2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1211）.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）

数据清洗中处理缺失值的最佳实践是（）

A.直接删除所有含缺失值的记录

B.对所有缺失值统一用均值填充

C.根据业务场景选择填充方法（如中位数、众数或模型预测）

D.忽略缺失值，直接输入模型训练

答案：C

解析：缺失值处理需结合具体业务场景：直接删除（A）可能导致数据丢失；均值填充（B）不适用分类变量或存在异常值的情况；忽略缺失值（D）会导致模型报错或偏差。根据变量类型（连续/分类）、缺失比例及业务含义选择填充方法（如中位数对异常值更稳健、模型预测利用特征关联）是最佳实践（C正确）。

以下哪项是特征工程中处理高基数分类变量的常用方法？（）

A.直接使用原始类别标签

B.独热编码（One-HotEncoding）

C.目标编码（TargetEncoding）

D.标准化（Z-Score）

答案：C

解析：高基数分类变量（如“城市”有1000个类别）使用独热编码（B）会导致维度爆炸（产生1000列）；直接使用标签（A）无数值意义；标准化（D）适用于连续变量。目标编码（C）通过类别与目标变量的统计关系（如均值）映射为数值，可有效降低维度，是高基数场景的常用方法。

机器学习模型过拟合的典型表现是（）

A.训练集和测试集准确率都很低

B.训练集准确率高，测试集准确率低

C.训练集准确率低，测试集准确率高

D.训练集和测试集准确率接近

答案：B

解析：过拟合指模型过度学习训练数据的噪声和细节，导致泛化能力差。表现为训练集效果好（拟合了噪声），但测试集效果差（无法推广新数据），故B正确。A是欠拟合；D是模型泛化能力好；C不符合实际规律。

中心极限定理（CLT）的核心结论是（）

A.样本量越大，样本均值越接近总体均值

B.无论总体分布如何，大样本的均值近似正态分布

C.总体必须服从正态分布，样本均值才服从正态分布

D.样本方差等于总体方差除以样本量

答案：B

解析：中心极限定理指出，即使总体分布非正态，当样本量足够大（通常n≥30），样本均值的抽样分布近似正态分布（B正确）。A是大数定律的结论；C错误，CLT不要求总体正态；D是方差性质，非CLT核心。

以下哪种数据可视化图表最适合展示不同类别间的数值对比？（）

A.折线图

B.散点图

C.柱状图

D.热力图

答案：C

解析：柱状图（C）通过柱高直观比较不同类别的数值大小，适合分类变量与数值变量的对比。折线图（A）用于时间序列趋势；散点图（B）展示两个连续变量的相关性；热力图（D）用于矩阵数据的密度或关联强度。

关系型数据库中，第三范式（3NF）要求（）

A.消除非主属性对候选键的部分依赖

B.消除非主属性对候选键的传递依赖

C.消除主属性之间的依赖

D.所有属性都完全依赖于主键

答案：B

解析：第一范式（1NF）要求原子性；第二范式（2NF）消除部分依赖（A）；第三范式（3NF）消除传递依赖（如A→B→C，则C传递依赖A，需拆分表）（B正确）；D是2NF的要求。

以下属于大数据分布式计算框架的是（）

A.MySQL

B.HadoopMapReduce

C.Excel

D.Redis

答案：B

解析：HadoopMapReduce（B）是典型的分布式计算框架，用于海量数据的并行处理。MySQL（A）是关系型数据库；Excel（C）是单机表格工具；Redis（D）是内存数据库，均非分布式计算框架。

数据科学项目中，以下哪项属于伦理风险？（）

A.数据维度不足

B.模型预测速度慢

C.用户隐私泄露

D.特征工程耗时

答案：C

解析：伦理风险主要涉及隐私保护、算法公平性等。用户隐私泄露（C）直接违反伦理原则；A、B、D属于技术或工程问题，非伦理风险。

贝叶斯定理的数学表达式是（）

A.P(A|B)=P(B|A)P(A)/P(B)

B.P(A∪B)=P(A)+P(B)-P(A∩B)

C.P(A∩B)=P(A)P(B|A)

D.P(A)=1-P(?A)

答案：A

解析：贝叶斯定理描述后验概率计算，公式为P(A|B)=P(B|A)P(A)/P(B)（A正确）。B是加法公式；C是乘法公式；D是互补事件概率。

时间序列分析中，平稳性的核心要求是（）

A.均值和方差不随时间变化

B.数据必须服从正态分布

C.存在明显的趋势或季节性

D.自相关系数随滞后阶数增加而单调下降

答案：A

解析：平稳时间序列的均值、方差和自协方差不随时间平移变化（A正确）。正态分布（B）非必要；趋势/季节性（C）是非平稳的表现；自相关系数（D）是平稳性的推论而非核心要求。

二、多项选择题（共10题，每题2分，共20分）

数据质量的核