2025年数据建模工程师考试题库（附答案和详细解析）（1004）.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）

评估二分类任务中类别不平衡数据的模型性能时，最适合的指标是（）

A.准确率（Accuracy）

B.F1-score

C.均方误差（MSE）

D.决定系数（R2）

答案：B

解析：类别不平衡时，准确率会因多数类主导而失真（如99%负样本时全预测负类准确率99%，但无实际价值）；MSE和R2是回归任务指标；F1-score综合精确率和召回率，更适合评估不平衡数据的分类性能。

以下哪项是解决过拟合的常用方法？（）

A.减少训练数据量

B.增加模型复杂度

C.L2正则化

D.降低学习率

答案：C

解析：过拟合因模型对训练数据过度学习，需降低复杂度或增加泛化能力。L2正则化通过添加权重平方和惩罚项，限制模型复杂度；减少数据量或增加复杂度会加剧过拟合；降低学习率主要影响优化速度，非直接解决过拟合。

独热编码（One-HotEncoding）最适用于以下哪种特征？（）

A.连续数值特征（如温度）

B.有序类别特征（如学历：高中/本科/硕士）

C.无序类别特征（如性别：男/女）

D.文本特征（如用户评论）

答案：C

解析：独热编码通过二进制向量表示无序类别（如性别无顺序），避免引入错误的数值关系；连续特征需标准化，有序类别可用标签编码，文本特征常用词嵌入或TF-IDF。

10折交叉验证的主要目的是（）

A.提高模型训练速度

B.减少计算资源消耗

C.更可靠地评估模型泛化能力

D.增加模型复杂度

答案：C

解析：交叉验证通过多次划分训练集和验证集，降低单次划分的随机性影响，更准确评估模型对未知数据的泛化能力；与训练速度、计算资源或模型复杂度无直接关联。

数据清洗的正确顺序通常是（）

A.处理缺失值→检测异常值→纠正数据格式

B.检测异常值→处理缺失值→纠正数据格式

C.纠正数据格式→检测异常值→处理缺失值

D.纠正数据格式→处理缺失值→检测异常值

答案：D

解析：需先统一数据格式（如日期格式），再处理缺失值（避免格式错误影响缺失值识别），最后检测异常值（基于清洗后的数据更准确）。

小批量梯度下降（Mini-batchGD）相比批量梯度下降（BatchGD）的优势是（）

A.收敛速度更快

B.计算复杂度更低

C.更易陷入局部最优

D.内存占用更小

答案：D

解析：小批量使用部分样本计算梯度，内存占用小于批量GD（需全量数据）；收敛速度可能更快但非绝对，计算复杂度与批量大小相关；局部最优问题与优化算法本身有关，非批量大小决定。

以下属于无监督学习的是（）

A.预测用户是否会购买商品（二分类）

B.对用户评论进行情感分析（多分类）

C.识别图像中的手写数字（分类）

D.对用户行为数据进行聚类（如划分用户群体）

答案：D

解析：无监督学习无标签，聚类（如K-means）是典型任务；A、B、C均有明确标签（购买/不购买、情感类别、数字类别），属于监督学习。

决策树中，ID3算法通常使用（）作为分裂标准

A.信息增益

B.基尼系数

C.均方误差

D.交叉熵损失

答案：A

解析：ID3基于信息增益选择特征；C4.5使用信息增益比，CART使用基尼系数（分类）或均方误差（回归）；交叉熵是分类模型的损失函数，非决策树分裂标准。

线性回归模型的损失函数通常定义为（）

A.交叉熵损失（Cross-Entropy）

B.均方误差（MSE）

C.绝对误差（MAE）

D.Hinge损失

答案：B

解析：线性回归假设误差服从正态分布，MSE（误差平方和）是最大似然估计的等价形式；交叉熵用于分类，MAE是替代损失函数，Hinge损失用于SVM。

深度学习中，激活函数的主要作用是（）

A.加速梯度下降

B.引入非线性能力

C.防止过拟合

D.减少计算量

答案：B

解析：若没有激活函数（如全用线性函数），多层网络等价于单层线性模型，无法拟合非线性关系；加速梯度下降（如优化器）、防止过拟合（如正则化）、减少计算量（如剪枝）均非激活函数核心作用。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征选择方法的有（）

A.过滤法（Filter）

B.包装法（Wrapper）

C.嵌入法（Embedded）

D.主成分分析（PCA）

答案：ABC

解析：特征选择是从原始特征中筛选关键特征，包括过滤法（如卡方检验）、包装法（如递归特征消除）、嵌入法（如L1正则化）；PCA是降维方法（生成新特征），非特征选择。

评估分类模型性能的常用指标包括（）

A.准确率（Accuracy）

B.召回率（Recall）

C.F1-score

D.AUC-ROC

答案：ABCD

解析：准确率反映整体正确