2025年数据建模工程师考试题库（附答案和详细解析）（1127）.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）

以下哪个指标最适合评估正负样本极不平衡的分类模型性能？

A.准确率（Accuracy）

B.F1-score

C.召回率（Recall）

D.精确率（Precision）

答案：B

解析：准确率在正负样本不平衡时会因多数类主导而失真（如99%负样本时，全预测负样本准确率99%但无意义）；召回率和精确率仅反映单一维度；F1-score是精确率和召回率的调和平均，能综合衡量不平衡数据下的模型表现。

数据预处理中，“将年龄字段从‘18-25’‘26-35’等区间格式转换为数值型均值”属于？

A.数据清洗

B.特征分箱

C.特征构造

D.特征编码

答案：C

解析：数据清洗主要处理缺失值、异常值（A错误）；特征分箱是将连续变量离散化（B错误）；特征编码是将类别变量转为数值（D错误）；此处通过区间生成新数值特征，属于特征构造（C正确）。

以下哪种算法属于生成式模型？

A.逻辑回归

B.支持向量机（SVM）

C.朴素贝叶斯

D.随机森林

答案：C

解析：生成式模型关注数据生成过程（P(X,Y)），判别式模型关注条件概率（P(Y|X)）。逻辑回归、SVM、随机森林均为判别式模型（A/B/D错误），朴素贝叶斯假设特征独立并计算联合概率，属于生成式（C正确）。

模型训练时出现“训练集误差低，验证集误差高”的现象，最可能的原因是？

A.欠拟合

B.过拟合

C.数据泄露

D.特征缺失

答案：B

解析：欠拟合表现为训练集和验证集误差均高（A错误）；数据泄露指验证集包含训练集信息（C错误）；特征缺失会导致模型无法学习关键模式（D错误）；过拟合因模型过度记忆训练集噪声，导致泛化能力差（B正确）。

对于高维稀疏特征（如文本词袋），最适合的降维方法是？

A.主成分分析（PCA）

B.线性判别分析（LDA）

C.奇异值分解（SVD）

D.局部线性嵌入（LLE）

答案：C

解析：PCA适用于低维连续数据（A错误）；LDA依赖类别标签（B错误）；LLE适用于非线性流形（D错误）；SVD可直接处理高维稀疏矩阵（如文本TF-IDF），提取隐含语义特征（C正确）。

以下哪项不是选择集成学习（EnsembleLearning）的主要原因？

A.降低方差（Variance）

B.降低偏差（Bias）

C.提升计算效率

D.增强模型鲁棒性

答案：C

解析：集成学习通过组合多个模型降低方差（如随机森林）或偏差（如提升树），并增强鲁棒性（A/B/D正确）；但通常需要训练多个模型，计算效率可能降低（C错误）。

时间序列建模中，“差分（Differencing）”操作的主要目的是？

A.消除季节性

B.消除趋势性

C.增加数据量

D.平滑噪声

答案：B

解析：季节性需通过季节差分（如12阶差分）消除（A错误）；差分通过计算相邻值的差值，主要用于消除时间序列的趋势性（如线性增长）（B正确）；增加数据量和平滑噪声非主要目的（C/D错误）。

正则化（Regularization）的核心作用是？

A.加速模型收敛

B.防止过拟合

C.提高模型准确率

D.处理缺失值

答案：B

解析：正则化通过在损失函数中添加参数惩罚项（如L1/L2），限制模型复杂度，防止其过度拟合训练数据（B正确）；加速收敛依赖优化器（A错误）；可能降低训练准确率但提升泛化（C错误）；处理缺失值需数据填充（D错误）。

混淆矩阵中，“真阳性率（TPR）”等于？

A.TP/(TP+FN)

B.TP/(TP+FP)

C.TN/(TN+FP)

D.TN/(TN+FN)

答案：A

解析：TPR（召回率）是实际正样本中被正确预测的比例（TP/(TP+FN)，A正确）；B是精确率（Precision），C是真阴性率（TNR），D是负样本召回率（NPV）。

模型部署时，将训练好的Python模型转换为ONNX格式的主要目的是？

A.减少模型参数数量

B.提升模型在不同框架（如TensorRT、PyTorch）的兼容性

C.增强模型可解释性

D.降低训练时间

答案：B

解析：ONNX（开放神经网络交换格式）定义了模型的通用表示，支持不同框架（如PyTorch转TensorRT）的无缝部署（B正确）；参数数量由模型结构决定（A错误）；可解释性需SHAP/LIME等工具（C错误）；训练时间与部署无关（D错误）。

二、多项选择题（共10题，每题2分，共20分）

数据清洗的主要任务包括？（多选）

A.处理缺失值（如均值填充、KNN填充）

B.检测并修正异常值（如Z-score法、IQR法）

C.对类别特征进行独热编码（One-HotEncoding）

D.删除重复记录（如完全重复或主键重复）