2025年高级数据分析师考试题库（附答案和详细解析）（1020）.docxVIP

高级数据分析师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下哪项是数据挖掘中处理类别不平衡问题的常用方法？

A.对多数类进行上采样

B.对少数类进行下采样

C.调整模型损失函数的类别权重

D.增加特征维度

答案：C

解析：类别不平衡时，常用方法包括对少数类上采样（A错误）、对多数类下采样（B错误）、调整损失函数权重（C正确）。增加特征维度（D）与类别平衡无关，可能加剧过拟合。

在数据质量评估中，“同一字段在不同表中取值范围一致”属于以下哪个维度？

A.完整性

B.准确性

C.一致性

D.及时性

答案：C

解析：数据质量的核心维度包括：完整性（记录/字段无缺失，A错误）、准确性（与真实值匹配，B错误）、一致性（跨系统/表的逻辑统一，C正确）、及时性（数据更新时效，D错误）。

A/B测试中，若实验组与对照组的用户特征分布差异显著，最可能违反以下哪个假设？

A.独立性假设

B.同分布假设

C.无偏性假设

D.稳定性假设

答案：B

解析：A/B测试要求实验组与对照组用户特征同分布（B正确），否则结论可能受混淆变量干扰。独立性假设（A）指样本间无关联，无偏性（C）指无系统性误差，稳定性（D）指指标波动在合理范围。

特征工程中，对“用户登录时间（2023-10-0108:30:00）”进行特征提取时，最不相关的特征是？

A.登录小时（8点）

B.登录日期是否为工作日

C.登录时间的时间戳数值

D.登录设备型号

答案：D

解析：时间字段的特征提取通常关注时间周期性（A、B）或连续数值（C），设备型号（D）属于独立于时间的其他属性，需从其他字段获取，与当前时间字段无关。

以下哪种时间序列模型最适用于存在季节性波动的长期预测？

A.ARIMA

B.SARIMA

C.ARCH

D.LSTM

答案：B

解析：SARIMA（季节性ARIMA）显式处理季节性（B正确）；ARIMA（A）适用于无季节趋势；ARCH（C）用于波动率预测；LSTM（D）适合复杂模式但需更多数据。

评估分类模型时，若关注“在实际正例中正确识别的比例”，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）=真阳性/(真阳性+假阴性)，反映正例的覆盖能力（C正确）；精确率（B）是真阳性/(真阳性+假阳性)，关注预测正例的准确性。

数据仓库的维度建模中，“时间”通常被设计为以下哪种表？

A.事实表

B.维度表

C.汇总表

D.中间表

答案：B

解析：维度建模中，维度表存储描述性属性（如时间、地区、用户），事实表存储度量值（如销售额），因此时间是维度表（B正确）。

自然语言处理（NLP）中，“词袋模型（Bag-of-Words）”忽略了以下哪项信息？

A.词语出现频率

B.词语顺序

C.词语语义相似性

D.词语情感倾向

答案：B

解析：词袋模型仅统计词语频率（A保留），不考虑顺序（B正确）；语义相似性（C）需词向量模型（如Word2Vec），情感倾向（D）需情感分析。

因果推断中，“后门准则”的核心目的是？

A.识别混淆变量并控制

B.验证因果关系的强度

C.排除中介变量的干扰

D.增强实验的外部效度

答案：A

解析：后门准则通过阻断混淆变量（后门路径）的影响，确保因果推断的无偏性（A正确）；验证强度（B）用效应量，中介变量（C）用前门准则。

以下哪种大数据平台技术最适合处理实时流数据？

A.HadoopHDFS

B.SparkRDD

C.Flink

D.Hive

答案：C

解析：Flink是流处理框架（C正确）；HDFS（A）是分布式存储，SparkRDD（B）主要处理批数据，Hive（D）是数据仓库工具。

二、多项选择题（共10题，每题2分，共20分）

数据清洗过程中，处理缺失值的常用方法包括：

A.删除包含缺失值的整行

B.用字段均值填充数值型缺失值

C.用众数填充分类型缺失值

D.建立回归模型预测缺失值

答案：ABCD

解析：缺失值处理方法包括删除（A）、统计值填充（B、C）、模型预测（D），均为常用手段。

特征选择的常用方法有：

A.卡方检验（Chi-squareTest）

B.互信息法（MutualInformation）

C.L1正则化（Lasso）

D.方差膨胀因子（VIF）

答案：ABC

解析：卡方检验（A）、互信息（B）评估特征与目标的相关性；L1正则化（C）通过稀疏性筛选特征；VIF（D）用于检测多重共线性，非特征选择方法。

以下哪些情况可能导致机器学习模型过拟合？

A.训练数据量过小

B.模型复杂度过高