2025年高级数据分析师考试题库（附答案和详细解析）（1128）.docxVIP

高级数据分析师考试试卷

一、单项选择题（共10题，每题1分，共10分）

在数据清洗过程中，处理缺失值的最佳策略是（）

A.直接删除所有包含缺失值的记录

B.用变量均值填充所有缺失值

C.根据业务场景选择删除、插值或建模预测

D.忽略缺失值直接建模

答案：C

解析：缺失值处理需结合业务场景：少量缺失可删除（A错误），均值填充可能破坏数据分布（B错误），忽略缺失值会导致模型偏差（D错误）。正确方法是根据缺失比例、变量重要性等选择策略（如时间序列用插值，高价值变量用模型预测）。

评估分类模型时，F1分数综合考虑了（）

A.准确率和召回率

B.精确率和召回率

C.准确率和精确率

D.精确率和特异度

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均数，公式为(F1=2)（B正确）。准确率是整体正确比例（A、C错误），特异度是负类正确识别率（D错误）。

以下哪种方法属于非监督学习？（）

A.逻辑回归

B.K-means聚类

C.随机森林

D.支持向量机（SVM）

答案：B

解析：非监督学习无标签数据，K-means通过数据点距离聚类（B正确）。逻辑回归、随机森林、SVM均需标签训练（A、C、D为监督学习）。

在AB测试中，统计功效（Power）表示（）

A.正确拒绝原假设的概率

B.错误拒绝原假设的概率

C.正确接受原假设的概率

D.错误接受原假设的概率

答案：A

解析：统计功效（1-β）是当备择假设为真时，正确拒绝原假设的概率（A正确）。错误拒绝原假设是α（B错误），正确接受原假设是1-α（C错误），错误接受原假设是β（D错误）。

时间序列分析中，差分操作主要用于消除（）

A.趋势项

B.季节性

C.白噪声

D.异方差性

答案：A

解析：差分通过(y_t-y_{t-1})消除线性趋势（A正确）。季节性需季节差分（B错误），白噪声无法消除（C错误），异方差性需变换（D错误）。

特征重要性分析中，SHAP值的核心作用是（）

A.衡量特征与目标变量的线性相关性

B.解释单个预测结果中各特征的贡献

C.筛选高方差特征

D.检测多重共线性

答案：B

解析：SHAP（SHapleyAdditiveexPlanations）值通过博弈论分配特征对预测的贡献，可解释单个样本的预测结果（B正确）。线性相关性用皮尔逊系数（A错误），高方差特征筛选是过滤法（C错误），多重共线性用VIF（D错误）。

以下哪种场景最适合使用决策树模型？（）

A.高维稀疏文本分类

B.时间序列预测

C.需要业务可解释的用户分群

D.图像识别

答案：C

解析：决策树的树状结构天然可解释，适合需要业务理解的分群场景（C正确）。高维文本用逻辑回归或神经网络（A错误），时间序列用ARIMA或LSTM（B错误），图像识别用CNN（D错误）。

数据仓库（DW）与数据湖（DataLake）的核心区别是（）

A.数据存储量大小

B.数据结构化程度

C.数据实时性

D.数据来源数量

答案：B

解析：数据仓库存储结构化数据（如关系型数据库表），数据湖存储原始、半结构化/非结构化数据（B正确）。存储量、实时性、来源数量非核心区别（A、C、D错误）。

在用户分群分析中，RFM模型的三个维度是（）

A.最近购买时间、购买频率、购买金额

B.注册时间、活跃频率、消费层级

C.访问时长、页面浏览量、转化率

D.社交互动数、内容发布量、粉丝数

答案：A

解析：RFM（Recency,Frequency,Monetary）模型通过最近购买时间（Recency）、购买频率（Frequency）、购买金额（Monetary）划分用户价值（A正确）。其他选项为自定义指标（B、C、D错误）。

以下哪项是A/B测试的必要前提？（）

A.实验组与对照组样本量相同

B.实验变量仅一个

C.用户随机分配至实验组和对照组

D.实验周期超过30天

答案：C

解析：A/B测试的核心是随机化分配（C正确），确保两组差异仅由实验变量引起。样本量可不同（A错误），多变量测试（MVT）允许同时测试多个变量（B错误），周期需根据统计显著性确定（D错误）。

二、多项选择题（共10题，每题2分，共20分）

数据质量的核心维度包括（）

A.完整性

B.准确性

C.美观性

D.一致性

答案：ABD

解析：数据质量通常包括完整性（无缺失）、准确性（符合真实值）、一致性（格式/逻辑统一）（ABD正确）。美观性是可视化需求，非数据质量维度（C错误）。

特征工程中，常用的特征构造方法有（）

A.时间差（如订单时间-注册时间）

B.统计聚合（如用户近30天消费次数）

C.主