2025年高级数据分析师考试题库（附答案和详细解析）（1010）.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，处理异常值的核心原则是（）

A.直接删除所有异常值

B.用均值替换所有异常值

C.仅保留符合正态分布的数值

D.根据业务场景判断异常值的合理性

答案：D

解析：异常值可能是数据错误（如测量误差），也可能是真实业务现象（如用户突发大额消费）。直接删除或统一替换（A/B）会丢失关键信息；正态分布仅适用于部分场景（C）。正确做法是结合业务逻辑判断异常值的来源（如用户行为、系统日志），再决定保留、修正或删除（D）。

评估分类模型时，F1-score更适用于以下哪种场景？（）

A.正负样本极度不平衡

B.仅关注模型的准确率

C.需要平衡精确率与召回率

D.预测连续型数值

答案：C

解析：F1-score是精确率（Precision）和召回率（Recall）的调和平均（2PR/(P+R)），适用于需要同时关注“查准”和“查全”的场景（C）。正负样本不平衡时更常用AUC-ROC（A错误）；准确率（Accuracy）未考虑类别分布（B错误）；预测连续值用回归模型（D错误）。

关于A/B测试的前提条件，以下表述正确的是（）

A.只需保证两组样本量相同

B.实验前需验证两组用户的同质性

C.实验周期越短越好以避免外部干扰

D.无需考虑业务指标的实际显著性

答案：B

解析：A/B测试要求实验组与对照组在实验前具有同质性（如用户画像、行为特征一致），否则结果可能由分组偏差导致（B正确）。样本量需满足统计检验要求（A错误）；实验周期需覆盖用户完整行为周期（如电商至少7天）（C错误）；统计显著（P0.05）不代表业务显著（如提升0.1%无实际价值）（D错误）。

时间序列的组成部分不包括（）

A.趋势（Trend）

B.季节性（Seasonality）

C.白噪声（WhiteNoise）

D.共线性（Multicollinearity）

答案：D

解析：时间序列的经典分解包括趋势（长期变化）、季节性（周期性波动）、循环性（非固定周期）和残差（白噪声，无规律部分）（A/B/C正确）。共线性是回归模型中特征间的高度相关性，属于截面数据问题（D错误）。

特征工程中，处理高基数类别特征（如“用户ID”）的最佳方法是（）

A.直接删除该特征

B.独热编码（One-HotEncoding）

C.嵌入编码（Embedding）

D.标签编码（LabelEncoding）

答案：C

解析：高基数特征（如用户ID有10万+唯一值）使用独热编码会导致维度爆炸（B错误）；标签编码无法捕捉特征间的语义关系（D错误）；直接删除可能丢失关键信息（A错误）。嵌入编码通过神经网络学习低维稠密表示，能保留特征内在关联（C正确）。

数据湖（DataLake）与数据仓库（DataWarehouse）的核心区别是（）

A.数据湖仅存储结构化数据

B.数据仓库支持实时数据写入

C.数据湖在存储时不定义模式（Schema-on-Read）

D.数据仓库使用文件系统存储（如HDFS）

答案：C

解析：数据湖采用“读时模式”（Schema-on-Read），存储原始数据（结构化/半结构化/非结构化）后再定义模式（C正确）；数据仓库是“写时模式”（Schema-on-Write），需提前设计表结构（A错误）。数据仓库通常支持批量写入（非实时）（B错误）；数据湖使用分布式文件系统（如HDFS），数据仓库用关系型数据库（D错误）。

若混淆矩阵中TP=80，FP=20，FN=30，TN=70，则精确率为（）

A.80%

B.72.7%

C.66.7%

D.53.3%

答案：A

解析：精确率=TP/(TP+FP)=80/(80+20)=80%（A正确）。72.7%是召回率（80/(80+30)），66.7%是准确率（(80+70)/200），53.3%无实际意义（D错误）。

贝叶斯定理的核心思想是（）

A.用先验概率修正后验概率

B.假设特征间相互独立

C.最大化似然函数

D.最小化损失函数

答案：A

解析：贝叶斯定理公式为P(A|B)=P(B|A)P(A)/P(B)，即通过先验概率P(A)和似然度P(B|A)计算后验概率P(A|B)（A正确）。特征独立是朴素贝叶斯的假设（B错误）；最大化似然是频率学派方法（C错误）；最小化损失是优化目标（D错误）。

因果推断中，“工具变量法”适用于解决以下哪种偏差？（）

A.选择偏差（SelectionBias）

B.遗漏变量偏差（OmittedVariableBias）

C.测量误差偏差（MeasurementErrorBias）

D.幸存者偏差（SurvivorshipBia