2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1028）.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）

以下哪种方法最适合处理数值型特征的缺失值？

A.用众数填充

B.用均值填充

C.用字符串”未知”填充

D.直接删除缺失行

答案：B

解析：数值型特征的缺失值处理中，均值（反映数据集中趋势）是最常用的填充方法；众数（A）适用于分类型特征；字符串填充（C）适用于文本型数据；直接删除（D）可能导致数据丢失，仅在缺失比例极低时使用。

以下哪项是监督学习的典型任务？

A.客户分群（聚类）

B.垃圾邮件分类

C.关联规则挖掘

D.异常检测

答案：B

解析：监督学习需要标签数据，垃圾邮件分类（B）有明确的”垃圾/非垃圾”标签；聚类（A）、关联规则（C）、异常检测（D）均属于无监督学习，无标签数据。

在混淆矩阵中，准确率（Accuracy）的计算公式是？

A.真阳性/(真阳性+假阳性)

B.(真阳性+真阴性)/(总样本数)

C.真阳性/(真阳性+假阴性)

D.真阴性/(真阴性+假阳性)

答案：B

解析：准确率是整体正确分类的比例，公式为（真阳性+真阴性）/总样本数（B）；A是精确率（Precision），C是召回率（Recall），D是特异度（Specificity）。

以下哪种算法属于集成学习？

A.K近邻（KNN）

B.逻辑回归

C.随机森林（RandomForest）

D.主成分分析（PCA）

答案：C

解析：随机森林（C）通过集成多棵决策树提升性能，属于集成学习；KNN（A）是基于实例的学习，逻辑回归（B）是线性分类器，PCA（D）是降维算法，均非集成学习。

数据标准化（Z-Score）后，数据的均值和标准差分别为？

A.均值0，标准差1

B.均值1，标准差0

C.均值原数据均值，标准差原数据标准差

D.均值任意值，标准差任意值

答案：A

解析：Z-Score标准化公式为（x-μ）/σ，处理后数据均值为0，标准差为1（A）；其他选项不符合标准化定义。

以下哪项不属于特征工程的核心步骤？

A.特征提取

B.模型调参

C.特征选择

D.特征构造

答案：B

解析：特征工程包括提取、选择、构造、转换等步骤（A/C/D）；模型调参（B）属于模型优化阶段，不属于特征工程。

以下哪种场景最适合使用时间序列分析？

A.预测明天的股票价格

B.分析用户性别与购买偏好的关系

C.识别图像中的猫和狗

D.计算两个文本的相似度

答案：A

解析：时间序列分析用于处理按时间顺序排列的数据（如股票价格随时间变化），A符合；B是分类或关联分析，C是计算机视觉，D是自然语言处理。

在回归分析中，R2（决定系数）越接近1表示？

A.模型拟合误差越大

B.模型对因变量的解释能力越强

C.自变量与因变量负相关

D.模型存在多重共线性

答案：B

解析：R2表示因变量变异中能被自变量解释的比例，越接近1说明模型解释能力越强（B）；A与R2含义相反，C由相关系数符号决定，D由VIF等指标判断。

以下哪种数据库查询语言（SQL）用于数据查询？

A.INSERT

B.SELECT

C.UPDATE

D.DELETE

答案：B

解析：SELECT（B）用于查询数据；INSERT（插入）、UPDATE（更新）、DELETE（删除）均属于数据操作语言（DML），但非查询。

以下哪项是过拟合（Overfitting）的典型表现？

A.训练集和测试集误差都很大

B.训练集误差小，测试集误差大

C.训练集误差大，测试集误差小

D.训练集和测试集误差都很小

答案：B

解析：过拟合指模型过度适应训练数据的噪声，导致训练误差小但泛化能力差（测试误差大），B正确；A是欠拟合，D是理想状态。

二、多项选择题（共10题，每题2分，共20分）

以下属于数据清洗主要任务的有？（至少2个正确选项）

A.处理缺失值

B.去除重复数据

C.特征标准化

D.检测并修正异常值

答案：ABD

解析：数据清洗包括处理缺失值（A）、去重（B）、异常值处理（D）；特征标准化（C）属于数据预处理中的特征工程，非清洗任务。

以下哪些是监督学习算法？（至少2个正确选项）

A.支持向量机（SVM）

B.K-means

C.线性回归

D.决策树

答案：ACD

解析：监督学习需要标签数据，SVM（分类）、线性回归（回归）、决策树（分类/回归）均为监督学习（A/C/D）；K-means（B）是无监督聚类算法。

以下哪些指标可用于分类模型评估？（至少2个正确选项）

A.均方误差（MSE）

B.F1分数

C.ROC-AUC

D.平均绝对误差（MAE）

答案：BC

解析：分类评估常用F1分数（综合精确率和召回率）、ROC-AUC（模型区分能力）（B/C）；MS