2025年数据建模工程师考试题库（附答案和详细解析）（1217）.docxVIP

数据建模工程师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

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.降低学习率

D.增加模型复杂度

答案：A

解析：过拟合的本质是模型对训练数据过度学习，泛化能力差。增加训练数据量（A）可提升模型泛化能力，是最直接的解决方法。减少特征数量（B）可能丢失关键信息；降低学习率（C）影响收敛速度而非过拟合；增加模型复杂度（D）会加剧过拟合。

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60个正确，则精确率（Precision）为？

A.60%

B.75%

C.66.67%

D.80%

答案：B

解析：精确率=正确预测的正类数/预测为正类的总数=60/80=75%（B）。A是召回率（60/100），C是F1分数（2(60/80)(60/100)/(60/80+60/100)），D是预测正类的比例，均错误。

以下属于监督学习的是？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）

D.关联规则挖掘

答案：C

解析：监督学习需要标签数据，SVM（C）用于分类/回归，属于监督学习。K-means（A）、PCA（B）、关联规则（D）均为无监督学习。

交叉验证的主要目的是？

A.加速模型训练

B.评估模型泛化能力

C.选择最优特征

D.减少计算资源消耗

答案：B

解析：交叉验证通过多次划分训练集和验证集，更稳定地评估模型在未见过数据上的表现（泛化能力），故B正确。其他选项均非交叉验证的核心目的。

线性回归模型中，通常使用的损失函数是？

A.交叉熵损失

B.均方误差（MSE）

C.铰链损失（HingeLoss）

D.指数损失

答案：B

解析：线性回归是回归任务，目标是最小化预测值与真实值的平方差，故使用MSE（B）。交叉熵（A）用于分类，铰链损失（C）用于SVM，指数损失（D）用于AdaBoost。

以下哪种梯度下降方法计算量最小？

A.批量梯度下降（BGD）

B.随机梯度下降（SGD）

C.小批量梯度下降（MBGD）

D.动量梯度下降（Momentum）

答案：B

解析：SGD（B）每次仅用1个样本计算梯度，计算量最小。BGD（A）用全部样本，计算量大；MBGD（C）用部分样本；动量（D）是优化策略，不改变计算量本质。

决策树中，ID3算法的分裂准则是？

A.信息增益

B.信息增益率

C.基尼系数

D.均方误差

答案：A

解析：ID3（A）基于信息增益选择特征；C4.5（B）用信息增益率；CART（C）用基尼系数；回归树（D）用均方误差。

ROC曲线的横轴是？

A.真阳性率（TPR）

B.假阳性率（FPR）

C.精确率（Precision）

D.召回率（Recall）

答案：B

解析：ROC曲线横轴为FPR（1-特异度），纵轴为TPR（召回率），故B正确。

L1正则化的主要作用是？

A.防止过拟合，产生稀疏解

B.防止过拟合，平滑参数

C.加速模型收敛

D.提升模型精度

答案：A

解析：L1正则化通过添加参数绝对值的和作为惩罚项，促使部分参数变为0（稀疏解），同时减少过拟合（A）。L2正则化（B）平滑参数；C是优化器的作用；D与正则化无直接关联。

模型部署时，以下哪个步骤最关键？

A.模型压缩

B.接口设计

C.性能监控

D.数据预处理流程同步

答案：D

解析：模型部署需确保生产环境与训练环境的数据处理一致（D），否则会因数据分布偏移导致性能下降。其他选项（A/B/C）是优化或运维步骤，非最关键。

二、多项选择题（共10题，每题2分，共20分）

数据预处理中，常用的缺失值处理方法有？

A.删除含缺失值的行

B.用均值/中位数填充

C.用KNN算法预测填充

D.直接保留缺失值

答案：ABC

解析：缺失值处理需消除缺失影响，常用方法包括删除（A）、统计值填充（B）、模型预测填充（C）。直接保留（D）会导致模型报错或错误学习，故排除。

以下属于分类模型评估指标的有？

A.R2分数

B.AUC-ROC

C.F1分数

D.均方根误差（RMSE）

答案：BC

解析：分类评估指标包括AUC-ROC（B）、F1分数（C）。R2（A）和RMSE（D）是回归任务指标。

特征工程中，常用的特征构造方法有？

A.特征交叉（FeatureCross）

B.分箱（Binning）

C.主成分分析（PCA）

D.独热编码（One-HotEncoding）

答案：AB

解析：特征构造是生成新特征，交叉（A）和分箱（B）属于构造。PCA（C）是降维，独热编码（D）是特征转换，均非构造。

以下属于集成学习方法的有？

A.随机