2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1227）.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）

中心极限定理的核心结论是？

A.任意分布的原始数据，样本量足够大时趋近正态分布

B.样本量足够大时，样本均值的分布趋近正态分布

C.总体方差越大，样本均值的标准差越小

D.样本量增大时，样本中位数的分布趋近均匀分布

答案：B

解析：中心极限定理（CLT）的核心是：当样本量足够大时，样本均值的抽样分布趋近于正态分布，无论原始总体的分布形态如何（排除A）。样本均值的标准差（标准误）与总体标准差正相关、与样本量平方根负相关（排除C）。样本中位数的分布与CLT无关（排除D）。

以下哪项是特征选择的主要目的？

A.增加模型复杂度

B.减少冗余特征，提升模型效率

C.提高数据维度，增强信息完整性

D.消除特征间的共线性

答案：B

解析：特征选择的核心目标是从原始特征中筛选出对目标变量有显著影响的关键特征，减少冗余和噪声，降低计算成本并防止过拟合（B正确）。增加复杂度（A）和提高维度（C）是特征构造的作用；消除共线性（D）是特征处理（如主成分分析）的目标。

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.提高模型复杂度

D.降低正则化系数

答案：A

解析：过拟合是模型对训练数据过度学习、泛化能力差的表现。增加训练数据量可提供更全面的样本分布，帮助模型学习更通用的模式（A正确）。减少特征数量（B）可能导致欠拟合；提高复杂度（C）会加剧过拟合；降低正则化系数（D）会削弱对模型复杂度的惩罚，同样加剧过拟合。

在混淆矩阵中，“真阳性率（TPR）”的计算公式是？

A.TP/(TP+FN)

B.TP/(TP+FP)

C.TN/(TN+FP)

D.TN/(TN+FN)

答案：A

解析：真阳性率（召回率）衡量模型正确识别正类样本的能力，公式为TP（真阳性）除以所有实际正类样本（TP+FN）（A正确）。B是精确率（Precision），C是真阴性率（TNR），D无实际意义。

数据仓库（DataWarehouse）的典型特征是？

A.支持实时事务处理

B.面向主题的、集成的、稳定的、随时间变化的数据集合

C.存储原始的、未加工的操作型数据

D.主要用于OLTP（联机事务处理）

答案：B

解析：数据仓库的核心特征是面向主题（按业务主题组织数据）、集成（整合多源数据）、稳定（非易失性）、随时间变化（包含历史数据）（B正确）。实时事务处理（A）和OLTP（D）是数据库的功能；存储原始数据（C）是数据湖的特点。

以下哪项属于非监督学习任务？

A.预测用户是否会购买某商品（二分类）

B.对客户群体进行分群（聚类）

C.预测房价（回归）

D.识别图像中的物体类别（多分类）

答案：B

解析：非监督学习无标签数据，目标是发现数据内在结构（如聚类）（B正确）。A、C、D均需标签（购买与否、房价数值、物体类别），属于监督学习。

K近邻（KNN）算法的主要缺点是？

A.对缺失值不敏感

B.计算复杂度随样本量增加显著上升

C.无法处理非线性问题

D.容易受初始参数影响

答案：B

解析：KNN需计算新样本与所有训练样本的距离，样本量增大时计算量呈指数级增长（B正确）。KNN对缺失值敏感（A错误）；可处理非线性问题（C错误）；无初始参数（D错误）。

以下哪种指标最适合评估回归模型的预测误差？

A.准确率（Accuracy）

B.F1分数

C.均方误差（MSE）

D.混淆矩阵

答案：C

解析：回归任务目标是预测连续值，均方误差（MSE）衡量预测值与真实值的平方差均值，是回归模型的常用评估指标（C正确）。准确率（A）和F1分数（B）用于分类任务；混淆矩阵（D）是分类任务的详细性能分析工具。

以下哪项是数据标准化（Z-score标准化）的公式？

A.(x-min)/(max-min)

B.(x-μ)/σ

C.log(x+1)

D.x/L1范数

答案：B

解析：Z-score标准化通过减去均值（μ）、除以标准差（σ），将数据转换为均值0、标准差1的分布（B正确）。A是归一化（Min-Max）公式；C是对数变换；D是L1归一化。

以下哪种场景最适合使用决策树算法？

A.处理高维稀疏文本数据（如新闻分类）

B.需要模型具有可解释性（如医疗诊断）

C.数据存在大量缺失值且无法填充

D.样本量极大（如十亿级用户行为数据）

答案：B

解析：决策树通过规则分支形成可解释的“如果-那么”逻辑，适合需要透明性的场景（如医疗诊断）（B正确）。高维稀疏数据（A）常用线性模型或神经网络；决策树对缺失值敏感（C错误）；样本量极大时计算效率低（D错误）。

二、多项选择题（共10题，每题2分，共20分）