2025年数据建模工程师考试题库（附答案和详细解析）（1011）.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）

以下哪种方法最常用于解决模型过拟合问题？

A.减少训练数据量

B.增加模型复杂度

C.添加L2正则化项

D.移除所有特征交互项

答案：C

解析：过拟合的本质是模型对训练数据过度学习，泛化能力差。L2正则化通过在损失函数中添加权重平方和的惩罚项，限制模型参数的大小，从而降低模型复杂度（C正确）。减少训练数据量（A）会加剧过拟合；增加模型复杂度（B）会提高过拟合风险；移除特征交互项（D）可能丢失关键信息，无法直接解决过拟合。

在二分类问题中，准确率（Accuracy）的计算公式是？

A.TP/(TP+FN)

B.(TP+TN)/(TP+TN+FP+FN)

C.TP/(TP+FP)

D.TN/(TN+FP)

答案：B

解析：准确率是整体正确分类的比例，计算所有正确预测（真阳性TP+真阴性TN）占总样本数（TP+TN+FP+FN）的比例（B正确）。A是召回率（Recall），C是精确率（Precision），D是真负率（Specificity）。

线性回归模型通常使用的损失函数是？

A.交叉熵损失

B.均方误差（MSE）

C.平均绝对误差（MAE）

D.Hinge损失

答案：B

解析：线性回归假设误差服从正态分布，均方误差（MSE）是其最常用的损失函数，通过最小化预测值与真实值的平方差优化模型（B正确）。交叉熵（A）用于分类问题，MAE（C）对异常值更鲁棒但非线性回归默认选择，Hinge损失（D）是SVM的损失函数。

特征分箱（Binning）的核心目的是？

A.增加特征维度

B.消除多重共线性

C.将连续特征离散化以提高鲁棒性

D.减少计算复杂度

答案：C

解析：特征分箱通过将连续特征划分为离散区间（如年龄分“0-18”“19-30”等），降低噪声影响，提升模型对异常值的鲁棒性（C正确）。分箱不会增加维度（A错误），消除多重共线性需通过VIF检验或主成分分析（B错误），分箱可能增加计算步骤（D错误）。

交叉验证（CrossValidation）的主要作用是？

A.提高模型准确率

B.评估模型泛化能力

C.选择最优超参数

D.减少训练时间

答案：B

解析：交叉验证通过将数据划分为多个子集轮流训练和验证，更可靠地评估模型在未见过数据上的表现（泛化能力）（B正确）。提高准确率（A）需通过模型优化，选择超参数（C）是交叉验证的应用场景之一但非核心作用，减少训练时间（D）与交叉验证无关。

CART决策树的分裂准则是？

A.信息增益

B.信息增益比

C.Gini系数

D.均方误差

答案：C

解析：CART（分类与回归树）在分类任务中使用Gini系数衡量节点纯度（C正确），信息增益（A）是ID3的准则，信息增益比（B）是C4.5的改进，均方误差（D）用于回归树的分裂。

K-means聚类算法默认使用的距离度量是？

A.余弦相似度

B.曼哈顿距离

C.欧氏距离

D.汉明距离

答案：C

解析：K-means通过最小化样本与簇中心的距离平方和来聚类，默认使用欧氏距离（C正确）。余弦相似度（A）关注方向而非距离，曼哈顿距离（B）是L1距离，汉明距离（D）用于分类特征。

AUC（AreaUnderROCCurve）主要衡量分类模型的？

A.对正例的排序能力

B.准确率

C.召回率

D.精确率

答案：A

解析：AUC是ROC曲线下的面积，反映模型将正例排在负例之前的能力（排序能力）（A正确）。准确率（B）是整体正确比例，召回率（C）和精确率（D）是具体类别的性能指标。

数据清洗的核心步骤不包括？

A.处理缺失值

B.特征提取

C.检测异常值

D.去除重复记录

答案：B

解析：数据清洗主要解决数据质量问题，包括缺失值处理、异常值检测、重复值去除（A、C、D属于）。特征提取（B）是特征工程的环节，属于数据预处理的高级步骤，而非清洗核心。

模型部署时的关键要求是？

A.模型参数复杂度越高越好

B.低延迟与高可用性

C.无需考虑数据输入格式

D.仅需关注训练准确率

答案：B

解析：部署阶段需确保模型能快速响应请求（低延迟）并持续稳定运行（高可用性）（B正确）。参数复杂度高会增加推理时间（A错误），数据格式需严格匹配（C错误），仅关注训练准确率会忽略线上环境变化（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征工程常用方法的是？

A.特征标准化（Z-score）

B.分箱（Binning）

C.特征交叉（FeatureCrossing）

D.词嵌入（WordEmbedding）

答案：ABCD

解析：特征工程包括特征构造、变换、选择等。标准化（A）消除量纲影响，分箱（B）离散