2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1031）.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）

以下哪项是数据清洗中处理少量缺失值（5%）的最优策略？

A.直接删除包含缺失值的整条记录

B.用所有样本的均值填充缺失值

C.用最近邻算法（KNN）预测填充

D.用众数填充连续型变量

答案：A

解析：当缺失值比例较低（5%）时，直接删除少量记录对整体数据影响最小（A正确）。用均值填充可能破坏数据分布（B错误）；KNN预测适用于缺失值较多或需保留信息的场景（C错误）；众数适用于分类变量，连续型变量应优先用均值或中位数（D错误）。

在假设检验中，若原假设为“μ=100”，显著性水平α=0.05，计算得到p值=0.03，应如何结论？

A.拒绝原假设，认为μ≠100

B.接受原假设，认为μ=100

C.无法判断，需增加样本量

D.拒绝原假设，认为μ100

答案：A

解析：p值α（0.030.05）时，拒绝原假设（A正确）。假设检验只能“拒绝”或“不拒绝”原假设，不能“接受”（B错误）；p值已足够小，无需增加样本量（C错误）；题目未指定单侧检验，无法得出μ100的结论（D错误）。

以下哪项是逻辑回归模型的核心假设？

A.因变量服从正态分布

B.特征之间线性可分

C.对数几率（log-odds）与自变量线性相关

D.误差项服从独立同分布

答案：C

解析：逻辑回归假设log(p/(1-p))与自变量线性相关（C正确）。因变量是二分类，不服从正态分布（A错误）；线性可分是SVM的理想条件（B错误）；误差项假设非核心（D错误）。

数据可视化中，展示“不同地区年度GDP增长率”最适合的图表是？

A.散点图

B.折线图

C.柱状图

D.箱线图

答案：C

解析：柱状图适合比较不同类别（地区）的数值（增长率）差异（C正确）。散点图用于展示变量间关系（A错误）；折线图适合时间序列趋势（B错误）；箱线图用于分布特征（D错误）。

以下哪项不属于无监督学习任务？

A.客户分群（Clustering）

B.异常检测（AnomalyDetection）

C.文本主题建模（TopicModeling）

D.房价预测（Regression）

答案：D

解析：房价预测是监督学习中的回归任务（D正确）。分群、异常检测、主题建模均无标签数据（A/B/C错误）。

在Hadoop生态中，负责资源管理和任务调度的组件是？

A.HDFS

B.MapReduce

C.YARN

D.HBase

答案：C

解析：YARN（YetAnotherResourceNegotiator）负责资源管理和任务调度（C正确）。HDFS是分布式文件系统（A错误）；MapReduce是计算框架（B错误）；HBase是列式数据库（D错误）。

以下哪种场景最适合使用决策树算法？

A.高维稀疏的文本分类（如垃圾邮件识别）

B.需要明确特征重要性排序的信贷风控

C.实时性要求极高的股票价格预测

D.数据分布复杂且存在大量噪声的图像识别

答案：B

解析：决策树可输出特征重要性，适合需要解释性的风控场景（B正确）。高维文本常用逻辑回归或SVM（A错误）；实时性差是决策树缺点（C错误）；图像识别多用神经网络（D错误）。

以下哪项是数据标准化（Z-score标准化）的公式？

A.(x’=)

B.(x’=)

C.(x’=(x))

D.(x’=x)

答案：B

解析：Z-score标准化通过均值（μ）和标准差（σ）将数据缩放到均值0、标准差1（B正确）。A是归一化（Min-Max）公式（A错误）；C是对数变换（C错误）；D是简单缩放（D错误）。

在混淆矩阵中，“召回率（Recall）”的计算公式是？

A.()

B.()

C.()

D.()

答案：B

解析：召回率衡量正样本被正确识别的比例，公式为TP/(TP+FN)（B正确）。A是精确率（Precision）（A错误）；C是真负率（Specificity）（C错误）；D是准确率（Accuracy）（D错误）。

以下哪项不属于特征工程中的降维方法？

A.主成分分析（PCA）

B.线性判别分析（LDA）

C.卡方检验（Chi-squareTest）

D.奇异值分解（SVD）

答案：C

解析：卡方检验用于特征与目标的相关性筛选，非降维方法（C正确）。PCA、LDA、SVD均通过线性变换降低维度（A/B/D错误）。

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）

以下属于监督学习算法的有？

A.K-means

B.随机森林（RandomForest）

C.支持向量机（SVM）

D.主成分分析（PCA）

答案：BC

解析：监督学习