2025年高级数据分析师考试题库（附答案和详细解析）（1227）.docxVIP

高级数据分析师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

在特征工程中，处理类别型特征时，以下哪种方法最适合高基数（HighCardinality）特征？

A.独热编码（One-HotEncoding）

B.标签编码（LabelEncoding）

C.目标编码（TargetEncoding）

D.二进制编码（BinaryEncoding）

答案：C

解析：高基数特征（如用户ID、商品类别）使用独热编码会导致维度爆炸（A错误）；标签编码无法捕捉类别间的顺序或关联（B错误）；目标编码通过目标变量的统计值（如均值）对类别进行编码，可有效处理高基数问题（C正确）；二进制编码虽能降低维度，但信息损失较大（D错误）。

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.减少正则化参数λ

C.增加模型复杂度

D.降低学习率

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。增加训练数据量可提升模型泛化能力（A正确）；减少正则化参数λ会削弱正则化效果，加剧过拟合（B错误）；增加模型复杂度会进一步过拟合（C错误）；降低学习率影响收敛速度，与过拟合无直接关联（D错误）。

在混淆矩阵中，F1分数的计算公式是？

A.(精确率+召回率)/2

B.2(精确率召回率)/(精确率+召回率)

C.TP/(TP+FN)

D.TP/(TP+FP)

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2(PR)/(P+R)（B正确）；A是算术平均，非F1定义；C是召回率（Recall）；D是精确率（Precision）。

时间序列分解中，“季节成分”指的是？

A.长期趋势的变化方向

B.固定周期（如1年）内的重复模式

C.随机波动的噪声

D.突发事件引起的异常值

答案：B

解析：时间序列分解通常包括趋势（Trend）、季节（Seasonality）、周期（Cycle）和残差（Residual）。季节成分是固定周期（如季度、月度）内的重复模式（B正确）；A是趋势成分；C是残差；D是异常值，属于残差的一部分。

在AB测试中，“统计功效（Power）”主要反映的是？

A.正确拒绝原假设的概率

B.错误拒绝原假设的概率

C.正确接受原假设的概率

D.错误接受原假设的概率

答案：A

解析：统计功效（1-β）是当备择假设为真时，正确拒绝原假设的概率（A正确）；B是α（显著性水平）；D是β（第二类错误概率）；C无实际意义。

以下哪种算法属于无监督学习？

A.逻辑回归（LogisticRegression）

B.K均值聚类（K-Means）

C.随机森林（RandomForest）

D.支持向量机（SVM）

答案：B

解析：无监督学习无标签数据，K均值聚类通过数据本身的相似性分组（B正确）；其余选项均为有监督学习（需标签训练）。

数据仓库（DataWarehouse）的核心特征是？

A.实时性高，支持高频事务操作

B.面向主题，支持历史数据分析

C.模式灵活，适合快速迭代

D.存储结构与业务系统一致

答案：B

解析：数据仓库面向主题（如客户、产品），存储历史数据，支持决策分析（B正确）；A是OLTP系统（如数据库）的特征；C是数据湖的特点；D是操作型数据库的特征。

在特征选择中，“方差阈值法”的核心思想是？

A.选择与目标变量相关性高的特征

B.剔除方差低于阈值的低信息量特征

C.通过模型系数重要性筛选特征

D.利用互信息衡量特征间冗余

答案：B

解析：方差阈值法假设方差小的特征对目标变量预测贡献低，因此剔除方差低于阈值的特征（B正确）；A是相关系数法；C是模型重要性法；D是互信息法。

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.均方根误差（RMSE）

D.混淆矩阵

答案：C

解析：回归模型评估连续值预测误差，RMSE（均方根误差）直接衡量预测值与真实值的偏差（C正确）；A/B/D均为分类模型评估指标。

数据治理的核心目标是？

A.提升数据处理速度

B.确保数据质量与合规性

C.增加数据存储容量

D.优化数据可视化效果

答案：B

解析：数据治理通过制度、流程和技术手段，保障数据的准确性、完整性、一致性和安全性（B正确）；A是数据处理优化目标；C是存储管理目标；D是分析应用目标。

二、多项选择题（共10题，每题2分，共20分）

数据清洗的常见步骤包括（）

A.处理缺失值（如删除、填充）

B.纠正异常值（如盖帽法、转换）

C.特征标准化（如Z-score）

D.去除重复记录

答案：ABD

解析：数据清洗是解决数据质量问题的过程，包括处理