2025年高级数据分析师考试题库（附答案和详细解析）（1126）.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）

在数据清洗过程中，针对高维度、非线性关系的缺失值填补，最适用的方法是（）

A.均值填补

B.中位数填补

C.随机森林填补

D.直接删除缺失行

答案：C

解析：随机森林填补（C）通过构建模型利用其他特征预测缺失值，适用于高维度、非线性关系场景；均值（A）和中位数（B）仅适用于低维度、线性分布数据；直接删除（D）会导致信息丢失，不适用于高维度场景。

评估分类模型时，若业务目标是“减少漏判关键正类样本”，应重点关注的指标是（）

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：召回率（C）衡量正类样本被正确识别的比例，漏判少即召回率高；准确率（A）是整体正确比例，可能掩盖类别不平衡问题；精确率（B）关注预测为正类中的真实正类比例；F1（D）是精确率和召回率的调和平均，非针对性指标。

AB测试中，若对照组与实验组的样本量差异超过30%，最可能导致的问题是（）

A.统计功效不足

B.选择偏差

C.多重比较误差

D.辛普森悖论

答案：B

解析：样本量差异过大（B）可能因用户分桶不均导致组间特征分布不一致（选择偏差）；统计功效不足（A）通常由样本量过小引起；多重比较（C）是多次检验导致的误差；辛普森悖论（D）是分组与整体趋势矛盾的现象。

特征工程中，对“用户近30天登录次数”进行分箱处理时，最优策略是（）

A.等距分箱

B.等频分箱

C.卡方分箱

D.自定义分箱

答案：C

解析：卡方分箱（C）通过统计检验自动划分区间，使箱内特征与目标变量的相关性最大化，优于等距（A，依赖数据分布）、等频（B，可能破坏业务含义）和自定义（D，依赖经验）。

时间序列预测中，若数据存在明显的周周期性和逐年递增趋势，应优先选择的模型是（）

A.ARIMA

B.SARIMA

C.LSTM

D.Prophet

答案：D

解析：Prophet（D）内置趋势、周期性（周/年）和节假日效应建模，适合业务场景的多周期数据；SARIMA（B）需手动设置周期参数；LSTM（C）适合复杂非线性模式但调参复杂；ARIMA（A）不支持多周期。

数据仓库中，ODS层（操作数据存储层）的核心功能是（）

A.数据清洗与整合

B.原始数据暂存

C.面向主题的数据分析

D.指标计算与输出

答案：B

解析：ODS层（B）用于存储从业务系统抽取的原始数据（未加工），保持与源系统一致；数据清洗（A）在DWD层；面向主题分析（C）在DWS层；指标输出（D）在ADS层。

基于孤立森林（IsolationForest）的异常检测，其核心假设是（）

A.异常值在特征空间中分布稀疏

B.异常值服从正态分布

C.异常值与多数值线性相关

D.异常值具有高维度特征

答案：A

解析：孤立森林通过随机划分特征空间，异常值因稀疏性会被更早隔离（A）；正态分布（B）是Z-score假设；线性相关（C）是线性模型假设；高维度（D）是数据特性非核心假设。

因果推断中，“后门准则”的作用是（）

A.识别混淆变量并控制

B.验证工具变量有效性

C.估计平均处理效应（ATE）

D.检验因果关系显著性

答案：A

解析：后门准则（A）通过阻断“处理变量←混淆变量→结果变量”的后门路径，识别需控制的混淆变量；工具变量（B）是另一种因果推断方法；ATE估计（C）是因果推断目标；显著性检验（D）是统计步骤。

数据伦理中，“差别隐私（DifferentialPrivacy）”的核心是（）

A.完全匿名化数据

B.允许单个记录被识别但整体不可推断

C.在数据中添加可控噪声以保护隐私

D.通过加密技术保障数据传输安全

答案：C

解析：差别隐私（C）通过添加噪声（如拉普拉斯噪声）使单个记录的修改不影响整体统计结果，平衡隐私与数据可用性；完全匿名（A）无法防止重识别；允许识别（B）违反隐私保护；加密（D）是传输安全技术。

机器学习模型优化时，若验证集准确率远高于测试集，最可能的原因是（）

A.过拟合

B.欠拟合

C.数据泄露

D.类别不平衡

答案：C

解析：验证集与测试集数据分布不一致（如验证集包含测试集信息）会导致验证集准确率虚高（数据泄露，C）；过拟合（A）是训练集准确率远高于验证集；欠拟合（B）是两者均低；类别不平衡（D）影响分类器偏向多数类。

二、多项选择题（共10题，每题2分，共20分）

混淆矩阵中，基于正类（PositiveClass）计算的指标包括（）

A.精确率（Precision）

B.召回率（Recall）

C.F1分数

D.准确率（Accuracy）

答案：A