2025年数据建模工程师考试题库（附答案和详细解析）（1118）.docxVIP

数据建模工程师专业考试试卷

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时间序列数据中的周期性缺失值？

A.直接删除缺失行

B.用全局均值填充

C.前向填充（ffill）

D.随机森林预测填充

答案：C

解析：时间序列数据具有时序连续性，周期性缺失通常与相邻时间点相关。前向填充（ffill）利用最近的历史值填充，能保留时序特征；直接删除会损失时间序列完整性（A错误）；全局均值忽略时序变化（B错误）；随机森林预测适用于非时序数据的复杂缺失（D错误）。

在分类任务中，当正负样本比例为1:100时，最适合的评估指标是？

A.准确率（Accuracy）

B.F1分数

C.均方误差（MSE）

D.混淆矩阵中的真负率（TNR）

答案：B

解析：类别不平衡时，准确率会因多数类主导而失真（A错误）；F1分数是精确率和召回率的调和平均，能平衡少数类的预测效果（B正确）；MSE用于回归任务（C错误）；TNR关注负类正确识别，无法反映正类（少数类）的关键价值（D错误）。

决策树中信息增益的计算基于以下哪个指标？

A.基尼系数

B.熵（Entropy）

C.均方误差

D.互信息

答案：B

解析：信息增益=父节点熵-子节点加权熵，直接基于熵的变化（B正确）；基尼系数用于CART树的特征选择（A错误）；均方误差是回归树的分裂指标（C错误）；互信息是信息增益的另一种表述，但本质仍基于熵（D错误）。

以下哪项不属于特征工程中的特征转换操作？

A.对年龄字段进行分箱（Binning）

B.对类别特征进行独热编码（One-HotEncoding）

C.用主成分分析（PCA）降维

D.计算用户近30天的平均消费金额

答案：D

解析：特征转换是对现有特征的数学变换（如分箱、编码、降维），而计算近30天平均消费金额属于特征生成（构造新特征）（D错误）；A、B、C均为典型的特征转换操作（正确）。

正则化（Regularization）的核心目的是？

A.提高模型训练速度

B.减少模型对训练数据的过拟合

C.增加模型的可解释性

D.解决类别不平衡问题

答案：B

解析：正则化通过在损失函数中添加参数惩罚项（如L1/L2），限制模型复杂度，防止过拟合（B正确）；提高训练速度需优化算法或硬件（A错误）；可解释性与模型结构相关（如决策树）（C错误）；类别不平衡需用采样或调整权重解决（D错误）。

在K折交叉验证中，当K=1时，该方法等价于？

A.留一法（LOOCV）

B.简单验证（训练集-测试集划分）

C.自助法（Bootstrap）

D.分层交叉验证

答案：B

解析：K=1时，交叉验证仅将数据分为1份训练集和1份验证集，等价于简单的训练-测试划分（B正确）；留一法K=N（样本数）（A错误）；自助法基于有放回抽样（C错误）；分层交叉验证要求保持类别分布（D错误）。

以下哪种算法属于生成式模型？

A.逻辑回归

B.支持向量机（SVM）

C.朴素贝叶斯

D.随机森林

答案：C

解析：生成式模型通过学习联合概率P(X,Y)建模（如朴素贝叶斯假设特征独立，计算P(Y|X)=P(X|Y)P(Y)/P(X)）（C正确）；判别式模型直接学习P(Y|X)（如逻辑回归、SVM、随机森林）（A、B、D错误）。

对于高维稀疏数据（如文本TF-IDF特征），最适合的聚类算法是？

A.K-means

B.DBSCAN

C.层次聚类

D.谱聚类

答案：A

解析：K-means计算样本与质心的欧氏距离，在高维稀疏数据中仍能通过质心快速收敛（A正确）；DBSCAN依赖密度定义，高维数据密度稀疏导致效果差（B错误）；层次聚类时间复杂度高（O(n2)）（C错误）；谱聚类适用于低维流形结构（D错误）。

以下哪项是模型部署（ModelDeployment）的核心目标？

A.提高模型在训练集上的准确率

B.确保模型在生产环境中高效、稳定运行

C.优化模型的超参数

D.生成详细的模型训练报告

答案：B

解析：模型部署的核心是将训练好的模型集成到生产系统，满足延迟、吞吐量、稳定性要求（B正确）；训练集准确率是模型开发阶段的目标（A错误）；超参数优化属于模型调优（C错误）；训练报告是文档记录（D错误）。

在A/B测试中，若实验组与对照组的样本量差异过大，最可能导致？

A.第一类错误（α错误）增加

B.统计功效（Power）降低

C.效应量（EffectSize）高估

D.混淆变量无法控制

答案：B

解析：样本量不足或分配不均会降低统计功效（检测到真实差异的能力）（B正确）；第一类错误由显著性水平α控制（A错误）；效应量是客观差异，与样本量无关（C错误）；混淆变量需通过随机分组控制（D错误）。

二、多项选择题（共10题，