2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1214）.docxVIP

数据科学专业认证（CDSP）考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪项是数据清洗中处理缺失值的合理方法？

A.直接忽略所有缺失值

B.对分类变量缺失值填充均值

C.删除少量缺失值的行（样本量充足时）

D.对所有缺失列直接删除

答案：C

解析：数据清洗中处理缺失值需根据具体情况选择方法。A错误，忽略缺失值可能导致模型偏差；B错误，均值适用于数值型变量，分类变量应填充众数；C正确，当缺失行占比小且样本充足时，删除是合理选择；D错误，直接删除列可能丢失关键特征。

以下哪项是监督学习任务？

A.客户分群（聚类）

B.预测房价（回归）

C.主成分分析（降维）

D.频繁项集挖掘（关联规则）

答案：B

解析：监督学习需要标签数据。A（聚类）、C（降维）、D（关联规则）均为无监督学习；B（预测房价）需要历史房价作为标签，属于监督学习中的回归任务。

在假设检验中，“拒绝原假设时犯错误”的概率对应：

A.第一类错误（α）

B.第二类错误（β）

C.置信水平（1-α）

D.功效（1-β）

答案：A

解析：第一类错误（α）是原假设为真时拒绝原假设的概率；第二类错误（β）是原假设为假时接受原假设的概率；置信水平是不拒绝原假设时的可靠程度；功效是正确拒绝原假设的概率。故选A。

以下哪种数据库适合存储实时数据流？

A.关系型数据库（如MySQL）

B.键值存储（如Redis）

C.文档数据库（如MongoDB）

D.列存储数据库（如HBase）

答案：B

解析：实时数据流需要高读写速度和低延迟。键值存储（Redis）基于内存，适合高频读写的实时场景；关系型数据库适合事务型操作，文档数据库适合半结构化数据，列存储适合批量分析。故选B。

特征工程中，“独热编码（One-HotEncoding）”主要用于处理：

A.数值型变量

B.高基数分类变量

C.低基数分类变量

D.时间序列变量

答案：C

解析：独热编码通过创建虚拟变量处理分类变量，但会增加维度。高基数分类变量（如省份）使用独热编码会导致维度爆炸，通常用目标编码等替代；低基数分类变量（如性别）适用独热编码。故选C。

以下哪项是数据可视化的核心原则？

A.使用3D图表提升视觉冲击力

B.优先展示所有数据细节

C.清晰传达数据中的关键信息

D.采用复杂颜色渐变增强美观

答案：C

解析：数据可视化的核心是有效传达信息。A错误，3D图表可能扭曲数据；B错误，过多细节会干扰重点；D错误，颜色应服务于信息而非美观；C正确，符合“清晰性”原则。

数据伦理中，“数据匿名化”的主要目的是：

A.提高数据计算效率

B.防止个人信息泄露

C.减少数据存储成本

D.增强模型预测精度

答案：B

解析：数据匿名化通过脱敏处理（如哈希、泛化）隐藏个人身份信息，防止隐私泄露。其他选项与匿名化无直接关联。故选B。

评估分类模型时，“F1分数”是以下哪两个指标的调和平均？

A.准确率（Accuracy）和召回率（Recall）

B.精确率（Precision）和召回率（Recall）

C.精确率（Precision）和特异度（Specificity）

D.准确率（Accuracy）和精确率（Precision）

答案：B

解析：F1分数=2(PR)/(P+R)，其中P是精确率（预测为正中实际为正的比例），R是召回率（实际为正中被正确预测的比例）。故选B。

以下哪种技术属于大数据处理框架？

A.Python的Pandas库

B.ApacheSpark

C.R的dplyr包

D.SQL的窗口函数

答案：B

解析：ApacheSpark是分布式计算框架，适合处理海量数据；Pandas和dplyr是单机数据处理库；SQL窗口函数是关系型数据库的查询功能。故选B。

数据挖掘的CRISP-DM流程中，“模型评估”阶段的核心任务是：

A.选择合适的算法

B.验证模型在真实场景中的有效性

C.调整模型超参数

D.生成数据可视化报告

答案：B

解析：CRISP-DM流程包括业务理解、数据理解、数据准备、模型构建、模型评估、部署。模型评估阶段需验证模型是否满足业务目标，是否可推广到新数据。A属于模型构建，C属于调参（模型构建），D属于数据理解或部署。故选B。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于无监督学习算法的有：

A.K-means聚类

B.逻辑回归

C.主成分分析（PCA）

D.支持向量机（SVM）

答案：AC

解析：无监督学习无标签数据。A（K-means）通过距离聚类，C（PCA）通过方差降维，均为无监督；B（逻辑回归）和D（SVM）需标签训练，属于监督学习。

特征选择的常用方法包括：

A.