2026年数据挖掘技能考试大纲及复习建议.docxVIP

第PAGE页共NUMPAGES页

2026年数据挖掘技能考试大纲及复习建议

一、单选题（每题2分，共30题）

1.数据预处理阶段，缺失值处理方法中，哪一种方法适用于缺失比例较低且数据分布均匀的情况？

A.删除含有缺失值的样本

B.均值/中位数/众数填充

C.K最近邻填充

D.回归填充

2.在特征选择方法中，递归特征消除（RFE）属于哪种类型？

A.过滤法

B.包裹法

C.嵌入法

D.混合法

3.以下哪种算法是监督学习算法？

A.K-means聚类

B.PCA降维

C.决策树分类

D.主成分分析

4.在时间序列分析中，ARIMA模型的参数（p,d,q）分别代表什么？

A.自回归阶数、差分阶数、移动平均阶数

B.移动平均阶数、自回归阶数、差分阶数

C.差分阶数、自回归阶数、移动平均阶数

D.以上都不对

5.交叉验证中，K折交叉验证的目的是什么？

A.减少过拟合

B.提高模型泛化能力

C.避免数据泄露

D.以上都是

6.在关联规则挖掘中，Apriori算法的核心思想是什么？

A.基于频繁项集生成规则

B.基于决策树生成规则

C.基于聚类生成规则

D.基于回归生成规则

7.假设检验中，p值小于0.05通常意味着什么？

A.拒绝原假设

B.接受原假设

C.无法判断

D.以上都不对

8.在特征工程中，哪一种方法可以用于处理类别不平衡问题？

A.过采样

B.欠采样

C.SMOTE算法

D.以上都是

9.在自然语言处理中，TF-IDF的目的是什么？

A.提取文本特征

B.分词

C.词性标注

D.以上都不对

10.在机器学习中，过拟合和欠拟合分别指什么？

A.模型对训练数据拟合过好，泛化能力差；模型对训练数据拟合不足，泛化能力差

B.模型对训练数据拟合不足，泛化能力差；模型对训练数据拟合过好，泛化能力差

C.模型对测试数据拟合过好，泛化能力差；模型对测试数据拟合不足，泛化能力差

D.以上都不对

11.在数据挖掘中，哪一种指标适用于评估分类模型的性能？

A.均方误差（MSE）

B.召回率

C.决策树

D.以上都不对

12.在聚类分析中，K-means算法的缺点是什么？

A.对初始中心点敏感

B.无法处理高维数据

C.计算复杂度高

D.以上都是

13.在关联规则挖掘中，支持度、置信度和提升度分别衡量什么？

A.规则的频率、规则的强度、规则的实用性

B.规则的强度、规则的频率、规则的实用性

C.规则的频率、规则的实用性、规则的强度

D.以上都不对

14.在特征工程中，哪一种方法可以用于处理高维数据？

A.PCA降维

B.特征选择

C.特征编码

D.以上都是

15.在时间序列分析中，移动平均（MA）模型的目的是什么？

A.平滑时间序列数据

B.预测未来趋势

C.提取周期性成分

D.以上都不对

二、多选题（每题3分，共10题）

1.数据预处理阶段，常见的缺失值处理方法有哪些？

A.删除含有缺失值的样本

B.均值/中位数/众数填充

C.K最近邻填充

D.回归填充

2.特征选择方法有哪些？

A.过滤法

B.包裹法

C.嵌入法

D.以上都是

3.以下哪些算法是监督学习算法？

A.K-means聚类

B.决策树分类

C.支持向量机（SVM）

D.逻辑回归

4.交叉验证中，常见的交叉验证方法有哪些？

A.K折交叉验证

B.留一交叉验证

C.分层交叉验证

D.以上都是

5.关联规则挖掘中，Apriori算法的步骤有哪些？

A.找到所有频繁项集

B.生成候选项集

C.计算项集的支持度

D.生成关联规则

6.假设检验中，常见的假设检验方法有哪些？

A.Z检验

B.T检验

C.卡方检验

D.以上都是

7.特征工程中，处理类别不平衡问题的方法有哪些？

A.过采样

B.欠采样

C.SMOTE算法

D.权重调整

8.自然语言处理中，常见的文本特征提取方法有哪些？

A.词袋模型（Bag-of-Words）

B.TF-IDF

C.Word2Vec

D.以上都是

9.机器学习中，过拟合和欠拟合的解决方法有哪些？

A.正则化

B.增加训练数据

C.减少模型复杂度

D.以上都是

10.聚类分析中，常见的聚类算法有哪些？

A.K-means

B.层次聚类

C.DBSCAN

D.以上都是

三、简答题（每题5分，共5题）

1.简述数据挖掘的基本流程。

2.解释什么是特征工程，并列举三种常见的特征工程方法。

3.简述交叉验证的作用，并说明K折交叉验证的步骤。

4.解释关联规则挖掘中的支持度、置信度和提升度，并说明它们分别衡量什么。