2025年数据建模工程师考试题库（附答案和详细解析）（1201）.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.减少特征数量

C.降低学习率

D.增加模型层数

答案：A

解析：过拟合的核心原因是模型对训练数据过度学习，泛化能力差。增加训练数据量可以让模型学习更普遍的特征（正确）；减少特征数量可能缓解过拟合但非最常用（B错误）；降低学习率影响优化速度而非过拟合（C错误）；增加模型层数会加剧过拟合（D错误）。

在二分类任务中，若真实正类为100个，模型预测正类为80个，其中正确预测60个，则精确率（Precision）为？

A.60%

B.75%

C.66.7%

D.80%

答案：B

解析：精确率=TP/(TP+FP)，本题中TP=60（正确正类），FP=80-60=20（错误正类），故60/(60+20)=75%（B正确）。其他选项计算方式错误（A为召回率，C、D无依据）。

线性回归模型的最小二乘法优化目标是最小化？

A.绝对误差和

B.残差平方和

C.对数损失

D.Hinge损失

答案：B

解析：线性回归的经典损失函数是残差平方和（B正确）；绝对误差和对应LAD回归（A错误）；对数损失用于逻辑回归（C错误）；Hinge损失用于SVM（D错误）。

特征分箱（Binning）的主要目的是？

A.增加特征维度

B.消除特征中的噪声

C.提高模型非线性表达能力

D.降低计算复杂度

答案：C

解析：分箱通过将连续特征离散化为区间，使模型能捕捉非线性关系（C正确）；分箱会减少维度（A错误）；消除噪声是数据清洗的目的（B错误）；分箱可能增加计算步骤（D错误）。

10折交叉验证相比简单Hold-out验证的优势是？

A.计算速度更快

B.减少数据划分的随机性影响

C.更适合小样本数据

D.直接输出最终模型

答案：B

解析：交叉验证通过多次划分数据，降低单次划分的随机误差（B正确）；计算速度更慢（A错误）；小样本更依赖交叉验证但非优势核心（C错误）；交叉验证用于评估而非直接输出模型（D错误）。

决策树中，ID3算法使用的分裂指标是？

A.信息增益

B.信息增益率

C.Gini指数

D.均方误差

答案：A

解析：ID3基于信息增益选择分裂特征（A正确）；C4.5用信息增益率（B错误）；CART分类用Gini指数（C错误）；回归树用均方误差（D错误）。

以下哪种正则化方法会导致模型参数稀疏化？

A.L1正则化

B.L2正则化

C.Dropout

D.数据增强

答案：A

解析：L1正则化的L1范数会使部分参数变为0，产生稀疏解（A正确）；L2正则化使参数趋近于0但非稀疏（B错误）；Dropout随机失活神经元（C错误）；数据增强增加数据量（D错误）。

AUC（AreaUnderROCCurve）主要用于评估？

A.回归模型的拟合精度

B.分类模型的排序能力

C.聚类模型的簇内相似性

D.降维模型的信息保留度

答案：B

解析：AUC衡量正类样本预测概率高于负类的概率，反映模型排序能力（B正确）；回归用MSE等（A错误）；聚类用轮廓系数等（C错误）；降维用解释方差等（D错误）。

对服从正态分布的特征进行标准化（Z-score）后，其均值和标准差分别为？

A.0，1

B.1，0

C.原均值，原标准差

D.0，原标准差

答案：A

解析：标准化公式为(X-μ)/σ，处理后均值为0，标准差为1（A正确）。其他选项违背标准化定义（B、C、D错误）。

协同过滤推荐算法的核心假设是？

A.相似用户会喜欢相似物品

B.物品本身的内容特征决定推荐

C.用户历史行为与当前需求无关

D.模型需显式建模用户偏好

答案：A

解析：协同过滤基于“相似用户/物品具有相似偏好”的假设（A正确）；内容推荐依赖物品特征（B错误）；用户历史行为是协同过滤的基础（C错误）；协同过滤无需显式建模偏好（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于特征选择（FeatureSelection）方法的有？

A.卡方检验（Chi-squareTest）

B.递归特征消除（RFE）

C.LASSO回归

D.主成分分析（PCA）

答案：ABC

解析：卡方检验（过滤法）、RFE（包装法）、LASSO（嵌入法）均为特征选择方法（ABC正确）；PCA是降维方法（特征提取），非选择（D错误）。

XGBoost相比传统GBDT的改进包括？

A.加入正则化项防止过拟合

B.支持列抽样（ColumnSubsampling）

C.利用二阶导数信息优化

D.仅支持CPU并行计算

答案：ABC

解析：XGBoost通过L1/L2正则化（A正确）、列抽样（B正确）、二阶泰勒展