中，p是自回归（AR）阶数，d是差分阶数，q是移动平均（MA）阶数（B正确）。

以下哪种场景最适合使用协同过滤算法？（）

A.预测用户是否会购买某商品

B.为用户推荐相似兴趣的其他用户

C.识别信用卡交易中的异常行为

D.分析用户评论的情感倾向

答案：B

解析：协同过滤基于用户-物品交互数据，推荐相似用户或物品（B）；购买预测（A）常用逻辑回归；异常检测（C）用孤立森林；情感分析（D）用NLP模型。

特征工程中，对“用户注册时间”字段进行特征衍生时，最不相关的特征是（）

A.注册月份是否为促销月

B.注册时间与当前时间的天数差

C.注册时的IP地址归属地

D.注册账号的字符长度

答案：D

解析：注册账号字符长度（D）与用户行为无直接关联；促销月（A）、时间差（B）、IP归属地（C）均可能影响用户价值或行为。

大数据平台中，Hive的核心功能是（）

A.实时流数据处理

B.分布式存储

C.基于SQL的离线分析

D.内存计算框架

答案：C

解析：Hive是基于Hadoop的SQL查询引擎（C），用于离线分析；实时处理（A）用Flink；分布式存储（B）用HDFS；内存计算（D）用Spark。

业务场景中，“用户生命周期价值（LTV）”的核心计算要素不包括（）

A.用户平均交易频次

B.用户获取成本（CAC）

C.用户平均客单价

D.用户留存率

答案：B

解析：LTV=（客单价×频次×留存周期），CAC（B）是成本指标，与LTV计算无关。

数据伦理中，“数据匿名化”的关键缺陷是（）

A.计算复杂度高

B.可能通过关联分析重新识别个体

C.无法应用于结构化数据

D.会显著降低数据准确性

答案：B

解析：匿名化数据可能通过外部数据（如时间、地点）关联重新识别个体（B），是其核心缺陷；其他选项均不准确。

以下哪种机器学习算法属于生成式模型？（）

A.逻辑回归

B.支持向量机（SVM）

C.朴素贝叶斯

D.随机森林

答案：C

解析：生成式模型学习联合概率P(X,Y)，朴素贝叶斯（C）基于贝叶斯定理；判别式模型学习P(Y|X)，如逻辑回归（A）、SVM（B）、随机森林（D）。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

数据清洗时，处理异常值的常用方法包括（）

A.用上下四分位数的1.5倍IQR作为阈值截断

B.将异常值替换为特征均值

C.保留异常值并在模型中增加鲁棒性参数

D.直接删除所有异常值

答案：AC

解析：IQR截断（A）是常见方法；保留并增加鲁棒性（如使用Huber损失）（C）适用于异常值包含业务意义的场景；均值替换（B）可能引入偏差；直接删除（D）可能丢失关键信息。

评估分类模型时，以下哪些指标同时考虑了精确率和召回率？（）

A.F1分数

B.ROC曲线下面积（AUC）

C.精确率-召回率曲线（PR曲线）

D.准确率（Accuracy）

答案：AC

解析：F1是精确率和召回率的调和平均（A）；PR曲线综合两者（C）；AUC（B）基于TPR和FPR；准确率（D）=（TP+TN）/总样本。

特征选择的主要目的包括（）

A.降低模型复杂度，防