2025年高级数据分析师考试题库（附答案和详细解析）（1021）.docxVIP

高级数据分析师考试试卷

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缺失值的核心原则？

A.直接删除所有含缺失值的记录

B.根据业务场景选择填充方法（如均值、中位数、业务规则）

C.统一用0填充所有缺失值

D.仅对数值型变量处理缺失值，类别型变量忽略

答案：B

解析：数据清洗中处理缺失值需结合业务场景：直接删除（A）可能导致数据损失；统一用0填充（C）可能扭曲数据分布；类别型变量同样需处理（D）。正确方法是根据变量类型（如数值型用均值/中位数，类别型用众数或业务逻辑）选择填充方式（B）。

在特征工程中，嵌入（Embedding）编码主要用于解决以下哪种问题？

A.数值型特征的离散化

B.高基数类别特征的维度爆炸

C.文本特征的情感分析

D.时间序列特征的趋势提取

答案：B

解析：嵌入编码通过低维向量表示高基数类别特征（如用户ID、商品类别），避免独热编码（One-Hot）导致的维度爆炸（B正确）。数值离散化是分箱（A错误）；情感分析是文本分类任务（C错误）；时间序列趋势提取需差分或滑动窗口（D错误）。

评估分类模型时，若业务目标是“尽可能不遗漏正样本”，应重点关注以下哪个指标？

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）衡量正样本被正确识别的比例，适用于“不遗漏”场景（如疾病筛查、风控预警）（C正确）。准确率受类别不平衡影响（A错误）；精确率关注预测为正的样本中真实正样本的比例（B错误）；F1是精确率与召回率的调和平均（D错误）。

A/B测试中，若实验组与对照组的样本量差异超过10%，最可能导致的问题是？

A.统计功效不足，难以检测到真实差异

B.数据收集成本增加

C.用户体验不一致

D.模型过拟合

答案：A

解析：A/B测试要求样本量均衡以保证统计功效（检测真实差异的能力），样本量差异过大可能导致第一类错误（误判无差异为有差异）或第二类错误（漏判真实差异）（A正确）。成本（B）、用户体验（C）、过拟合（D）与样本量均衡无直接关联。

以下哪项不属于时间序列分析的典型特征？

A.自相关性（Autocorrelation）

B.异方差性（Heteroscedasticity）

C.季节性（Seasonality）

D.趋势性（Trend）

答案：B

解析：时间序列的典型特征包括趋势（长期变化）、季节性（周期性波动）、自相关性（滞后项关联）（A、C、D正确）。异方差性指误差项方差随时间变化，是回归模型的问题，非时间序列固有特征（B错误）。

数据仓库（DataWarehouse）的核心设计原则是？

A.支持实时事务处理（OLTP）

B.面向主题（Subject-Oriented）

C.存储原始未加工数据

D.强调数据更新频率

答案：B

解析：数据仓库面向主题（如用户、销售）组织数据，支持决策分析（OLAP）（B正确）。OLTP是数据库的功能（A错误）；存储原始数据是数据湖的特点（C错误）；数据仓库更新频率低（D错误）。

在机器学习模型调参中，网格搜索（GridSearch）与随机搜索（RandomSearch）的主要区别是？

A.网格搜索支持并行计算，随机搜索不支持

B.网格搜索遍历所有参数组合，随机搜索随机采样

C.网格搜索适用于连续型参数，随机搜索适用于离散型

D.网格搜索更适合高维参数空间

答案：B

解析：网格搜索通过预设参数网格遍历所有组合（计算量大），随机搜索在参数范围内随机采样（效率更高）（B正确）。两者均支持并行（A错误）；连续/离散参数无限制（C错误）；随机搜索更适合高维空间（D错误）。

以下哪种场景最适合使用聚类分析？

A.预测用户下一次购买时间

B.识别用户分群（如高价值/低活跃）

C.判断广告点击是否为恶意

D.分析促销活动对销售额的影响

答案：B

解析：聚类用于无监督分群（如用户分层）（B正确）。预测购买时间是回归（A错误）；恶意点击识别是分类（C错误）；促销影响分析是因果推断（D错误）。

当数据呈现严重右偏分布时，描述集中趋势的最佳指标是？

A.均值（Mean）

B.中位数（Median）

C.众数（Mode）

D.方差（Variance）

答案：B

解析：右偏分布（长尾在右）中，均值受极端值影响偏大，中位数更稳健（B正确）。众数反映最频繁值（C错误）；方差衡量离散程度（D错误）。

以下哪项是商业分析中“数据驱动决策”的核心前提？

A.拥有海量数据

B.数据与业务目标强关联

C.使用高级算法模型

D.定期生成数据报表

答案：B

解析：数据驱动决策的核心是数据与业务问题的关联性（如用户行为数据对应