2025年高级数据分析师考试题库（附答案和详细解析）（1031）.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）

在分类模型评估中，F1分数的计算公式是以下哪项？

A.（精确率+召回率）/2

B.2(精确率召回率)/(精确率+召回率)

C.精确率召回率

D.√(精确率召回率)

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均数，用于平衡两者的指标。调和平均的公式为2(PR)/(P+R)，因此正确选项为B。A是算术平均，无法体现对低指标的惩罚；C和D分别是乘积和几何平均，均不符合F1的定义。

以下哪种特征选择方法基于模型的特征重要性？

A.卡方检验

B.互信息法

C.随机森林的特征重要性

D.方差阈值法

答案：C

解析：随机森林通过计算特征在树分裂中对信息增益的贡献度（如基尼不纯度减少量）来评估特征重要性，属于基于模型的特征选择方法。A（卡方检验）和B（互信息法）是统计检验方法；D（方差阈值法）是基于特征自身方差的过滤法，均不依赖模型。

时间序列分析中，ARIMA(p,d,q)模型的“d”参数表示？

A.自回归阶数

B.移动平均阶数

C.差分次数

D.季节性周期

答案：C

解析：ARIMA模型中，d表示将非平稳序列转换为平稳序列所需的差分次数。p是自回归（AR）阶数，q是移动平均（MA）阶数，季节性周期由SARIMA的参数表示，因此正确选项为C。

在A/B测试中，若原假设（H?）为“新策略与原策略无差异”，则第一类错误（α错误）是指？

A.拒绝H?时实际H?为真

B.接受H?时实际H?为假

C.拒绝H?时实际H?为假

D.接受H?时实际H?为真

答案：A

解析：第一类错误（α错误）是“弃真错误”，即原假设为真时错误地拒绝原假设。B是第二类错误（β错误）；C是正确拒绝；D是正确接受，因此选A。

以下哪种数据清洗操作可能导致信息严重丢失？

A.用中位数填充连续型特征的缺失值

B.对类别型特征进行独热编码（One-HotEncoding）

C.直接删除占比30%的缺失值记录

D.用KNN算法填补缺失值

答案：C

解析：当缺失值占比超过20%时，直接删除记录可能导致样本量大幅减少，引入选择偏差（如缺失值可能与目标变量相关）。其他选项均为合理的数据清洗方法：A（中位数填充）适用于偏态分布；B（独热编码）处理类别特征；D（KNN填补）利用相似样本信息，因此选C。

逻辑回归中，正则化（Regularization）的主要目的是？

A.提高模型的拟合能力

B.解决多重共线性问题

C.防止过拟合

D.加速模型训练

答案：C

解析：正则化通过在损失函数中添加惩罚项（如L1/L2），限制模型参数的复杂度，从而防止模型在训练数据上过拟合。A是过拟合的表现；B是VIF（方差膨胀因子）或主成分分析的作用；D是优化器（如SGD）的作用，因此选C。

商业分析中，“北极星指标”（NorthStarMetric）的核心特征是？

A.反映用户短期行为

B.直接关联公司长期价值

C.覆盖所有业务环节

D.仅关注收入增长

答案：B

解析：北极星指标是企业核心目标的量化体现，需与长期价值（如用户留存、生命周期价值）强相关，而非短期指标（如单日点击量）。C（覆盖所有环节）和D（仅收入）均片面，因此选B。

以下哪项不是时间序列预测中的常见误差指标？

A.MAE（平均绝对误差）

B.RMSE（均方根误差）

C.R2（决定系数）

D.MAPE（平均绝对百分比误差）

答案：C

解析：R2用于衡量回归模型对因变量变异的解释程度，更适用于横截面数据。时间序列预测更关注绝对误差（MAE）、平方误差（RMSE）或相对误差（MAPE），因此选C。

在特征工程中，“分箱”（Binning）操作的主要目的是？

A.减少连续型变量的噪声

B.增加特征维度

C.提高模型线性表达能力

D.解决类别不平衡问题

答案：A

解析：分箱（如等距分箱、等频分箱）将连续变量离散化，可降低噪声影响（如异常值），同时可能捕捉非线性关系。B（增加维度）是独热编码的结果；C（线性能力）与分箱无关；D（类别不平衡）需通过过采样/欠采样解决，因此选A。

以下哪种场景最适合使用关联规则挖掘（Apriori算法）？

A.预测用户是否会购买某商品

B.分析用户购买商品的频繁组合

C.对用户进行聚类分群

D.评估广告投放效果

答案：B

解析：Apriori算法用于发现数据集中频繁出现的项目组合（如“购买啤酒的用户常购买尿布”），即关联规则挖掘。A（预测）是分类任务；C（聚类）是无监督学习；D（效果评估）是因果推断，因此选B。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

数据清洗中，处理异常值的常用方法包括？