2025年高级数据分析师考试题库（附答案和详细解析）（1222）.docxVIP

高级数据分析师考试试卷

一、单项选择题（共10题，每题1分，共10分）

在分类模型评估中，F1分数的计算基于以下哪两个指标的调和平均？

A.准确率（Accuracy）与错误率（ErrorRate）

B.精确率（Precision）与召回率（Recall）

C.真阳性率（TPR）与假阳性率（FPR）

D.特异度（Specificity）与阳性预测值（PPV）

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均，公式为(F1=2)。选项A的准确率是整体正确比例，错误率是错误比例；选项C的TPR和FPR用于ROC曲线；选项D的特异度是真阴性率，PPV即精确率。因此正确答案为B。

A/B测试中，若要保证结果有效性，最关键的前提条件是？

A.实验组成员学历更高

B.两组用户特征分布一致（随机分组）

C.实验组样本量大于对照组

D.实验周期不超过7天

答案：B

解析：A/B测试的核心是通过随机分组确保两组用户的特征分布一致，避免选择偏差。选项A与用户特征无关；选项C样本量需满足统计显著性但无需严格大于；选项D实验周期需覆盖用户行为周期（如7天可能不足）。因此正确答案为B。

以下哪种特征选择方法属于“过滤法（Filter）”？

A.基于决策树的特征重要性排序

B.递归特征消除（RFE）

C.卡方检验（Chi-squareTest）

D.L1正则化（Lasso）

答案：C

解析：过滤法基于特征本身的统计特性选择（如卡方检验衡量特征与目标的相关性）。选项A、B、D属于包裹法（Wrapper，如RFE）或嵌入法（Embedded，如Lasso、决策树特征重要性）。因此正确答案为C。

时间序列分解中，“季节成分（Seasonal）”是指？

A.数据长期的增长或下降趋势

B.由随机因素引起的不规则波动

C.固定周期（如12个月）内的重复模式

D.经济周期等非固定周期的波动

答案：C

解析：季节成分指固定周期（如月度、季度）内的重复模式；趋势成分是长期变化（选项A）；随机成分是不规则波动（选项B）；循环成分是非固定周期波动（选项D）。因此正确答案为C。

数据清洗中，对缺失值直接填充变量均值的主要风险是？

A.增加计算复杂度

B.低估变量方差

C.引入外部噪声

D.导致模型过拟合

答案：B

解析：均值填充会使缺失值的离散程度被压缩，导致变量方差被低估（实际缺失值可能有更大波动）。选项A与计算复杂度无关；选项C均值是变量本身统计量，非外部噪声；选项D过拟合与模型复杂度相关。因此正确答案为B。

机器学习中，“高偏差、低方差”模型通常表现为？

A.训练集误差低，测试集误差高

B.训练集误差高，测试集误差接近训练集

C.训练集和测试集误差均很低

D.训练集和测试集误差均很高

答案：B

解析：高偏差模型对训练数据拟合不足（训练误差高），低方差说明模型稳定性好（测试误差与训练误差接近）。选项A是过拟合（高方差）；选项C是理想状态（低偏差低方差）；选项D可能是数据质量问题。因此正确答案为B。

数据可视化中，“避免使用3D图表”的主要原因是？

A.3D图表制作成本高

B.3D效果会扭曲数据比例感知

C.3D图表不支持交互功能

D.3D图表不符合企业VI规范

答案：B

解析：3D图表的透视效果会导致用户对数据大小的误判（如柱状图的高度被深度干扰），影响数据准确性感知。选项A、C、D均非核心原因。因此正确答案为B。

数据仓库建模中，“维度建模（DimensionalModeling）”的核心是？

A.严格遵循第三范式（3NF）

B.以事实表为中心，关联维度表

C.支持实时事务处理（OLTP）

D.存储原始明细数据

答案：B

解析：维度建模以分析为目标，通过事实表（存储量化事件）和维度表（存储描述性属性）快速查询。选项A是关系数据库的范式建模；选项C是OLTP的特点；选项D是数据湖的特征。因此正确答案为B。

关联规则分析中，“提升度（Lift）”的计算公式是？

A.支持度（Support）/置信度（Confidence）

B.置信度（Confidence）/支持度（Support）

C.置信度（Confidence）/后件支持度（Support(后件)）

D.支持度（Support）/前件支持度（Support(前件)）

答案：C

解析：提升度衡量规则的有效性，公式为(Lift=)，表示X出现对Y出现的提升程度。若Lift1，说明规则有效。因此正确答案为C。

设计业务指标时，“北极星指标（NorthStarMetric）”的核心特征是？

A.覆盖企业所有业务环节

B.反映用户核心行为与企业价值的直接关联

C.包含至少5个维