2025年高级数据分析师考试题库（附答案和详细解析）（1104）.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的核心目标？

A.完成数据清洗

B.发现数据中的潜在规律

C.生成美观的数据可视化图表

D.优化数据库查询性能

答案：B

解析：数据挖掘的核心是从大量数据中提取隐含的、未知的、有价值的信息和知识（如关联规则、分类模式等），因此选B。A是数据预处理步骤，C是结果呈现方式，D是数据库管理任务，均非核心目标。

在分类模型评估中，F1-score主要用于衡量？

A.模型对正类的召回能力

B.精确率和召回率的调和平均

C.模型在不同类别间的区分度

D.模型的计算效率

答案：B

解析：F1-score是精确率（Precision）和召回率（Recall）的调和平均，公式为(F1=2)，用于平衡两者的表现。A是召回率（Recall）的定义，C是AUC-ROC的作用，D与计算复杂度相关，均错误。

以下哪种实验设计方法最适合验证“新推荐算法是否提升用户点击量”？

A.观察性研究

B.A/B测试

C.横截面研究

D.案例研究

答案：B

解析：A/B测试通过随机分组对比实验组（新算法）与对照组（原算法）的关键指标（如点击量），是验证因果关系的黄金方法。A无法控制变量，C是静态数据对比，D适用于小样本深度分析，均不适用。

数据中“年龄字段出现-5”属于哪种数据质量问题？

A.数据不完整

B.数据不一致

C.数据冗余

D.数据错误

答案：D

解析：年龄为负数违反业务逻辑（年龄≥0），属于数据错误（异常值）。A指字段缺失，B指同一指标不同表中定义冲突（如“用户ID”格式不一致），C指重复存储，均错误。

以下哪种机器学习算法属于生成式模型？

A.逻辑回归

B.支持向量机（SVM）

C.朴素贝叶斯

D.随机森林

答案：C

解析：生成式模型通过学习数据的联合概率分布(P(X,Y))进行预测（如朴素贝叶斯假设特征独立，计算(P(Y|X)P(X|Y)P(Y))）。A、B、D均为判别式模型（直接学习(P(Y|X))或决策边界）。

数据仓库（DW）与数据库（DB）的核心区别是？

A.数据存储量更大

B.支持实时事务处理

C.面向分析而非事务

D.使用关系型数据模型

答案：C

解析：数据仓库是面向主题的、集成的、非易失的、随时间变化的数据集合，主要支持决策分析；数据库面向事务处理（OLTP），支持实时增删改查。A是规模差异，B是数据库的特点，D两者均可使用，均错误。

以下哪种方法最适合检测时间序列中的周期性异常？

A.Z-score检验

B.移动平均法

C.STL分解（季节趋势分解）

D.孤立森林

答案：C

解析：STL分解可分离时间序列的趋势（Trend）、季节（Seasonal）和残差（Residual）成分，通过分析残差的异常波动识别周期性异常。A适用于单变量正态分布数据，B用于平滑趋势，D适用于无监督高维数据，均不针对周期性。

时间序列预测中，“滞后项（Lag）”的作用是？

A.消除数据中的噪声

B.捕捉变量间的因果关系

C.利用历史值预测未来值

D.提升模型的泛化能力

答案：C

解析：滞后项指将历史时间点的值作为特征（如用(t-1)时刻的值预测(t)时刻），用于捕捉时间序列的自相关性。A是平滑或滤波的作用，B需外生变量，D通过正则化等方法实现，均错误。

特征工程中，对“用户职业”（如教师、医生、公务员）进行编码时，最合理的方法是？

A.标签编码（LabelEncoding）

B.独热编码（One-HotEncoding）

C.目标编码（TargetEncoding）

D.序数编码（OrdinalEncoding）

答案：B

解析：“用户职业”是无序分类变量（类别间无大小关系），独热编码通过二进制向量表示类别，避免模型错误学习顺序关系。A会引入顺序假设（如教师=1医生=2），C适用于高基数类别且需防止过拟合，D用于有序变量（如学历），均不适用。

以下哪种大数据处理框架适合实时流数据处理？

A.HadoopMapReduce

B.SparkRDD

C.Flink

D.Hive

答案：C

解析：Flink是专门针对流数据处理的框架，支持毫秒级延迟的实时计算。A、B主要处理批量数据，D是数据仓库工具，均错误。

二、多项选择题（共10题，每题2分，共20分）

特征工程的主要步骤包括（）

A.特征提取

B.特征选择

C.特征构造

D.特征降维

答案：ABC

解析：特征工程包括从原始数据中提取有用特征（提取）、组合新特征（构造）、筛选关键特征（选择）。D特征降维（如PCA）属于特征选择的技术手段，而非独立步骤，因此不选