2025年高级数据分析师考试题库（附答案和详细解析）（1214）.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）

在分类模型评估中，F1-score主要反映以下哪对指标的平衡？

A.准确率（Accuracy）与召回率（Recall）

B.精确率（Precision）与召回率（Recall）

C.精确率（Precision）与特异度（Specificity）

D.召回率（Recall）与AUC值

答案：B

解析：F1-score是精确率（Precision）和召回率（Recall）的调和平均值，公式为(F1=2)。其核心作用是平衡模型在“查准”和“查全”之间的表现。选项A错误，准确率是整体正确比例；选项C特异度关注负类正确识别率；选项D的AUC是ROC曲线下面积，与F1无直接平衡关系。

以下哪项是A/B测试的必要前提？

A.实验组成员学历更高

B.两组用户特征分布具有同质性

C.实验周期必须超过30天

D.仅测试界面颜色变化

答案：B

解析：A/B测试的核心是通过随机分组确保两组用户在实验前的特征分布一致（同质性），以排除干扰变量。选项A与用户特征无关；选项C实验周期需根据统计功效计算，无固定30天要求；选项D测试内容可多样化（如功能、策略），非必要前提。

特征工程中，对连续变量进行分箱（Binning）的主要目的是？

A.减少数据存储量

B.消除异常值对模型的影响

C.增强模型对非线性关系的捕捉能力

D.提高特征的稀疏性

答案：C

解析：分箱通过将连续变量离散化为区间，可将变量与目标的非线性关系转化为分段线性关系，帮助模型（如逻辑回归）捕捉更复杂的模式。选项A分箱不减少存储量；选项B消除异常值需单独处理（如盖帽法）；选项D分箱会降低稀疏性（生成类别特征）。

ARIMA(p,d,q)模型中，参数d表示？

A.自回归阶数

B.差分次数

C.移动平均阶数

D.季节周期长度

答案：B

解析：ARIMA模型中，d代表对时间序列进行差分的次数，用于消除趋势性以实现平稳性。参数p是自回归（AR）阶数，q是移动平均（MA）阶数，季节周期长度由SARIMA的参数s表示。

数据质量评估的“一致性”维度主要考察？

A.数据是否覆盖业务所需的全部字段

B.同一实体在不同系统中的记录是否矛盾

C.数据中缺失值的比例是否在可接受范围

D.数值型数据是否符合业务规则（如年龄0）

答案：B

解析：一致性指同一实体在不同数据源或同一数据源不同字段间的逻辑一致性（如用户手机号在CRM和订单系统中是否一致）。选项A是完整性；选项C是完整性/准确性；选项D是有效性。

以下哪种方法最适合解决模型过拟合问题？

A.增加训练数据量

B.减少特征数量

C.提高模型复杂度（如增加决策树深度）

D.降低学习率（针对梯度下降模型）

答案：A

解析：过拟合的本质是模型对训练数据的噪声过度学习，增加训练数据量可提升模型泛化能力。选项B可能丢失有效信息；选项C会加剧过拟合；选项D影响的是优化过程，非根本解决方法。

因果推断中，“双重差分法（DID）”的核心假设是？

A.处理组与对照组在实验前无差异

B.两组在实验后的趋势变化一致（平行趋势假设）

C.实验干预是随机分配的

D.不存在选择偏差

答案：B

解析：DID通过比较处理组和对照组在实验前后的差异变化（“差分的差分”）来估计因果效应，其关键假设是两组在实验前的趋势一致（平行趋势），否则无法分离出干预的真实影响。选项A是随机对照试验（RCT）的假设；选项C是RCT的要求；选项D是所有因果推断方法的共同目标。

商业智能（BI）系统的核心价值在于？

A.存储海量历史数据

B.自动化生成数据报表

C.帮助业务人员快速获取洞察并支持决策

D.实现数据的实时清洗与转换

答案：C

解析：BI的核心是通过可视化、多维分析等工具将数据转化为可操作的业务洞察，驱动决策。选项A是数据仓库的功能；选项B是基础功能；选项D是ETL的任务。

贝叶斯定理中，后验概率(P(H|E))等于？

A.(P(E|H)P(H)/P(E))

B.(P(H)P(E)/P(E|H))

C.(P(E)P(H|E)/P(E|H))

D.(P(E|H)P(E)/P(H))

答案：A

解析：贝叶斯定理公式为(P(H|E)=)，其中(P(H))是先验概率，(P(E|H))是似然度，(P(E))是证据。其他选项均不符合公式结构。

以下哪项属于Spark的核心抽象？

A.DataFrame

B.RDD（弹性分布式数据集）

C.DataSet

D.Hive表

答案：B

解析：RDD（ResilientDistributedDataset）是Spark的核心数据结构，