2025年高级数据分析师考试题库（附答案和详细解析）（1102）.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）

在假设检验中，若原假设为(H_0:=_0)，备择假设为(H_1:_0)，则当实际(=_0)但拒绝(H_0)时，发生的错误是（）

A.第一类错误（α错误）

B.第二类错误（β错误）

C.无错误

D.无法判断

答案：A

解析：假设检验中，第一类错误（α错误）是“弃真”错误，即原假设为真时拒绝原假设；第二类错误（β错误）是“取伪”错误，即原假设为假时接受原假设。本题中实际(=_0)（原假设为真）但拒绝(H_0)，属于第一类错误。

以下哪种方法最适合解决模型过拟合问题？（）

A.增加训练数据特征数量

B.降低正则化参数λ

C.增加训练样本量

D.减少决策树的最大深度

答案：D

解析：过拟合是模型对训练数据过度拟合，泛化能力差。减少决策树的最大深度可限制模型复杂度（A错误，增加特征可能加剧过拟合；B错误，降低λ会减弱正则化，加剧过拟合；C错误，增加样本量可缓解过拟合，但通常需结合其他方法，本题最优选项为D）。

数据清洗中处理“年龄”字段的异常值（如-5岁、200岁）时，最合理的第一步是（）

A.直接删除异常值所在行

B.用均值替换异常值

C.核查数据采集逻辑（如是否为输入错误）

D.用中位数填充

答案：C

解析：数据清洗的核心是先明确异常值的来源（如输入错误、测量误差），而非直接处理。若为输入错误（如200岁实际是20岁），修正更合理；若为真实异常（如极端年龄），可能需保留。因此第一步应核查数据采集逻辑（A/B/D均为处理手段，非第一步）。

评估分类模型时，若关注“在实际为正类的样本中，模型正确识别的比例”，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)，反映模型对正类样本的覆盖能力；精确率反映模型预测为正类的样本中实际为正的比例；准确率是整体正确比例；F1是精确率和召回率的调和平均。本题描述的是召回率的定义。

AB测试中，若实验组与对照组的样本分配比例为7:3，可能的原因是（）

A.实验组风险较高，需控制影响范围

B.对照组需要更多样本以提高统计效力

C.实验组的指标波动更小

D.对照组无需太大样本

答案：A

解析：AB测试通常要求样本随机均分（如1:1），但当实验组策略存在潜在风险（如功能故障）时，会采用小流量（如30%）测试，确认安全后再扩大（B错误，统计效力与样本量正相关，对照组样本少会降低效力；C/D无依据）。

数据仓库的维度建模中，“时间”通常被设计为（）

A.事实表

B.维度表

C.雪花模式中的叶子节点

D.星型模式中的事实表

答案：B

解析：维度建模的核心是“事实表+维度表”，维度表存储描述性属性（如时间、地区、用户），事实表存储量化指标（如销售额）。时间是典型的维度表（A/D错误，事实表存储度量；C错误，雪花模式是维度表的进一步规范化，时间维度通常作为独立维度表）。

某电商平台定义“月活跃用户（MAU）”为“自然月内至少登录1次的用户”，该指标属于（）

A.存量指标

B.增量指标

C.比率指标

D.人均指标

答案：A

解析：存量指标反映某一时点的状态（如月末MAU），增量指标反映变化量（如新增用户数），比率指标是两个指标的比值（如转化率），人均指标是总量/人数（如人均GMV）。MAU是“至少登录1次”的用户总数，属于存量指标。

特征工程中，对“用户注册时间”字段进行处理时，最不常用的方法是（）

A.提取“注册月份”作为分类型特征

B.计算“注册至今天数”作为数值型特征

C.直接使用时间戳的原始数值

D.按“工作日/周末”进行二值化

答案：C

解析：时间戳的原始数值（如1620000000）是连续的大数，模型难以直接学习时间规律；通常需提取时间特征（如月份、星期）或计算时间差（如注册至今天数）。直接使用原始数值（C）无法传递有效信息，最不常用。

以下哪项行为违反数据伦理原则？（）

A.在用户同意的情况下，收集其浏览记录用于个性化推荐

B.对匿名化后的用户数据进行公开研究

C.为提升模型效果，将用户身份证号作为特征输入

D.在数据报告中明确标注数据来源和处理逻辑

答案：C

解析：数据伦理要求最小必要原则（仅收集必要数据）和隐私保护（避免敏感信息）。身份证号属于敏感个人信息，无必要作为模型特征（A/B/D均符合伦理规范）。

时间序列分析中，若数据呈现明显的季节性波动（如夏季用电量升高），应优先使用以下哪种模型？（）

A.ARIMA（自回归移动平