2025年高级数据分析师考试题库（附答案和详细解析）（1203）.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）

在机器学习模型训练中，若训练集准确率为95%，验证集准确率为60%，最可能的原因是？

A.模型欠拟合

B.数据存在标签错误

C.模型过拟合

D.特征维度不足

答案：C

解析：过拟合的典型表现是模型在训练集上表现优异（高准确率），但在未见过的验证集上泛化能力差（低准确率）。欠拟合（A）会导致训练集和验证集准确率均低；数据标签错误（B）通常会同时影响两个集合；特征维度不足（D）属于欠拟合的诱因之一，与题干现象不符。

以下哪项是时间序列平稳性的关键特征？

A.均值随时间递增

B.方差随时间变化

C.自协方差仅与时间间隔有关

D.存在明显的季节性波动

答案：C

解析：平稳时间序列的核心定义是均值、方差为常数，自协方差仅与时间间隔（滞后阶数）有关，与具体时间点无关。均值递增（A）、方差变化（B）、季节性波动（D）均属于非平稳特征。

在AB测试中，若实验组与对照组的样本量差异超过30%，最可能导致？

A.统计检验效力不足

B.第一类错误概率降低

C.用户体验提升

D.数据收集成本下降

答案：A

解析：样本量不均衡会导致统计检验效力（Power）下降，可能无法检测到真实存在的差异。第一类错误（弃真错误）概率由显著性水平（如α=0.05）决定，与样本量均衡性无关（B错误）；用户体验（C）和成本（D）与样本量分配无直接因果。

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（如垃圾邮件识别）

B.需要明确特征重要性解释的信贷风控

C.时序预测中的长期趋势建模

D.大规模图像识别（如图像分类）

答案：B

解析：决策树的可解释性强，能清晰展示特征重要性和决策路径，适合需要业务方理解的风控场景。高维文本（A）常用逻辑回归或神经网络；长期趋势（C）多用ARIMA或Prophet；图像识别（D）依赖卷积神经网络。

数据清洗中处理缺失值时，若某特征缺失率达70%且与目标变量无显著相关性，最优策略是？

A.用均值填充

B.用中位数填充

C.直接删除该特征

D.构建新特征标记缺失状态

答案：C

解析：缺失率过高（70%）且无相关性的特征对模型贡献极低，保留会引入噪声，直接删除是最优选择。填充（A/B）会破坏数据真实性；标记缺失状态（D）适用于缺失值本身含信息的场景（如“未填写收入”可能代表低收入）。

评估分类模型时，若业务目标是减少漏判（如癌症筛查），应重点关注哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：漏判对应“假阴性”，召回率（TP/(TP+FN)）衡量模型正确识别正例的能力，漏判越少召回率越高。准确率（A）受类别不平衡影响大；精确率（B）关注“真阳性”占预测阳性的比例（减少误判）；F1分数（D）是精确率和召回率的调和平均。

以下哪项属于数据伦理的核心原则？

A.数据收集的全面性

B.用户隐私的最小化处理

C.模型预测的高准确率

D.数据存储的低成本

答案：B

解析：数据伦理强调“最小必要原则”，即仅收集完成目标所需的最小数据量，保护用户隐私。全面性（A）可能侵犯隐私；准确率（C）是技术目标；低成本（D）是工程目标，均非伦理核心。

在特征工程中，对“用户注册时间”字段进行分箱（如按季度划分）的主要目的是？

A.减少计算复杂度

B.捕捉非线性关系

C.消除量纲影响

D.提高特征稀疏性

答案：B

解析：时间字段的线性关系（如注册时间越晚越可能活跃）可能不成立，分箱后可将连续变量转化为类别变量，捕捉分段的非线性关系。减少复杂度（A）是分箱的副产物；消除量纲（C）用标准化；提高稀疏性（D）与分箱目标矛盾。

某电商平台发现“用户浏览商品数”与“下单转化率”的皮尔逊相关系数为0.15（p=0.03），最合理的结论是？

A.两者存在显著强正相关

B.浏览商品数增加会导致转化率提升

C.两者存在统计显著的弱正相关

D.相关系数小，无实际业务意义

答案：C

解析：皮尔逊系数0.15属于弱相关（0.1-0.3为弱，0.3-0.5为中等），但p=0.030.05，说明统计显著。相关关系不代表因果（B错误）；弱相关仍可能有业务意义（如累积效应）（D错误）。

以下哪种方法最适合检测高维数据中的异常值？

A.Z-score检验

B.箱线图（IQR）

C.孤立森林（IsolationForest）

D.距离-based方法（如KNN）

答案：C

解析：高维数据中，传统基于距离或分布的方法（A/B/D）会因“维度灾难”失效。孤立森林通过随机划分特征构建树结构，对高维异常值更敏感，计算效率更高。

二、多项选择题（共10题，每题2分，共20分