2025年高级数据分析师考试题库（附答案和详细解析）（1124）.docxVIP

高级数据分析师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

在假设检验中，原假设（H?）通常代表的是：

A.研究者希望证明的结论

B.数据中存在显著差异的假设

C.样本统计量与总体参数无显著差异的假设

D.备择假设的对立假设

答案：C

解析：原假设（H?）是统计检验中默认成立的假设，通常表示“无差异”“无效果”等，如“均值等于某个值”或“两个变量无关”。选项A错误，研究者希望证明的是备择假设（H?）；选项B描述的是备择假设；选项D不完整，原假设是备择假设的直接对立，但核心定义是“无显著差异”。

随机森林（RandomForest）模型中，以下哪项不是其核心特性？

A.基于Bagging集成方法

B.每棵树使用全量特征训练

C.通过自助采样（Bootstrap）生成训练子集

D.最终结果通过投票或平均整合

答案：B

解析：随机森林在每棵树的训练中，不仅对样本进行自助采样（Bagging），还会随机选择部分特征（通常为√n或log(n)），而非全量特征（选项B错误）。其他选项均为随机森林的核心特性。

数据清洗中，处理缺失值时，以下哪种场景最适合用“众数填充”？

A.连续型数值变量，数据分布严重右偏

B.分类变量，类别频率差异显著

C.时间序列数据，存在周期性缺失

D.关键业务指标，缺失率超过50%

答案：B

解析：众数填充适用于分类变量（尤其是名义变量），当某类别出现频率显著高于其他类别时，用众数可保留数据的分布特征。选项A更适合中位数（抗极端值）；选项C适合插值法（如时间序列插值）；选项D通常建议删除或单独建模。

混淆矩阵中，“召回率（Recall）”的计算公式是：

A.TP/(TP+FP)

B.TP/(TP+FN)

C.TN/(TN+FP)

D.(TP+TN)/(TP+TN+FP+FN)

答案：B

解析：召回率衡量模型正确识别正类样本的能力，公式为“真阳性/(真阳性+假阴性)”（TP/(TP+FN)）。选项A是精确率（Precision），选项C是特异度（Specificity），选项D是准确率（Accuracy）。

时间序列的“季节性”（Seasonality）指的是：

A.数据随时间呈现的长期增长或下降趋势

B.由随机因素引起的不规则波动

C.固定周期（如12个月、7天）内的重复模式

D.数据在短期内的剧烈波动

答案：C

解析：季节性是时间序列中固定周期（如年度、月度、周度）内的重复模式（如夏季用电量上升）。选项A是趋势（Trend），选项B是噪声（Noise），选项D是异常值。

以下哪种特征工程方法属于“降维”技术？

A.独热编码（One-HotEncoding）

B.主成分分析（PCA）

C.分箱（Binning）

D.标准化（Standardization）

答案：B

解析：降维技术通过保留主要信息减少特征数量，PCA（主成分分析）是典型的无监督降维方法。选项A是类别变量编码，选项C是离散化，选项D是数据缩放，均不减少特征数量。

AB测试中，“统计显著性”（p值0.05）的核心意义是：

A.测试结果一定具有实际业务价值

B.原假设（无差异）被错误拒绝的概率低于5%

C.实验组效果显著优于对照组

D.样本量已达到最小要求

答案：B

解析：p值表示“原假设为真时，观察到当前或更极端结果的概率”，p0.05意味着拒绝原假设时犯第一类错误（误判）的概率≤5%。选项A错误，统计显著不代表实际显著（如提升0.1%可能无业务价值）；选项C未考虑方向（可能更差）；选项D是样本量计算的结果，非p值的意义。

设计用户行为分析的指标体系时，核心原则不包括：

A.与业务目标强关联

B.指标需可拆解到具体维度

C.覆盖所有可能的用户行为

D.指标定义清晰且可量化

答案：C

解析：指标体系需聚焦核心业务目标（如用户增长、转化），而非覆盖所有行为（会导致指标冗余）。其他选项均为设计原则（关联目标、可拆解、可量化）。

以下哪种数据可视化方式最易产生误导？

A.用柱状图比较不同类别销售额

B.用折线图展示时间序列趋势

C.用3D饼图显示市场份额

D.用散点图分析两个变量的相关性

答案：C

解析：3D饼图因透视变形会误导比例判断（如“深度”导致视觉上的大小偏差），而2D饼图已因信息密度低被建议少用。其他选项均为合适的可视化方式。

Spark框架中，用于处理实时流数据的组件是：

A.SparkCore

B.SparkSQL

C.SparkMLlib

D.SparkStreaming

答案：D

解析：SparkStreaming是处理实时流数据的组件（现逐步被StructuredStreaming替代）。SparkCore是基础引擎