2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1212）.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）

中心极限定理的核心结论是：

A.总体必须服从正态分布

B.样本方差随样本量增大而减小

C.当样本量足够大时，样本均值的分布趋近正态分布

D.所有统计量的分布都趋近正态分布

答案：C

解析：中心极限定理指出，无论总体分布如何，当样本量足够大时（通常n≥30），样本均值的抽样分布近似服从正态分布。选项A错误，总体分布无需预先正态；选项B是大数定律的结论；选项D表述绝对，仅针对样本均值等特定统计量。

以下属于监督学习任务的是：

A.聚类分析（Clustering）

B.主成分分析（PCA）

C.线性回归（LinearRegression）

D.关联规则挖掘（AssociationRules）

答案：C

解析：监督学习需要标签数据，目标是学习输入到输出的映射。线性回归用于预测连续值，属于监督学习。其他选项中，聚类、PCA、关联规则均为无监督学习（无标签数据）。

数据清洗中处理异常值的正确流程是：

A.直接删除所有异常值

B.先分析异常值产生的原因（如测量误差或真实极端值）

C.用均值填充所有异常值

D.忽略异常值，不影响模型效果

答案：B

解析：异常值可能是数据错误（如测量误差）或真实极端情况（如高收入群体），需先判断成因再处理。直接删除或填充可能丢失关键信息（选项A、C错误）；忽略异常值可能导致模型偏差（选项D错误）。

混淆矩阵中“真正例（TruePositive）”指：

A.实际正类预测为反类

B.实际反类预测为正类

C.实际正类预测为正类

D.实际反类预测为反类

答案：C

解析：混淆矩阵四元素定义为：TP（真正例）=实际正类预测正类；TN（真反例）=实际反类预测反类；FP（假正例）=实际反类预测正类；FN（假反例）=实际正类预测反类。选项C正确。

皮尔逊相关系数（PearsonCorrelation）的取值范围是：

A.[-∞,+∞]

B.[0,1]

C.[-1,1]

D.[1,+∞]

答案：C

解析：皮尔逊相关系数衡量两个变量的线性相关程度，取值范围为[-1,1]。-1表示完全负线性相关，1表示完全正线性相关，0表示无线性相关。选项C正确。

特征工程的主要目的是：

A.增加数据量

B.提高模型泛化能力

C.减少计算时间

D.替代模型训练

答案：B

解析：特征工程通过数据转换、选择、构造等方法，提取更具代表性的特征，帮助模型更好地捕捉数据规律，核心目的是提升模型泛化能力。选项B正确。

K折交叉验证（K-FoldCV）的主要作用是：

A.加速模型训练

B.减少过拟合风险

C.评估模型泛化性能

D.自动选择最优超参数

答案：C

解析：交叉验证通过将数据分成K个子集，轮流作为验证集和训练集，计算平均验证误差，用于更可靠地评估模型在未见过数据上的表现（泛化能力）。选项C正确。

以下属于大数据分布式存储技术的是：

A.HadoopMapReduce

B.SparkRDD

C.HadoopHDFS

D.Flink流处理

答案：C

解析：HDFS（Hadoop分布式文件系统）是Hadoop的核心存储组件，用于大规模数据的分布式存储。MapReduce（计算）、SparkRDD（内存计算抽象）、Flink（流处理）均为计算框架。选项C正确。

分类模型评估中，召回率（Recall）的计算公式是：

A.TP/(TP+FP)

B.TP/(TP+FN)

C.TN/(TN+FP)

D.(TP+TN)/(TP+TN+FP+FN)

答案：B

解析：召回率关注正类样本的覆盖能力，公式为真正例/(真正例+假反例)（TP/(TP+FN)）。选项A是精确率（Precision），选项D是准确率（Accuracy）。

数据科学项目中，用户隐私保护的核心措施是：

A.收集尽可能多的用户数据

B.对敏感信息进行匿名化处理（如脱敏、哈希）

C.不存储用户任何个人信息

D.仅在内部使用数据，无需告知用户

答案：B

解析：隐私保护需在数据收集、存储、使用全流程中对敏感信息（如身份证号、手机号）进行匿名化处理（如脱敏、哈希），平衡数据价值与用户权益。选项A可能侵犯隐私，选项C不现实，选项D违反数据使用透明原则。

二、多项选择题（共10题，每题2分，共20分）

数据清洗的常见方法包括（）：

A.处理缺失值（如删除、插值）

B.纠正异常值（如截断、转换）

C.特征选择（如方差阈值法）

D.转换数据格式（如日期标准化）

答案：ABD

解析：数据清洗关注原始数据的质量问题，包括缺失值、异常值、格式不一致等。特征选择（选项C）属于特征工程，用于筛选有价值的特征，不属于清洗环节。

以下属于集成