2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1122）.docxVIP

数据科学专业认证（CDSP）考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种数据类型属于定比数据？

A.性别（男/女）

B.教育程度（小学/初中/本科）

C.温度（摄氏度）

D.年龄（岁）

答案：D

解析：定比数据具有绝对零点和可比较的比例关系。年龄（岁）有绝对零点（0岁表示没有年龄），且20岁是10岁的2倍，符合定比数据定义。A是定类数据（无顺序），B是定序数据（有顺序无间隔），C是定距数据（有间隔无绝对零点，如0℃不表示无温度）。

在右偏分布中，均值、中位数、众数的大小关系通常为？

A.均值中位数众数

B.中位数均值众数

C.众数中位数均值

D.众数均值中位数

答案：A

解析：右偏分布（正偏态）的长尾在右侧，均值受极端大值影响被拉向右侧，因此均值中位数众数。例如收入分布，少数高收入者会拉高均值，但中位数和众数更集中在较低区间。

以下哪种方法最常用于解决机器学习中的过拟合问题？

A.增加训练数据量

B.减少特征数量

C.降低模型复杂度（如减少决策树深度）

D.以上都是

答案：D

解析：过拟合是模型对训练数据过度学习、泛化能力差的表现。增加数据量（提供更多样本多样性）、减少特征（降低维度复杂度）、降低模型复杂度（如限制树深度）均能缓解过拟合。三者均为有效方法。

数据清洗中，若某特征缺失值比例小于5%且无明显模式，最合理的处理方式是？

A.用均值填充

B.删除缺失值所在的行

C.用中位数填充

D.用众数填充

答案：B

解析：当缺失值比例较低（5%）且无系统性缺失（如随机缺失）时，直接删除缺失行对整体数据影响最小，避免引入填充误差。填充方法（均值/中位数/众数）适用于缺失比例较高或有特定模式的场景。

数据库设计中，第三范式（3NF）要求？

A.消除非主属性对候选键的部分依赖

B.消除非主属性对候选键的传递依赖

C.消除主属性之间的依赖

D.所有属性不可再分

答案：B

解析：第一范式（1NF）要求属性原子性（不可再分）；第二范式（2NF）消除非主属性对候选键的部分依赖；第三范式（3NF）消除非主属性对候选键的传递依赖（如A→B→C，需分离为A→B和B→C）。

以下哪项是Seaborn相对于Matplotlib的主要优势？

A.更底层的绘图控制

B.内置统计可视化模板（如箱线图、热力图）

C.支持3D图形绘制

D.更高效的大数据量渲染

答案：B

解析：Seaborn是基于Matplotlib的高层库，专注于统计可视化，提供了更简洁的API和预定义的统计图表模板（如lmplot、pairplot）。Matplotlib更侧重底层控制，3D绘图和大数据渲染能力两者无显著差异。

检验两个独立样本的均值是否有显著差异，应选择？

A.卡方检验

B.t检验（独立样本）

C.方差分析（ANOVA）

D.皮尔逊相关系数

答案：B

解析：t检验用于比较两个独立/配对样本的均值差异；卡方检验用于分类变量的独立性检验；ANOVA用于三个及以上样本的均值比较；皮尔逊相关系数衡量线性相关性。

对类别特征“颜色（红/蓝/绿）”进行编码时，最合理的方法是？

A.标签编码（红=1，蓝=2，绿=3）

B.独热编码（生成3个二进制特征）

C.序数编码（按颜色波长排序）

D.直接保留原始字符串

答案：B

解析：类别特征无顺序关系时（如颜色），标签编码会错误引入数值顺序（如红蓝绿），而独热编码（One-HotEncoding）通过二进制向量避免此问题，是最合理选择。序数编码适用于有明确顺序的类别（如低/中/高）。

时间序列分析中，用于检验平稳性的常用方法是？

A.自相关函数（ACF）

B.偏自相关函数（PACF）

C.迪克-富勒检验（ADF检验）

D.贾奎-贝拉检验（JB检验）

答案：C

解析：ADF检验通过单位根检验判断时间序列是否平稳（原假设为存在单位根，即非平稳）；ACF和PACF用于识别AR/MA模型阶数；JB检验用于正态性检验。

以下哪项不属于数据伦理的核心原则？

A.隐私保护

B.算法透明性

C.模型准确率最大化

D.结果公平性

答案：C

解析：数据伦理关注数据收集、处理、应用中的道德问题，核心原则包括隐私保护（如GDPR）、算法透明性（避免黑箱）、结果公平性（防止歧视）。模型准确率是技术目标，非伦理原则。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

数据清洗的主要内容包括？

A.处理缺失值

B.纠正异常值

C.转换数据格式（如日期字符串转datetime）

D.删除重复记录

答案：ABCD

解析：数据清洗是消除数据缺陷的过程，包括处理缺失值（填充/删除）、纠正异常值（修正/删除）、转换格