原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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）
以下哪种缺失值处理方法最适用于正态分布的数值型数据？
A.均值填充
B.中位数填充
C.众数填充
D.直接删除
答案：A
解析：正态分布数据的均值、中位数、众数重合，均值能较好反映数据集中趋势，因此均值填充最适用。中位数适用于偏态分布（B错误），众数适用于分类型数据（C错误），直接删除会损失信息（D错误）。
分析某城市居民收入（明显右偏分布）的集中趋势时，最合理的统计量是？
A.均值
B.中位数
C.众数
D.方差
答案：B
解析：右偏分布中均值受极端大值影响会偏向右侧，中位数对极端值不敏感，更能反映数据中心位置（A错误）。众数反映最常见值，可能不代表整体趋势（C错误），方差是离散程度指标（D错误）。
以下属于监督学习算法的是？
A.K-means
B.PCA
C.SVM
D.关联规则挖掘
答案：C
解析：SVM（支持向量机）通过带标签数据训练分类或回归模型，属于监督学习。K-means（聚类）和PCA（降维）是无监督学习（A、B错误），关联规则挖掘（如Apriori）无需标签（D错误）。
关系型数据库中，第三范式（3NF）要求消除？
A.非主属性对主键的部分依赖
B.主属性对主键的部分依赖
C.非主属性对主键的传递依赖
D.主属性对主键的传递依赖
答案：C
解析：第一范式（1NF）要求原子性，第二范式（2NF）消除非主属性对主键的部分依赖（A错误），第三范式（3NF）消除非主属性对主键的传递依赖（C正确）。主属性依赖问题属于BCNF范畴（B、D错误）。
对“性别”字段（取值为“男”“女”）进行特征工程时，最常用的处理方法是？
A.标准化（Z-score）
B.独热编码（One-HotEncoding）
C.归一化（Min-Max）
D.对数变换
答案：B
解析：性别是分类型变量（无顺序），独热编码将其转换为二进制向量（如[1,0]和[0,1]），避免模型错误理解顺序关系。标准化/归一化适用于数值型数据（A、C错误），对数变换用于处理偏态数值（D错误）。
用于直观展示数据分布的偏态、峰度及异常值的可视化图表是？
A.箱线图（BoxPlot）
B.折线图（LineChart）
C.散点图（ScatterPlot）
D.柱状图（BarChart）
答案：A
解析：箱线图通过四分位数、中位数和whiskers直接展示数据分布范围、对称性及异常值（A正确）。折线图用于时间序列趋势（B错误），散点图展示变量间相关性（C错误），柱状图比较分类变量数值（D错误）。
机器学习中，L1正则化的主要作用是？
A.加速模型训练
B.产生稀疏解（特征选择）
C.防止欠拟合
D.提高模型复杂度
答案：B
解析：L1正则化（Lasso）通过在损失函数中加入参数绝对值之和，促使部分参数变为0，实现特征选择（B正确）。加速训练依赖优化器（A错误），防止欠拟合需降低正则化强度（C错误），L1会降低复杂度（D错误）。
Hadoop生态中，HDFS（HadoopDistributedFileSystem）的核心功能是？
A.分布式计算
B.资源调度
C.分布式存储
D.实时流处理
答案：C
解析：HDFS是Hadoop的分布式存储系统，负责将大文件分块存储在集群节点中（C正确）。分布式计算由MapReduce或Spark实现（A错误），资源调度由YARN负责（B错误），实时流处理是Flink的功能（D错误）。
时间序列分析中，ARIMA(p,d,q)模型的参数“d”表示？
A.自回归阶数
B.移动平均阶数
C.差分次数
D.季节周期
答案：C
解析：ARIMA模型中，p是自回归（AR）阶数，d是差分次数（用于消除非平稳性），q是移动平均（MA）阶数（C正确）。季节周期是SARIMA的参数（D错误）。
数据伦理中，“用户在提供数据前需明确知晓数据用途”遵循的核心原则是？
A.知情同意
B.最小必要
C.可追溯性
D.匿名化
答案：A
解析：知情同意要求数据主体在提供数据前充分了解数据收集、使用和共享的目的（A正确）。最小必要指仅收集必要数据（B错误），可追溯性强调数据流向记录（C错误），匿名化是技术手段（D错误）。
二、多项选择题（共10题，每题2分，共20分）
数据清洗的主要内容包括？（至少2个正确选项）
A.处理缺失值
B.识别异常值
C.消除重复记录
D.特征重要性排序
答案：ABC
解析：数据清洗聚焦于解决数据质量问题，包括缺失值（A）、异常值（B）、重复值（C）的处理。特征重要性排序属于特征工程（D错误）。
以下属于监督学习任务的有？（至少2个正确选项）
A.垃圾
文档评论（0）