2025年高级数据分析师考试题库（附答案和详细解析）（1030）.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）

在机器学习模型中，用于评估特征对预测结果贡献程度的模型无关解释方法是？

A.信息增益（InformationGain）

B.SHAP值（SHapleyAdditiveexPlanations）

C.皮尔逊相关系数（PearsonCorrelation）

D.均方误差（MSE）

答案：B

解析：SHAP值是一种模型无关的特征重要性解释方法，通过博弈论中的Shapley值原理，量化每个特征对预测结果的贡献；信息增益主要用于决策树类模型（模型相关）；皮尔逊相关系数衡量线性相关性，不直接反映预测贡献；均方误差是回归模型的损失函数，与特征解释无关。

以下哪项是时间序列数据的典型特征？

A.观测值之间独立同分布（i.i.d.）

B.存在自相关性（Autocorrelation）

C.特征维度远大于样本量（高维稀疏）

D.数据服从正态分布

答案：B

解析：时间序列数据的核心特征是观测值在时间上的依赖性（自相关性）；独立同分布是横截面数据的假设；高维稀疏常见于文本或图像数据；正态分布是部分数据的统计特性，非时间序列特有。

在AB测试中，若显著性水平（α）设为0.05，意味着？

A.当原假设为真时，错误拒绝原假设的概率为5%

B.当备择假设为真时，正确接受备择假设的概率为5%

C.测试结果的置信度为95%

D.实验组与对照组的差异有5%的可能性是真实存在的

答案：A

解析：显著性水平α是第一类错误（弃真错误）的概率，即原假设为真时错误拒绝的概率；置信度为1-α（95%），但选项C表述不严谨（置信度对应置信区间）；选项B描述的是统计功效（1-β）；选项D混淆了α与实际差异概率。

以下哪种数据清洗操作属于“处理异常值”？

A.将“2023-02-30”修正为“2023-03-02”

B.对缺失值采用KNN插值法填充

C.基于IQR（四分位距）删除超过1.5倍IQR的观测

D.将“男/女”编码为0/1的数值变量

答案：C

解析：IQR方法是经典的异常值检测与处理手段；选项A属于日期格式修正（数据一致性问题）；选项B是缺失值处理；选项D是特征编码（数据转换）。

评估分类模型时，若业务场景更关注“避免漏判阳性样本”，应重点优化以下哪个指标？

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（查全率）衡量模型正确识别阳性样本的比例，漏判（假阴性）会降低召回率；准确率受类别不平衡影响大；精确率关注“判为阳性的样本中有多少是真阳性”（避免误判）；F1是精确率与召回率的调和平均。

以下哪项属于非监督学习任务？

A.预测用户是否会购买商品（二分类）

B.识别客户分群（聚类分析）

C.预测房价（回归分析）

D.检测信用卡欺诈（异常检测）

答案：B

解析：聚类分析（如K-means）是典型的无标签数据分组任务（非监督学习）；分类、回归属于监督学习；异常检测可能涉及半监督或非监督，但选项D未明确方法，优先选B。

在数据可视化中，用于展示三个变量间关系的最佳图表是？

A.折线图（LineChart）

B.散点图（ScatterPlot）

C.热力图（Heatmap）

D.箱线图（BoxPlot）

答案：B

解析：散点图可通过横轴、纵轴和颜色/大小同时展示三个变量（如X、Y、Z）；折线图侧重时间趋势；热力图展示两个变量的矩阵值；箱线图侧重分布比较。

以下哪种场景最适合使用决策树模型？

A.高维文本分类（如新闻主题分类）

B.需要可解释的客户流失预测

C.大规模实时推荐系统（如亿级用户）

D.时间序列长期趋势预测（如未来5年销量）

答案：B

解析：决策树的规则可解释性强（如“月消费500元→流失概率高”）；高维文本分类常用逻辑回归或深度学习；实时推荐需高效模型（如FM、深度学习）；长期时间序列预测更适合ARIMA或LSTM。

大数据处理中，“ETL”的核心环节是？

A.抽取（Extract）、转换（Transform）、加载（Load）

B.探索（Explore）、转换（Transform）、学习（Learn）

C.清洗（Clean）、训练（Train）、评估（Evaluate）

D.存储（Store）、计算（Compute）、可视化（Visualize）

答案：A

解析：ETL是数据集成的标准流程，抽取（从源系统获取数据）、转换（清洗、整合、结构化）、加载（存入数据仓库或数据库）；其他选项均不符合ETL定义。

商业分析中，“漏斗分析”主要用于？

A.评估用户从触达到转化的路径流失

B.比较不同渠道的获客成本

C.预测用户生命周期价值