2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1124）.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）

以下哪种方法最适合处理数值型数据中因偏态分布导致的缺失值？

A.直接删除缺失行

B.用均值填充

C.用中位数填充

D.用众数填充

答案：C

解析：数值型数据的缺失值处理需考虑分布特征。偏态分布时，均值易受极端值影响，中位数更能代表数据集中趋势（正确选项C）；直接删除（A）适用于缺失比例极低的场景；均值（B）适用于正态分布；众数（D）多用于分类型数据。

在混淆矩阵中，F1分数的计算基于以下哪两个指标的调和平均？

A.准确率（Accuracy）和精确率（Precision）

B.精确率（Precision）和召回率（Recall）

C.召回率（Recall）和特异度（Specificity）

D.特异度（Specificity）和准确率（Accuracy）

答案：B

解析：F1分数是精确率（查准率）和召回率（查全率）的调和平均，用于平衡两者的性能（正确选项B）；准确率是整体正确比例，特异度是负类正确识别率，均不直接参与F1计算（A、C、D错误）。

以下哪项不属于时间序列的组成部分？

A.趋势（Trend）

B.季节（Seasonality）

C.周期性（Cyclicity）

D.异方差（Heteroscedasticity）

答案：D

解析：时间序列的经典分解包括趋势、季节、周期性和随机波动（A、B、C正确）；异方差指方差随时间变化，是数据特性而非组成部分（D错误）。

若需对高维稀疏文本数据进行降维，最常用的方法是？

A.主成分分析（PCA）

B.线性判别分析（LDA）

C.奇异值分解（SVD）

D.t-分布随机邻域嵌入（t-SNE）

答案：C

解析：文本数据通常为高维稀疏矩阵，SVD（如LSA）通过分解矩阵提取潜在语义特征，适用于降维（正确选项C）；PCA适用于低维连续数据（A）；LDA用于有监督分类（B）；t-SNE用于可视化（D）。

以下哪种算法属于无监督学习？

A.逻辑回归（LogisticRegression）

B.K-means聚类

C.支持向量机（SVM）

D.梯度提升树（GBT）

答案：B

解析：无监督学习无标签数据，K-means通过数据点间距离聚类（正确选项B）；其他选项均需标签训练（A、C、D为监督学习）。

在关联规则挖掘中，“支持度（Support）”反映的是？

A.规则的可靠性

B.规则的实用性

C.项集出现的频繁程度

D.前件对后件的提升效果

答案：C

解析：支持度是项集同时出现的概率，衡量频繁程度（正确选项C）；置信度反映可靠性（A）；提升度反映提升效果（D）；实用性需结合业务判断（B）。

以下哪项是Hadoop生态中用于实时计算的组件？

A.HDFS

B.Hive

C.SparkStreaming

D.HBase

答案：C

解析：SparkStreaming是Spark的实时流处理模块（正确选项C）；HDFS是分布式存储（A）；Hive是数据仓库（B）；HBase是列式数据库（D）。

当使用L2正则化（岭回归）时，模型复杂度会如何变化？

A.复杂度增加

B.复杂度降低

C.无影响

D.取决于学习率

答案：B

解析：L2正则化通过惩罚高权重参数，限制模型复杂度，防止过拟合（正确选项B）；L1正则化（Lasso）可降维，L2侧重平滑参数。

以下哪种数据可视化图表最适合展示两个连续变量的相关关系？

A.柱状图

B.散点图

C.箱线图

D.饼图

答案：B

解析：散点图通过点的分布直观显示变量间相关性（正确选项B）；柱状图用于分类比较（A）；箱线图展示分布（C）；饼图显示比例（D）。

在A/B测试中，若p值小于0.05，通常可以得出以下哪个结论？

A.两组差异由随机误差导致的概率小于5%

B.实验假设绝对正确

C.实验组效果显著优于对照组

D.样本量足够大

答案：A

解析：p值是原假设（无差异）成立时观察到当前结果的概率，p0.05表示拒绝原假设（正确选项A）；无法证明假设绝对正确（B），需结合业务判断是否“显著优于”（C），样本量需预先计算（D）。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征工程中“特征选择”方法的有？

A.卡方检验（Chi-squareTest）

B.主成分分析（PCA）

C.递归特征消除（RFE）

D.L1正则化（Lasso）

答案：ACD

解析：特征选择是从原有特征中筛选关键特征。卡方检验（过滤法）、RFE（包装法）、L1正则化（嵌入法）均属特征选择（A、C、D正确）；PCA是特征提取（降维），生成新特征（B错误）。

以下哪些算法属于集成学习（EnsembleLearning）？

A.