2025年数据建模工程师考试题库（附答案和详细解析）（1108）.docxVIP

数据建模工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种方法最适合处理数值型特征中的异常值导致的缺失值？

A.直接删除缺失行

B.用特征均值填充

C.用特征中位数填充

D.用随机值填充

答案：C

解析：数值型特征的异常值会拉高均值（选项B错误），而中位数对异常值不敏感（选项C正确）。直接删除缺失行会丢失有效数据（选项A错误），随机填充无统计意义（选项D错误）。

在分类任务中，若正负样本比例为1:100，最不适合的评估指标是？

A.准确率

B.F1分数

C.召回率

D.AUC-ROC

答案：A

解析：准确率在数据极不平衡时会被多数类主导（如全预测为负类时准确率仍接近99%），无法反映模型对少数类的识别能力（选项A错误）。F1、召回率、AUC-ROC均能关注少数类表现（选项B、C、D正确）。

以下哪项是逻辑回归模型的核心假设？

A.特征服从正态分布

B.因变量与特征线性相关

C.误差项方差齐性

D.特征间无多重共线性

答案：B

解析：逻辑回归通过Sigmoid函数将线性组合映射到概率空间，核心假设是“对数几率比与特征线性相关”（选项B正确）。正态分布（A）、方差齐性（C）是线性回归假设，多重共线性影响系数稳定性但非核心假设（D错误）。

随机森林中“随机”不体现在以下哪个环节？

A.样本的随机有放回抽样（Bootstrap）

B.节点分裂时随机选择特征子集

C.每棵树的最大深度随机设定

D.叶节点分类时随机投票

答案：D

解析：随机森林的随机性体现在样本抽样（A）、特征子集选择（B）和树结构随机（如分裂阈值随机），但最终投票是基于所有树的多数表决（D错误）。树的最大深度通常由超参数控制，非随机（C错误，但D更明显）。

处理时间序列数据时，若数据存在季节性，最有效的预处理方法是？

A.差分法

B.傅里叶变换

C.滚动平均

D.季节分解

答案：D

解析：季节分解（STL或SMA）可分离趋势、季节和残差成分，直接消除季节性影响（D正确）。差分法主要处理趋势（A错误），傅里叶变换用于频率分析（B错误），滚动平均平滑噪声（C错误）。

以下哪项是L2正则化的主要作用？

A.防止过拟合，使参数更稀疏

B.防止过拟合，使参数更平滑

C.防止欠拟合，增加模型复杂度

D.加速模型训练，降低计算成本

答案：B

解析：L2正则化通过惩罚参数平方和（如Ridge回归），使参数值更小且平滑（B正确）。参数稀疏是L1正则化的作用（A错误），防止欠拟合需降低正则化强度（C错误），正则化不直接加速训练（D错误）。

在特征工程中，“将连续特征年龄划分为[0-18,18-30,30-60,60+]”属于？

A.特征分箱

B.特征交叉

C.特征编码

D.特征缩放

答案：A

解析：将连续变量离散化为区间是特征分箱（A正确）。特征交叉是组合多个特征（B错误），编码是处理类别变量（C错误），缩放是标准化或归一化（D错误）。

评估回归模型时，以下哪项指标对异常值最敏感？

A.平均绝对误差（MAE）

B.均方误差（MSE）

C.平均绝对百分比误差（MAPE）

D.R2分数

答案：B

解析：MSE对误差平方后放大了异常值的影响（B正确）。MAE取绝对值（A错误），MAPE对小值敏感（C错误），R2是相对指标（D错误）。

以下哪种模型天生支持多分类且无需额外处理？

A.逻辑回归

B.SVM（支持向量机）

C.朴素贝叶斯

D.梯度提升树（XGBoost）

答案：D

解析：XGBoost通过softmax损失函数直接支持多分类（D正确）。逻辑回归需OvR或Softmax扩展（A错误），SVM需OvO或OvR（B错误），朴素贝叶斯虽可处理多分类但需显式设置（C错误）。

模型部署时，若需处理高并发请求，最关键的优化目标是？

A.降低模型训练时间

B.提高预测准确率

C.减少推理延迟

D.增加模型可解释性

答案：C

解析：高并发场景下，单次推理延迟直接影响系统吞吐量（C正确）。训练时间（A）、准确率（B）、可解释性（D）非关键指标。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征选择方法的有？

A.卡方检验（Chi-squaredTest）

B.主成分分析（PCA）

C.递归特征消除（RFE）

D.LASSO回归

答案：ACD

解析：卡方检验（过滤法）、RFE（包裹法）、LASSO（嵌入法）均为特征选择方法（A、C、D正确）。PCA是降维方法（B错误）。

集成学习中，属于Boosting类算法的有？

A.随机森林（RandomForest）

B.AdaBoost

C.梯度提升树（GBM）

D.XGBoost

答案：BCD

解析：AdaBoost、GBM、XGB