2025年高级数据分析师考试题库（附答案和详细解析）（1005）.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）

以下关于数据分布偏态的描述中，正确的是（）

A.左偏分布中，均值中位数众数

B.右偏分布中，众数中位数均值

C.左偏分布中，均值中位数众数

D.右偏分布中，中位数均值众数

答案：C

解析：左偏（负偏）分布的尾部在左侧，数据集中在右侧，此时均值受左侧极端值影响向左偏移，因此均值中位数众数；右偏（正偏）分布的尾部在右侧，均值受右侧极端值影响向右偏移，因此众数中位数均值。选项A、B、D均颠倒了顺序。

评估分类模型时，若关注“实际为正例的样本中被正确识别的比例”，应选择以下哪个指标？（）

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：召回率（Recall）定义为真阳性（TP）占实际正例（TP+FN）的比例，反映模型对正例的覆盖能力；精确率是TP占预测正例（TP+FP）的比例；准确率是（TP+TN）占总样本的比例；F1是精确率和召回率的调和平均。因此正确答案为C。

A/B测试的关键假设不包括（）

A.样本随机分配

B.两组样本量相同

C.除测试变量外其他条件一致

D.结果指标可量化

答案：B

解析：A/B测试要求样本随机分配（避免选择偏差）、控制变量一致（确保差异由测试变量引起）、结果可量化（验证效果），但两组样本量无需完全相同（可通过统计检验功率计算确定最小样本量）。因此B是错误假设。

以下属于特征工程中“特征构造”的是（）

A.用随机森林筛选重要特征

B.将“日期”字段拆解为“月份”和“星期”

C.对连续变量进行标准化处理

D.去除方差接近0的特征

答案：B

解析：特征构造是通过现有特征生成新特征（如时间字段拆解）；特征选择是筛选重要特征（A、D）；特征缩放是标准化/归一化（C）。因此B属于特征构造。

时间序列分解中，反映数据长期增长或下降趋势的成分是（）

A.趋势成分（Trend）

B.季节成分（Seasonal）

C.周期成分（Cyclical）

D.随机成分（Irregular）

答案：A

解析：趋势成分（T）是长期变化趋势；季节成分（S）是固定周期（如季度、月度）的重复模式；周期成分（C）是更长且不固定周期的波动；随机成分（I）是无规律的随机误差。因此选A。

混淆矩阵中，第二行第一列（实际为负，预测为正）对应的指标是（）

A.真阳性（TP）

B.假阳性（FP）

C.真阴性（TN）

D.假阴性（FN）

答案：B

解析：混淆矩阵行代表实际类别，列代表预测类别。第二行（实际负类）第一列（预测正类）为假阳性（FP）；第一行第一列为TP，第二行第二列为TN，第一行第二列为FN。因此选B。

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

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储时定义模式（Schema-on-Write），数据仓库在使用时定义模式（Schema-on-Read）

C.数据湖支持多类型数据存储，数据仓库强调结构化和一致性

D.数据湖用于实时分析，数据仓库用于历史分析

答案：C

解析：数据湖存储原始、多类型（结构化/半结构化/非结构化）数据，采用Schema-on-Read（使用时定义模式）；数据仓库存储结构化、经过清洗转换的数据，采用Schema-on-Write（存储前定义模式）。因此C正确，A、B、D均描述错误。

以下属于因果推断方法的是（）

A.主成分分析（PCA）

B.双重差分法（DID）

C.K-means聚类

D.关联规则挖掘（Apriori）

答案：B

解析：双重差分法（DID）通过比较干预组和对照组在干预前后的差异，控制时间和个体固定效应，用于推断因果关系；PCA是降维方法，K-means是聚类，Apriori是关联分析（仅发现相关关系）。因此选B。

正则化（Regularization）的主要作用是（）

A.减少模型欠拟合

B.降低模型复杂度，防止过拟合

C.提高模型计算效率

D.增强模型的可解释性

答案：B

解析：正则化通过在损失函数中添加惩罚项（如L1/L2范数），限制模型参数的大小，降低模型复杂度，从而防止过拟合（训练集表现好但测试集差）。欠拟合需增加模型复杂度，因此A错误；C、D非主要作用。

以下不属于数据伦理核心原则的是（）

A.数据隐私保护

B.算法公平性

C.数据采集的全面性

D.结果可解释性

答案：C

解析：数据伦理关注隐私保护（如GDPR）、算法公平（避免歧视）、结果可解释（避免黑箱决策）；数据采集的全面性是业务需求，与伦理无直