2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1202）.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）

中心极限定理（CLT）的核心结论是？

A.任意总体的分布都趋近于正态分布

B.当样本量足够大时，样本均值的分布趋近于正态分布

C.样本方差的分布与总体方差无关

D.小样本情况下也能保证精确的统计推断

答案：B

解析：中心极限定理指出，当样本量n足够大时（通常n≥30），无论总体服从何种分布，样本均值的抽样分布将趋近于正态分布（均值为总体均值，方差为总体方差/n）。选项A错误，CLT针对的是样本均值分布而非总体分布；选项C错误，样本方差与总体方差相关；选项D错误，CLT适用于大样本。

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.用前向填充（ffill）

D.用KNN算法预测填充

答案：C

解析：时间序列数据具有时序相关性，前向填充（ffill）利用相邻时间点的数值填充，能保留序列的连续性，适用于周期性缺失（如每日固定时段缺失）。选项A会导致数据量损失；选项B忽略时序特性；选项D计算成本高，适用于非时序数据。

决策树分裂时，信息增益（InformationGain）的计算基于？

A.基尼系数（GiniImpurity）

B.熵（Entropy）的减少量

C.均方误差（MSE）

D.准确率（Accuracy）

答案：B

解析：信息增益=父节点熵-子节点加权平均熵，用于衡量分裂后数据混乱度的降低程度。选项A是CART算法的分裂指标；选项C用于回归树；选项D是模型评估指标，非分裂依据。

以下哪项不是数据可视化的核心目标？

A.发现数据中的模式或异常

B.提升图表的美观度

C.高效传递数据洞察

D.辅助决策分析

答案：B

解析：数据可视化的核心是通过图形化手段传递信息、发现规律和支持决策，美观度是辅助而非核心目标。选项A、C、D均为核心目标。

在机器学习中，L2正则化（岭回归）的主要作用是？

A.解决类别不平衡问题

B.防止过拟合，降低模型复杂度

C.提升模型的计算速度

D.处理高维数据中的多重共线性

答案：B

解析：L2正则化通过在损失函数中添加权重平方和的惩罚项，限制模型参数的大小，避免模型过度拟合训练数据。选项A需用SMOTE等方法；选项C依赖算法优化；选项D是L1正则化（Lasso）的附加效果。

以下哪种数据库适合存储非结构化的日志数据？

A.MySQL（关系型数据库）

B.HBase（列式数据库）

C.MongoDB（文档型数据库）

D.Redis（键值数据库）

答案：C

解析：MongoDB支持BSON格式（类JSON），适合存储结构不固定的日志数据（如包含时间戳、用户ID、操作类型等非结构化字段）。选项A需预定义表结构；选项B适合列式存储（如时序数据）；选项D用于缓存。

混淆矩阵中，“假阳性（FalsePositive）”指的是？

A.实际为正类，模型预测为负类

B.实际为负类，模型预测为正类

C.实际为正类，模型预测为正类

D.实际为负类，模型预测为负类

答案：B

解析：混淆矩阵行表示真实类别，列表示预测类别。假阳性（FP）即真实为负类（Negative），预测为正类（Positive）。

以下哪项是K-means聚类的局限性？

A.要求预先指定聚类数k

B.对初始质心选择不敏感

C.适用于任意形状的簇

D.能处理噪声数据

答案：A

解析：K-means需要用户提前设定聚类数k，且对初始质心敏感（可能陷入局部最优），适用于球形簇，对噪声和离群点敏感。选项B、C、D均为错误描述。

以下哪种方法属于降维技术？

A.独热编码（One-HotEncoding）

B.主成分分析（PCA）

C.标准化（Standardization）

D.特征交叉（FeatureCrossing）

答案：B

解析：PCA通过线性变换将高维数据投影到低维空间，保留主要方差，属于降维技术。选项A是特征离散化；选项C是特征缩放；选项D是特征构造。

大数据处理框架Hadoop的核心组件是？

A.Hive和HBase

B.Spark和Flink

C.HDFS和MapReduce

D.Kafka和ZooKeeper

答案：C

解析：Hadoop生态的核心是HDFS（分布式文件系统）存储数据，MapReduce（分布式计算框架）处理数据。选项A是上层工具；选项B是替代计算框架；选项D是消息队列和协调服务。

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）

以下属于特征工程（FeatureEngineering）的方法有？

A.标准化（Z-score）

B.主成分分析（PCA）

C.独热编码（One-Hot