2025年数据建模工程师考试题库（附答案和详细解析）（1210）.docxVIP

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，最适合消除异常值影响的方法是（）

A.直接删除缺失记录

B.用样本均值填充

C.用样本中位数填充

D.用众数填充

答案：C

解析：中位数是数据排序后的中间值，对异常值不敏感，适合存在异常值的数值型特征缺失填充（正确）；删除记录会损失信息（A错误）；均值易受异常值影响（B错误）；众数适用于分类变量（D错误）。

以下哪种模型属于生成式模型？（）

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联合概率分布P(X,Y)建模（如朴素贝叶斯假设特征独立，计算P(Y|X)=P(X|Y)P(Y)/P(X)）；判别式模型直接学习P(Y|X)（逻辑回归、SVM、随机森林均为判别式模型，ABD错误）。

评估回归模型时，以下指标中对异常值最敏感的是（）

A.平均绝对误差（MAE）

B.均方误差（MSE）

C.平均绝对百分比误差（MAPE）

D.R2决定系数

答案：B

解析：MSE计算误差的平方，异常值的平方会显著放大误差（正确）；MAE取绝对值，对异常值敏感度较低（A错误）；MAPE关注百分比误差（C错误）；R2衡量拟合优度，不直接反映异常值影响（D错误）。

特征工程中，“将用户年龄划分为0-18、19-30、31-50、51+四个区间”属于（）

A.特征分箱

B.特征交叉

C.特征嵌入

D.特征标准化

答案：A

解析：特征分箱是将连续变量离散化为区间（正确）；特征交叉是组合多个特征（B错误）；嵌入是低维向量表示（C错误）；标准化是归一化处理（D错误）。

以下哪种方法不能缓解模型过拟合？（）

A.增加训练数据量

B.降低模型复杂度

C.减少正则化参数λ

D.提前终止（EarlyStopping）

答案：C

解析：正则化参数λ越大，惩罚项越强，越能缓解过拟合；减少λ会削弱惩罚，可能加剧过拟合（正确）；增加数据、降低复杂度、早停均为常用抗过拟合方法（ABD错误）。

集成学习中，XGBoost与随机森林的核心区别是（）

A.前者基于树模型，后者基于线性模型

B.前者是Boosting框架，后者是Bagging框架

C.前者支持并行计算，后者不支持

D.前者输出概率值，后者输出类别标签

答案：B

解析：XGBoost是Boosting（串行集成，关注前序模型的错误），随机森林是Bagging（并行集成，关注样本随机采样）（正确）；两者均基于树模型（A错误）；随机森林支持并行（C错误）；两者均可输出概率（D错误）。

时间序列建模中，ARIMA模型的“MA”代表（）

A.自回归（AutoRegressive）

B.移动平均（MovingAverage）

C.差分（Integrated）

D.滑动窗口（SlidingWindow）

答案：B

解析：ARIMA由AR（自回归）、I（差分）、MA（移动平均）组成（正确）；A对应AR，C对应I，D为无关概念（ACD错误）。

模型部署时，将训练好的PyTorch模型转换为ONNX格式的主要目的是（）

A.提高模型精度

B.增强模型可解释性

C.实现跨框架推理

D.减少训练时间

答案：C

解析：ONNX（开放神经网络交换格式）支持不同框架（如PyTorch、TensorRT）的模型互操作，便于部署（正确）；转换不影响精度或训练时间（AD错误）；可解释性需额外方法（B错误）。

L2正则化在损失函数中添加的项是（）

A.λ||w||?

B.λ||w||?2

C.λmax(w)

D.λ∑|w|

答案：B

解析：L2正则化添加参数的L2范数平方（λ||w||?2），用于防止参数过大（正确）；A和D是L1正则化（L1范数），C为无关项（ACD错误）。

因果推断中，“后门准则”的作用是（）

A.识别混淆变量，控制混杂偏倚

B.评估模型的预测准确性

C.计算变量间的相关系数

D.生成反事实结果

答案：A

解析：后门准则通过阻断“后门路径”（混淆变量到结果的路径）来识别需要控制的变量，从而估计因果效应（正确）；B是模型评估，C是相关分析，D是反事实推断的目标（BCD错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于监督学习任务的有（）

A.新闻分类（标签：体育/科技/娱乐）

B.用户分群（无标签）

C.房价预测（标签：具体价格）

D.图像降噪（输入含噪图像，输出清晰图像）

答案：AC

解析：监督学习需要标签（A有分类标签，C有回归标签）；B是无监督学习（聚类），D是自监督学习（无显式标签但利用数据自身结构）（BD错误）。

特征筛选的常用方法