2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1011）.docxVIP

数据科学专业认证（CDSP）考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种数据清洗方法适用于处理正态分布的数值型缺失值？

A.用最大值填充

B.用中位数填充

C.用均值填充

D.直接删除缺失行

答案：C

解析：正态分布数据的均值、中位数、众数重合，均值能较好反映数据集中趋势，因此适用于填充缺失值（C正确）。最大值可能放大异常值影响（A错误）；中位数适用于偏态分布（B错误）；直接删除会损失样本量（D错误）。

在机器学习中，以下哪项指标用于衡量分类模型的精确性（Precision）？

A.正确正例数/(正确正例数+错误正例数)

B.正确正例数/(正确正例数+错误负例数)

C.正确正例数+正确负例数/总样本数

D.正确负例数/(错误正例数+正确负例数)

答案：A

解析：精确率（Precision）定义为“真正例/(真正例+假正例)”（A正确）。B是召回率（Recall），C是准确率（Accuracy），D是真负率（Specificity）。

以下哪项不是关系型数据库（RDBMS）的典型特征？

A.支持SQL查询

B.采用表结构存储

C.适合非结构化数据存储

D.遵循ACID事务特性

答案：C

解析：关系型数据库适合结构化数据（如二维表），非结构化数据（如文本、图像）通常用NoSQL存储（C错误）。其他选项均为RDBMS核心特征（A、B、D正确）。

数据可视化中，用于展示三个变量间关系的最佳图表类型是？

A.散点图

B.折线图

C.柱状图

D.热力图

答案：A

解析：散点图通过x、y轴和点的大小/颜色可同时展示三个变量（A正确）。折线图侧重时间序列趋势（B错误），柱状图比较分类变量（C错误），热力图展示矩阵数据密度（D错误）。

特征工程中，对“用户注册月份”（1-12月）进行编码时，最合理的方法是？

A.直接作为连续数值

B.独热编码（One-Hot）

C.标签编码（LabelEncoding）

D.二进制编码

答案：B

解析：月份是有序分类变量（非连续数值），独热编码可避免模型错误识别为有序关系（B正确）。直接作为连续数值会假设12月与1月差异大（A错误），标签编码可能引入顺序偏差（C错误），二进制编码适用于高基数分类变量（D错误）。

以下哪项是评估回归模型的常用指标？

A.F1分数

B.R2决定系数

C.混淆矩阵

D.准确率

答案：B

解析：R2衡量回归模型对因变量变异的解释程度（B正确）。F1、混淆矩阵、准确率均为分类模型指标（A、C、D错误）。

大数据技术中，Hadoop的HDFS主要用于解决什么问题？

A.分布式计算

B.分布式存储

C.实时流处理

D.资源调度

答案：B

解析：HDFS（Hadoop分布式文件系统）是分布式存储组件（B正确）。分布式计算由MapReduce实现（A错误），实时流处理用Storm或Flink（C错误），资源调度由YARN负责（D错误）。

贝叶斯定理的核心思想是？

A.用先验概率更新后验概率

B.最大化似然函数

C.最小化损失函数

D.寻找数据主成分

答案：A

解析：贝叶斯定理通过P(A|B)=P(B|A)P(A)/P(B)，将先验概率P(A)与观测数据P(B|A)结合得到后验概率P(A|B)（A正确）。B是频率学派思想，C是优化目标，D是PCA核心。

以下哪种场景最适合使用K近邻（KNN）算法？

A.大规模高维数据集分类

B.小样本低维数据集分类

C.时间序列预测

D.文本主题聚类

答案：B

解析：KNN计算复杂度高（与样本量和维度正相关），适合小样本低维场景（B正确）。大规模高维数据会导致维度灾难（A错误），时间序列用ARIMA（C错误），文本聚类用LDA或K-means（D错误）。

数据伦理中，“数据最小化原则”指的是？

A.收集尽可能少的必要数据

B.最小化数据存储成本

C.最小化数据处理时间

D.最小化数据可视化复杂度

答案：A

解析：数据最小化原则要求仅收集完成目标所需的必要数据（A正确）。其他选项是技术或成本目标，非伦理原则（B、C、D错误）。

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）

以下属于特征工程中“特征构造”的方法有？

A.计算“用户月均消费=总消费/月份数”

B.对“商品类别”进行独热编码

C.提取“订单时间”的小时特征

D.用主成分分析（PCA）降维

答案：AC

解析：特征构造是从原始特征生成新特征（A计算衍生指标、C时间特征提取均属于构造）。B是特征编码，D是特征选择/降维（非构造）。

以下哪些机器学习模型属于生成式模型？

A.逻辑回归

B.朴素贝叶斯

C.高斯混合模型（GMM）

D.支持向量机（SVM）

答案：BC

解析