2025年数据建模工程师考试题库（附答案和详细解析）（1214）.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）

以下哪种方法最常用于解决模型过拟合问题？

A.增加训练数据量

B.减少正则化参数

C.提高模型复杂度（如增加神经网络层数）

D.删除所有缺失值的特征

答案：A

解析：过拟合的核心原因是模型对训练数据细节过度学习，泛化能力差。增加训练数据量可提升模型对数据分布的捕捉能力（正确）；减少正则化参数会降低对模型复杂度的惩罚，加剧过拟合（B错误）；提高模型复杂度会增加过拟合风险（C错误）；删除缺失值特征与过拟合无直接关联（D错误）。

在二分类任务中，若正样本占比仅1%，最适合的评估指标是？

A.准确率（Accuracy）

B.F1-score

C.均方误差（MSE）

D.召回率（Recall）

答案：B

解析：当正负样本极不平衡时，准确率会因多数类主导而失真（A错误）；F1-score综合了精确率和召回率，更关注少数类的分类效果（正确）；MSE用于回归任务（C错误）；召回率仅关注正样本覆盖，可能忽略误判（D不全面）。

以下哪项属于特征工程中的“特征提取”步骤？

A.对年龄字段进行分箱（如0-18岁、19-30岁）

B.用均值填充缺失的收入值

C.计算用户近30天的消费次数

D.对性别字段进行独热编码（One-HotEncoding）

答案：C

解析：特征提取是从原始数据中构造新特征的过程（如消费次数是基于时间窗口的统计量，正确）；分箱属于特征转换（A错误）；填充缺失值属于数据清洗（B错误）；独热编码属于特征表示（D错误）。

逻辑回归模型的损失函数通常是？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.Hinge损失

D.绝对误差（MAE）

答案：B

解析：逻辑回归用于分类任务，目标是最小化预测概率与真实标签的差异，交叉熵损失直接度量概率分布的不一致性（正确）；MSE和MAE用于回归（A、D错误）；Hinge损失是SVM的损失函数（C错误）。

随机森林（RandomForest）的“随机”不体现在以下哪方面？

A.随机选择样本子集（Bootstrap抽样）

B.随机选择特征子集进行分裂

C.随机初始化树的根节点

D.随机设置树的最大深度

答案：C

解析：随机森林的随机性体现在样本抽样（A）、特征抽样（B）和树的超参数（如最大深度，D）；树的根节点由数据决定，无随机初始化（C错误）。

在梯度提升树（GBDT）中，每棵新树拟合的是？

A.原始标签的残差

B.前序模型的预测值

C.原始标签的绝对值误差

D.前序模型的负梯度

答案：D

解析：GBDT通过迭代拟合前序模型的负梯度（即残差的近似）来逐步优化损失函数（正确）；原始残差是平方损失下的特例（A不全面）；前序预测值是模型输出（B错误）；绝对值误差对应L1损失（C错误）。

以下哪种场景最适合使用K-means聚类？

A.预测用户是否会购买某商品（二分类）

B.识别电商用户的分群特征（无监督）

C.分析广告投放的ROI趋势（时间序列）

D.优化推荐系统的点击率（排序任务）

答案：B

解析：K-means是无监督学习算法，用于发现数据中的自然分组（如用户分群，正确）；分类、时间序列、排序均为有监督任务（A、C、D错误）。

对高维稀疏特征（如文本的词袋模型）进行降维，最常用的方法是？

A.主成分分析（PCA）

B.线性判别分析（LDA）

C.奇异值分解（SVD）

D.t-SNE（非线性降维）

答案：C

解析：SVD适用于处理高维稀疏矩阵（如文本词频矩阵），可保留主要特征信息（正确）；PCA要求数据低维稠密（A错误）；LDA是有监督降维（B错误）；t-SNE用于可视化，不适合保留全局结构（D错误）。

以下哪项不是模型部署时需要考虑的关键问题？

A.模型推理延迟（Latency）

B.训练数据的特征分布

C.模型版本管理

D.计算资源成本（如GPU/CPU）

答案：B

解析：部署阶段关注推理性能（A）、版本控制（C）、资源消耗（D）；训练数据分布是训练阶段的问题（B错误）。

在A/B测试中，若实验组与对照组的样本量差异过大，可能导致？

A.第一类错误（α错误）概率增加

B.统计功效（Power）降低

C.效应量（EffectSize）增大

D.置信区间变窄

答案：B

解析：样本量不足会降低统计功效（检测到真实差异的能力）（正确）；第一类错误由显著性水平α决定（A错误）；效应量是客观差异（C错误）；样本量小会使置信区间变宽（D错误）。

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）

以下属于集成学习（EnsembleLearning）方法的有？

A.随机森林（RandomForest）

B.