2025年数据建模工程师考试题库（附答案和详细解析）（1101）.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）

以下哪项是评估分类模型时F1分数的计算公式？

A.（精确率+召回率）/2

B.2(精确率召回率)/(精确率+召回率)

C.真阳性/(真阳性+假阳性)

D.真阳性/(真阳性+假阴性)

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均值，计算公式为2(PR)/(P+R)。选项A是算术平均，不能反映两者的平衡；选项C是精确率的定义；选项D是召回率的定义。

线性回归模型中，若出现多重共线性问题，最有效的解决方法是？

A.增加样本量

B.进行主成分分析（PCA）降维

C.提高学习率

D.改用SVM模型

答案：B

解析：多重共线性是指特征间高度相关，主成分分析通过提取互不相关的主成分可有效降低维度并消除共线性。选项A无法解决特征间的内在相关性；选项C是优化器参数，与共线性无关；选项D改变模型类型不能直接解决原特征的共线性问题。

在K-means聚类中，“肘部法则”用于确定：

A.最优簇数K

B.初始质心位置

C.迭代终止条件

D.距离度量方式

答案：A

解析：肘部法则通过绘制不同K值对应的簇内平方和（SSE）曲线，寻找曲线拐点（“肘部”）作为最优簇数。其他选项中，初始质心通常随机选择或用K-means++；迭代终止条件是SSE变化小于阈值或达到最大迭代次数；距离度量方式（如欧氏距离）是预设参数。

以下哪项属于监督学习任务？

A.客户分群（聚类）

B.预测房价（回归）

C.话题检测（无监督）

D.异常检测（无监督）

答案：B

解析：监督学习需要标签数据，预测房价是典型的回归任务（标签为连续数值）。其他选项均为无监督学习（无标签）。

梯度下降法中，“批量”（Batch）指的是：

A.每次迭代使用所有样本计算梯度

B.每次迭代使用单个样本计算梯度

C.每次迭代使用部分样本计算梯度

D.梯度更新的步长大小

答案：A

解析：批量梯度下降（BatchGD）每次用全部样本计算梯度，保证方向准确但计算成本高；随机梯度下降（SGD）用单个样本，小批量（Mini-batch）用部分样本。选项D是学习率的定义。

决策树中，信息增益的计算基于：

A.基尼系数

B.信息熵

C.均方误差

D.余弦相似度

答案：B

解析：信息增益=父节点熵-子节点加权熵，用于衡量特征对分类的贡献。基尼系数是CART树的分裂指标；均方误差用于回归树；余弦相似度是相似度度量。

以下哪种场景最适合使用逻辑回归模型？

A.图像分类（高维非结构化数据）

B.客户流失预测（二分类，线性可分）

C.语音识别（时序数据）

D.文本情感分析（长文本语义）

答案：B

解析：逻辑回归适用于线性可分的二分类问题，计算高效且可解释性强。其他场景需要更复杂模型（如CNN、RNN、Transformer）。

特征工程中，“独热编码”（One-HotEncoding）主要用于处理：

A.连续型特征

B.高基数类别特征

C.低基数类别特征

D.缺失值

答案：C

解析：独热编码将类别特征转换为0-1向量，适用于低基数（类别数少）的类别特征；高基数会导致维度爆炸，通常用目标编码或嵌入。连续型特征用标准化，缺失值用填充或删除。

以下哪项是过拟合的典型表现？

A.训练集准确率高，测试集准确率低

B.训练集准确率低，测试集准确率低

C.训练集和测试集准确率都高

D.训练集和测试集准确率都低

答案：A

解析：过拟合指模型过度学习训练集的噪声，导致泛化能力差，表现为训练集效果好但测试集效果差。欠拟合则是两者都差。

在时间序列预测中，“滞后特征”（LagFeatures）的作用是：

A.捕捉长期趋势

B.捕捉周期性模式

C.引入历史值作为输入

D.消除季节性波动

答案：C

解析：滞后特征通过将历史时间点的值（如t-1、t-2）作为当前t的输入，利用序列的自相关性。捕捉趋势用移动平均，周期性用傅里叶变换，消除季节性用差分。

二、多项选择题（共10题，每题2分，共20分）

以下属于集成学习（EnsembleLearning）方法的有：

A.随机森林（RandomForest）

B.梯度提升树（GBDT）

C.K近邻（KNN）

D.支持向量机（SVM）

答案：AB

解析：集成学习通过组合多个基模型提升性能，随机森林（Bagging）和GBDT（Boosting）是典型代表。KNN和SVM是单模型算法。

数据预处理中，处理缺失值的常用方法包括：

A.删除含缺失值的行/列

B.用均值/中位数填充

C.用回归模型预测填充

D.直接保留缺失值（不处理）

答案：ABC

解析：缺失值处理需根据情况选择，删除（数据量充足时）、统计值填充（