2025年高级数据分析师考试题库（附答案和详细解析）（1215）.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）

以下哪种算法最适合用于挖掘数据中的频繁项集？

A.决策树（DecisionTree）

B.Apriori算法

C.K-means聚类

D.支持向量机（SVM）

答案：B

解析：频繁项集挖掘的核心是寻找数据中经常同时出现的项目组合，Apriori算法是专门用于关联规则挖掘的经典算法，通过逐层搜索和剪枝策略发现频繁项集。其他选项中，决策树用于分类/回归，K-means用于聚类，SVM用于分类，均不直接处理频繁项集挖掘问题。

在数据质量评估中，“同一字段在不同数据源中的取值一致”属于以下哪个维度？

A.准确性（Accuracy）

B.完整性（Completeness）

C.一致性（Consistency）

D.及时性（Timeliness）

答案：C

解析：数据质量的核心维度包括准确性（与真实值的匹配度）、完整性（无缺失值）、一致性（跨系统/时间的统一）、及时性（数据更新的时效）。题目描述的是跨数据源的取值一致，属于一致性维度。

假设检验中，若原假设为H?:μ=μ?，备择假设为H?:μ≠μ?，当计算得到的p值小于显著性水平α时，应做出的结论是？

A.接受H?，认为μ=μ?

B.拒绝H?，认为μ≠μ?

C.无法判断，需增加样本量

D.接受H?，认为μ=μ?

答案：B

解析：p值小于α时，说明在原假设成立的条件下，观测到当前数据或更极端数据的概率极低，因此拒绝原假设，支持备择假设。假设检验的结论是“拒绝H?”或“不拒绝H?”，而非“接受”，因此B正确。

以下哪项是特征工程中处理类别型变量的常用方法？

A.标准化（Z-score）

B.独热编码（One-HotEncoding）

C.主成分分析（PCA）

D.梯度下降（GradientDescent）

答案：B

解析：类别型变量（如“性别”“职业”）需要转换为数值形式以便模型处理，独热编码通过创建虚拟变量将类别映射为0/1向量，是最常用方法。标准化用于数值型变量，PCA用于降维，梯度下降是优化算法，均不直接处理类别型变量。

评估分类模型时，F1分数的计算基于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）和准确率（Accuracy）

C.精确率（Precision）和召回率（Recall）

D.特异度（Specificity）和召回率（Recall）

答案：C

解析：F1分数是精确率（查准率）和召回率（查全率）的调和平均，公式为F1=2(PR)/(P+R)，用于平衡两者在模型评估中的重要性。准确率是总体正确分类的比例，特异度是负类正确识别率，均不直接参与F1计算。

在时间序列分析中，ACF（自相关函数）呈拖尾、PACF（偏自相关函数）在k阶截尾，通常对应以下哪种模型？

A.AR(k)模型（自回归模型）

B.MA(q)模型（移动平均模型）

C.ARMA(p,q)模型（自回归移动平均模型）

D.ARIMA(p,d,q)模型（差分自回归移动平均模型）

答案：A

解析：AR模型的PACF在p阶后截尾（即p阶后显著为0），ACF拖尾；MA模型的ACF在q阶后截尾，PACF拖尾；ARMA模型的ACF和PACF均拖尾。因此题目描述对应AR(k)模型。

以下哪项不属于数据仓库（DataWarehouse）的核心特征？

A.面向主题（Subject-Oriented）

B.实时更新（Real-TimeUpdate）

C.集成性（Integrated）

D.历史数据支持（Time-Variant）

答案：B

解析：数据仓库的核心特征包括面向主题（围绕业务主题组织数据）、集成性（整合多源数据）、非易失性（数据追加而非实时更新）、历史数据支持（存储时间序列数据）。实时更新是OLTP系统（如数据库）的特征，而非数据仓库。

在AB测试中，若实验组与对照组的样本量差异过大，可能导致的主要问题是？

A.统计功效（Power）降低，易犯第二类错误（β错误）

B.显著性水平（α）升高，易犯第一类错误（α错误）

C.方差分析（ANOVA）无法适用

D.置信区间变窄，结果更可靠

答案：A

解析：统计功效（1-β）表示正确拒绝原假设的概率，样本量不足或分配不均会降低功效，导致漏检真实差异（第二类错误）。显著性水平α是预先设定的阈值，与样本量无关；方差分析适用于多组比较，样本量差异不影响其适用性；样本量小会导致置信区间变宽。

机器学习模型训练中，“过拟合（Overfitting）”的典型表现是？

A.训练集和测试集的误差都很高

B.训练集误差低，测试集误差高

C.训练集误差高，测试集误差低

D.训练集和测试集的