原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据建模工程师考试试卷
一、单项选择题（共10题，每题1分，共10分）
在数据预处理中，针对数值型特征的缺失值处理，以下哪种方法最适合处理存在异常值的数据集？
A.直接删除缺失值所在行
B.用该特征的中位数填充
C.用该特征的均值填充
D.用0填充缺失值
答案：B
解析：均值对异常值敏感（C错误），直接删除可能导致数据丢失（A错误），用0填充可能引入不合理值（D错误）。中位数受异常值影响较小，能更稳健地反映数据集中趋势（B正确）。
逻辑回归模型的损失函数通常采用以下哪种？
A.均方误差（MSE）
B.交叉熵损失（Cross-Entropy）
C.Huber损失
D.绝对误差（MAE）
答案：B
解析：逻辑回归用于分类任务，交叉熵损失直接衡量预测概率与真实标签的差异（B正确）。均方误差（A）和绝对误差（D）适用于回归任务，Huber损失（C）是回归任务的鲁棒损失函数。
以下哪项不是过拟合的典型表现？
A.训练集准确率远高于验证集
B.模型在新数据上表现较差
C.模型参数数量远小于特征数量
D.模型对训练数据中的噪声过度学习
答案：C
解析：过拟合通常因模型复杂度过高（参数多或特征多）导致（C错误）。训练集与验证集性能差距大（A）、泛化能力差（B）、拟合噪声（D）均是过拟合典型表现。
在特征工程中，对类别型特征“用户职业”（包含教师、医生、工程师等）进行编码时，最合理的方法是？
A.直接使用原始字符串作为特征值
B.标签编码（LabelEncoding）
C.独热编码（One-HotEncoding）
D.二进制编码（BinaryEncoding）
答案：C
解析：标签编码（B）会引入无意义的顺序关系，原始字符串无法直接计算（A错误），二进制编码（D）适用于高基数类别。独热编码（C）将类别转换为独立的二值特征，避免顺序问题，是类别型特征的常用编码方式。
评估分类模型时，若关注“在预测为正类的样本中，实际为正类的比例”，应选择以下哪个指标？
A.召回率（Recall）
B.精确率（Precision）
C.F1分数
D.ROC-AUC
答案：B
解析：精确率（B）定义为TP/(TP+FP)，即预测正类中真实正类的比例。召回率（A）是TP/(TP+FN)，F1是精确率和召回率的调和平均（C），ROC-AUC衡量整体分类能力（D）。
以下哪种算法属于生成式模型？
A.逻辑回归
B.支持向量机（SVM）
C.朴素贝叶斯
D.随机森林
答案：C
解析：生成式模型通过学习数据的联合分布P(X,Y)进行分类，朴素贝叶斯假设特征独立，学习P(X|Y)和P(Y)（C正确）。逻辑回归（A）、SVM（B）、随机森林（D）均为判别式模型，直接学习P(Y|X)。
在梯度下降优化中，“批量梯度下降（BatchGD）”的主要缺点是？
A.收敛速度慢
B.容易陷入局部最优
C.计算复杂度高
D.参数更新方向不稳定
答案：C
解析：批量梯度下降每次迭代使用全部数据计算梯度，计算复杂度高（C正确）。收敛速度可能更快（A错误），全局最优性取决于目标函数（B错误），参数更新方向稳定（D错误）。
以下哪项是时间序列数据的典型特征？
A.特征间独立同分布（i.i.d）
B.存在自相关性（Autocorrelation）
C.特征维度远大于样本量
D.数据无时间顺序
答案：B
解析：时间序列数据的核心是时间依赖性（B正确）。独立同分布（A）是传统机器学习数据假设，特征维度大（C）常见于高维数据，无时间顺序（D）与时间序列定义矛盾。
模型可解释性较差的算法是？
A.决策树
B.线性回归
C.SHAP值分析的模型
D.深度神经网络（DNN）
答案：D
解析：决策树（A）和线性回归（B）的参数或规则可直接解释，SHAP（C）是模型无关的解释方法。深度神经网络（D）因多层非线性变换，内部机制难以直观理解，可解释性差。
在K折交叉验证中，K的常见取值为？
A.2
B.5或10
C.样本量的平方根
D.与类别数相同
答案：B
解析：K=5或10是交叉验证的经验取值（B正确），平衡了计算效率和评估稳定性。K=2（A）可能导致偏差，样本量平方根（C）无依据，类别数（D）适用于分层交叉验证的分层依据。
二、多项选择题（共10题，每题2分，共20分）
以下属于数据清洗主要步骤的有？（）
A.处理缺失值
B.特征标准化
C.检测并处理异常值
D.特征重要性排序
答案：AC
解析：数据清洗聚焦于提升数据质量，包括缺失值处理（A）和异常值处理（C）。特征标准化（B）属于特征工程，特征重要性排序（D）是模型训练后的分析步骤。
随机森林（RandomForest）的关键技术包括？（）
A.自助采样（Bo
文档评论（0）