2025年数据建模工程师考试题库（附答案和详细解析）（1226）.docxVIP

数据建模工程师专业考试试卷

一、单项选择题（共10题，每题1分，共10分）

数据标准化（Z-score标准化）的核心目的是：

A.将数据缩放到[0,1]区间

B.消除特征间量纲差异，使数据服从标准正态分布

C.减少数据存储体积

D.提高模型的可解释性

答案：B

解析：数据标准化（Z-score）通过公式(x’=)将数据转换为均值为0、标准差为1的分布，主要目的是消除不同特征因量纲（如米和千克）导致的尺度差异；选项A是归一化（Min-Max）的作用；C是数据压缩的目的；D与标准化无直接关联。

混淆矩阵中“TruePositive（TP）”指的是：

A.模型预测为正类且实际为正类的样本数

B.模型预测为正类但实际为负类的样本数

C.模型预测为负类但实际为正类的样本数

D.模型预测为负类且实际为负类的样本数

答案：A

解析：混淆矩阵中，TP（真阳性）表示模型正确识别的正类样本；B是FP（假阳性），C是FN（假阴性），D是TN（真阴性）。

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.降低模型复杂度（如减少决策树深度）

D.以上都是

答案：D

解析：过拟合的本质是模型对训练数据“记忆”过深，泛化能力差。增加数据量（提供更多样本多样性）、减少特征（降低输入维度）、降低模型复杂度（限制模型学习能力）均是常用方法，因此选D。

特征交叉（FeatureCross）的主要目的是：

A.减少特征数量

B.捕捉特征间的交互效应

C.提高特征的可解释性

D.降低计算复杂度

答案：B

解析：特征交叉（如将“年龄”和“收入”交叉为“年龄×收入”）可捕捉单一特征无法表达的组合模式（如高收入年轻人的消费偏好）；A是特征选择的目的；C和D与交叉无关。

线性回归模型的常用损失函数是：

A.交叉熵损失（Cross-Entropy）

B.均方误差（MSE）

C.绝对误差（MAE）

D.Hinge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（MSE）；A用于分类任务（如逻辑回归），C是另一种回归损失但不如MSE常用，D用于支持向量机（SVM）。

决策树划分节点时，“信息增益”指标对应的是：

A.父节点熵减去子节点加权熵

B.子节点熵减去父节点加权熵

C.父节点基尼系数减去子节点加权基尼系数

D.子节点基尼系数减去父节点加权基尼系数

答案：A

解析：信息增益（InformationGain）的计算公式为(IG=H(D)-H(D_i))，其中(H(D))是父节点熵，(H(D_i))是子节点熵；C是基尼增益的计算方式。

K折交叉验证（K-FoldCV）的主要作用是：

A.加速模型训练

B.评估模型泛化能力

C.选择最优超参数

D.减少过拟合

答案：B

解析：K折交叉验证通过将数据分为K个子集，依次用K-1个子集训练、1个测试，最终取平均测试性能，可更可靠地评估模型在未见过数据上的表现（泛化能力）；C是网格搜索/随机搜索的作用，D需通过正则化等方法实现。

对于二分类任务，当正负样本极度不平衡时，最适合的评估指标是：

A.准确率（Accuracy）

B.F1分数（F1-Score）

C.均方根误差（RMSE）

D.R2系数

答案：B

解析：准确率在数据不平衡时会被多数类主导（如99%负样本时，全预测负类准确率99%，但无实际价值）；F1分数综合了精确率和召回率，更关注少数类的识别效果；C和D用于回归任务。

协同过滤（CollaborativeFiltering）的核心假设是：

A.相似用户会喜欢相似物品

B.用户偏好随时间稳定

C.物品特征可直接反映用户需求

D.数据必须包含用户评分

答案：A

解析：协同过滤基于“用户-物品”交互矩阵，假设“相似用户（或物品）具有相似偏好”；B是时间序列推荐的假设，C是基于内容推荐的假设，D是显式反馈的要求（隐式反馈如点击行为也可使用）。

A/B测试的核心目的是：

A.验证模型在生产环境中的真实效果

B.加速模型训练速度

C.减少数据预处理时间

D.提高模型可解释性

答案：A

解析：A/B测试通过将用户随机分为两组（一组使用原模型，一组使用新模型），对比关键指标（如转化率），验证新模型在真实场景中的效果；其他选项与A/B测试无关。

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）

数据清洗的主要内容包括：

A.处理缺失值（如填充、删除）

B.检测并修正异常值（如基于IQR的离群点）

C.去除重复记录

D.对类别特征进行独热编码

答案：ABC

解析：数据清洗关注原始数据质量问题，包括缺失值、异常值、重复值；D是特征工程中