2025年高级数据分析师考试题库（附答案和详细解析）（1028）.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）

以下哪项是评估数据质量时最核心的指标？

A.数据存储容量

B.数据完整性

C.数据可视化效果

D.数据处理速度

答案：B

解析：数据质量的核心指标包括完整性（无缺失值）、准确性（与真实值一致）、一致性（格式统一）和时效性。存储容量（A）是技术指标，可视化效果（C）是展示能力，处理速度（D）是效率指标，均非质量核心。

在机器学习模型中，若训练集准确率为95%，测试集准确率为60%，最可能的原因是？

A.模型欠拟合

B.数据特征不足

C.模型过拟合

D.学习率过低

答案：C

解析：过拟合表现为训练集效果好但测试集效果差（模型过度记忆训练数据噪声）。欠拟合（A）会导致训练集和测试集效果均差；特征不足（B）属于欠拟合的可能原因；学习率过低（D）会导致训练速度慢，而非准确率差异。

混淆矩阵中，“真阳性率（TPR）”的计算公式是？

A.TP/(TP+FN)

B.TP/(TP+FP)

C.TN/(TN+FP)

D.TN/(TN+FN)

答案：A

解析：真阳性率（召回率）是实际为正例中被正确预测的比例，公式为TP/(TP+FN)。B是精确率（Precision），C是真阴性率（TNR），D是负例召回率（未常用）。

A/B测试中，若实验组与对照组的样本量差异超过30%，最可能导致？

A.统计功效不足

B.选择偏差

C.辛普森悖论

D.多重共线性

答案：B

解析：样本量差异过大可能因分组不均导致选择偏差（如实验组包含更多活跃用户）。统计功效不足（A）与样本量过小有关；辛普森悖论（C）是分组与整体趋势矛盾；多重共线性（D）是特征间高度相关。

以下哪种场景最适合使用决策树模型？

A.高维稀疏文本分类（如新闻主题）

B.时序数据预测（如股票价格）

C.规则可解释的业务决策（如贷款审批）

D.图像识别（如图像分类）

答案：C

解析：决策树的优势是规则可视化强，适合需要可解释性的业务场景（如贷款审批）。高维文本（A）常用逻辑回归或神经网络；时序（B）用ARIMA或LSTM；图像（D）用CNN。

数据仓库（DW）与数据湖（DataLake）的核心区别是？

A.存储介质不同（磁盘vs云）

B.数据结构化程度（结构化vs原始数据）

C.查询速度（快vs慢）

D.数据量大小（小vs大）

答案：B

解析：数据仓库存储结构化数据（需ETL清洗），数据湖存储原始多模态数据（结构化/半结构化/非结构化）。存储介质（A）、查询速度（C）、数据量（D）均非核心区别。

若某特征的VIF（方差膨胀因子）值为10，说明？

A.该特征与其他特征无相关性

B.该特征存在严重多重共线性

C.该特征对目标变量影响显著

D.该特征需要进行标准化处理

答案：B

解析：VIF≥5表示存在多重共线性，≥10表示严重共线性。A是VIF=1的情况；C需看回归系数显著性；D是标准化的目的，与VIF无关。

以下哪项不属于时间序列分解的组成部分？

A.趋势（Trend）

B.周期（Cycle）

C.噪声（Noise）

D.分类（Classification）

答案：D

解析：时间序列分解通常包括趋势（长期变化）、周期（非固定长度波动）、季节（固定周期波动）和噪声（随机误差）。分类（D）是机器学习任务类型，非分解部分。

在K-means聚类中，选择K值的最优方法是？

A.手肘法（ElbowMethod）

B.随机选择K=5

C.基于业务经验确定

D.比较不同K的轮廓系数

答案：A

解析：手肘法通过观察SSE（误差平方和）随K增大的变化速率（拐点）确定最优K，是最常用方法。D（轮廓系数）也是辅助方法，但手肘法更直接；B无依据；C需结合业务但非“最优”。

以下哪项是AUC（ROC曲线下面积）的最佳描述？

A.模型在所有阈值下的精确率均值

B.模型区分正例和负例的整体能力

C.模型对正例的召回率

D.模型对负例的正确分类率

答案：B

解析：AUC衡量模型在不同分类阈值下区分正负样本的能力（值越接近1，区分能力越强）。A是mAP（平均精确率）；C是TPR；D是TNR。

二、多项选择题（共10题，每题2分，共20分）

特征工程中，常用的特征构造方法包括？

A.多项式特征（PolynomialFeatures）

B.时间特征提取（如月份、星期）

C.分箱（Binning）

D.主成分分析（PCA）

答案：ABC

解析：特征构造是从原始数据生成新特征，包括多项式（A）、时间特征（B）、分箱（C）。PCA（D）是特征降维，属于特征选择/提取，非构造。

以下哪些指标可用于评估回归模型的性能？

A.R2（决定系数）

B.MAE（平均绝对误差）

C