2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1226）.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）

以下关于中心极限定理的描述，正确的是：

A.当样本量足够大时，总体分布趋近于正态分布

B.样本量越大，样本均值的方差越大

C.无论总体分布如何，样本均值的分布趋近于正态分布（当样本量足够大时）

D.中心极限定理仅适用于二项分布的总体

答案：C

解析：中心极限定理的核心是，当样本量n足够大时，无论总体服从何种分布（只要总体均值μ和方差σ2存在），样本均值的抽样分布将趋近于正态分布N(μ,σ2/n)。选项A错误，因为中心极限定理描述的是样本均值的分布，而非总体分布；选项B错误，样本均值的方差应为σ2/n，随n增大而减小；选项D错误，中心极限定理适用于任意总体分布（只要满足条件）。

以下哪种算法属于监督学习？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）分类

D.关联规则挖掘（Apriori）

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。SVM分类需要样本的类别标签（监督信号），属于监督学习。其他选项：A（K-means）和B（PCA）是无监督学习（无标签）；D（Apriori）是关联分析，属于无监督学习。

在数据清洗中，处理异常值的常用方法不包括：

A.直接删除异常值

B.用均值/中位数替换

C.保留异常值并标注

D.对异常值取对数变换

答案：D

解析：处理异常值的常见方法包括删除、替换（均值/中位数/众数）、保留并标注（如用于特殊分析场景）。取对数变换通常用于处理数据分布偏态（如右偏分布），而非直接处理异常值，因此D不属于异常值处理方法。

以下哪个指标用于衡量分类模型对正类的识别能力？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：召回率（Recall）=真阳性/(真阳性+假阴性)，衡量模型正确识别所有正类样本的能力。精确率衡量预测为正类的样本中实际为正类的比例；准确率是整体正确分类的比例；F1是精确率和召回率的调和平均。

以下关于混淆矩阵的描述，错误的是：

A.真阳性（TP）：实际为正，预测为正

B.假阳性（FP）：实际为负，预测为正

C.真阴性（TN）：实际为负，预测为负

D.假阴性（FN）：实际为正，预测为负

答案：无（题目设计错误，选项均正确）

注：本题为示例，实际命题需避免此类错误。正确混淆矩阵定义中，各选项均正确，因此本题无错误选项（需调整题目）。

以下哪种数据库适合存储半结构化数据？

A.关系型数据库（如MySQL）

B.键值数据库（如Redis）

C.文档数据库（如MongoDB）

D.列存储数据库（如HBase）

答案：C

解析：半结构化数据（如JSON、XML）通常具有灵活的模式，文档数据库（如MongoDB）以文档形式存储，支持嵌套结构和动态模式，适合此类数据。关系型数据库需严格表结构，键值数据库适合简单键值对，列存储适合大规模列式数据。

在特征工程中，“独热编码（One-HotEncoding）”主要用于处理：

A.连续型特征

B.高基数类别特征

C.低基数类别特征

D.时间序列特征

答案：C

解析：独热编码通过创建二进制列（每个类别对应一列）处理类别特征，但会导致维度爆炸（特征数=类别数），因此适用于低基数（类别数少）的类别特征。高基数类别特征通常用目标编码或嵌入等方法。

以下哪种方法用于评估回归模型的预测误差？

A.ROC曲线

B.均方误差（MSE）

C.混淆矩阵

D.准确率

答案：B

解析：回归模型的评估指标通常为MSE（均方误差）、MAE（平均绝对误差）、R2分数等。ROC曲线和混淆矩阵用于分类模型，准确率是分类模型的指标。

以下关于大数据技术Hadoop的描述，错误的是：

A.HDFS用于分布式存储

B.MapReduce用于分布式计算

C.HBase是Hadoop生态中的关系型数据库

D.Hive用于数据仓库查询（类似SQL）

答案：C

解析：HBase是Hadoop生态中的列式存储数据库（NoSQL），而非关系型数据库。关系型数据库需严格的表结构和SQL支持，HBase支持稀疏表和高并发访问。

数据伦理中“数据匿名化”的主要目的是：

A.提高数据存储效率

B.防止个人身份信息（PII）泄露

C.简化数据清洗流程

D.增强模型预测性能

答案：B

解析：数据匿名化通过去除或加密PII（如姓名、身份证号），降低数据被重新识别的风险，核心目的是保护隐私。其他选项与匿名化无直接关联。

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）

以下属于特征选择方法的有：

A.过滤法（Filt