2025年北大数院大数据专业数据科学基础试题及答案.docxVIP

2025年北大数院大数据专业数据科学基础试题及答案

2025年北京大学数学科学学院大数据专业《数据科学基础》试题

一、单项选择题（每题3分，共15分）

1.设随机变量\(X\sim\text{Exponential}(\lambda)\)，则以下性质中不成立的是（）

A.\(P(Xs+t\midXs)=P(Xt)\)

B.\(E[X^2]=\frac{2}{\lambda^2}\)

C.\(\text{Var}(X)=\frac{1}{\lambda^2}\)

D.\(X\)的中位数小于其期望

2.设总体\(X\simN(\mu,\sigma^2)\)，\(X_1,X_2,\dots,X_n\)为独立同分布样本。关于极大似然估计（MLE），以下说法错误的是（）

A.\(\hat{\mu}_{\text{MLE}}=\bar{X}\)是无偏估计

B.\(\hat{\sigma}^2_{\text{MLE}}=\frac{1}{n}\sum_{i=1}^n(X_i-\bar{X})^2\)是渐近无偏的

C.当\(n\to\infty\)时，\(\hat{\mu}_{\text{MLE}}\)依概率收敛于\(\mu\)

D.MLE一定是充分统计量的函数

3.在线性回归模型\(Y=X\beta+\epsilon\)中，若加入\(L_2\)正则化（岭回归），则以下结论正确的是（）

A.模型偏差减小，方差增大

B.估计系数的\(L_2\)范数增大

C.当正则化参数\(\lambda\to\infty\)时，系数估计趋近于0

D.正则化仅用于处理多重共线性，不影响模型泛化能力

4.对于二分类问题，若真实标签为1的样本有100个，预测为1的样本有80个，其中正确预测的有60个，则精确率（Precision）和召回率（Recall）分别为（）

A.0.6,0.6

B.0.75,0.6

C.0.6,0.75

D.0.75,0.75

5.关于决策树的分裂准则，以下说法正确的是（）

A.信息增益（InformationGain）倾向于选择取值较多的特征

B.基尼指数（GiniIndex）仅适用于回归问题

C.均方误差（MSE）用于分类问题的分裂

D.信息增益比（GainRatio）完全消除了信息增益的缺点

二、填空题（每题4分，共20分）

1.设随机变量\(X\simN(1,4)\)，\(Y\simN(2,9)\)，且\(\text{Cov}(X,Y)=3\)，则\(\text{Cov}(2X-Y,X+3Y)=\)______。

2.已知\(P(A)=0.5\)，\(P(B)=0.6\)，\(P(A\cupB)=0.8\)，则\(P(A\midB)=\)______。

3.设线性回归模型\(Y=\beta_0+\beta_1X+\epsilon\)，\(\epsilon\simN(0,\sigma^2)\)，通过最小二乘法得到\(\hat{\beta}_1=\frac{\sum(X_i-\bar{X})(Y_i-\bar{Y})}{\sum(X_i-\bar{X})^2}\)，则\(\text{Var}(\hat{\beta}_1)=\)______（用\(\sigma^2\)和\(X_i\)表示）。

4.对于逻辑回归模型\(P(Y=1\midX)=\frac{1}{1+e^{-X\beta}}\)，其对数似然函数为\(\ell(\beta)=\sum_{i=1}^n[y_iX_i\beta-\ln(1+e^{X_i\beta})]\)，则\(\ell(\beta)\)关于\(\beta\)的梯度为______。

5.设\(K\)-means聚类的目标函数为\(J=\sum_{k=1}^K\sum_{x\inC_k}\|x-\mu_k\|^2\)，其中\(\mu_k\)是簇\(C_k\)的均值。当簇分配固定时，优化\(\mu_k\)的解为______。

三、计算题（每题1