2026年数据建模工程师考试题库（附答案和详细解析）（0106）.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）

以下哪项不属于数据清洗的常见操作？

A.处理缺失值

B.去除重复记录

C.特征标准化

D.纠正异常值

答案：C

解析：数据清洗的核心是提升数据质量，主要包括处理缺失值（A）、去除重复记录（B）、纠正异常值（D）等操作。特征标准化（C）属于特征工程中的数据变换，目的是统一特征尺度，不属于清洗范畴。

当机器学习模型在训练集上表现很好但测试集上表现差时，最可能的原因是？

A.欠拟合

B.过拟合

C.数据泄露

D.标签错误

答案：B

解析：过拟合（B）的典型表现是模型对训练数据过度学习，捕捉了噪声或局部特征，导致泛化能力差（测试集效果差）。欠拟合（A）是模型无法学习到数据规律，训练集和测试集效果都差；数据泄露（C）是测试集信息泄露到训练集；标签错误（D）会导致模型学习错误目标。

以下哪种算法属于监督学习？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）

D.关联规则挖掘

答案：C

解析：监督学习需要标签数据，SVM（C）用于分类或回归，依赖标签训练。K-means（A）、PCA（B）、关联规则（D）均为无监督学习，无需标签。

分类任务中，若关注“正例被正确识别的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：召回率（Recall）=真阳性/(真阳性+假阴性)，反映正例被正确识别的比例（C）。准确率是整体正确比例（A），精确率是预测为正例中真实正例的比例（B），F1是精确率和召回率的调和平均（D）。

梯度下降法中，“学习率”设置过大会导致？

A.收敛速度变慢

B.陷入局部最优

C.参数震荡甚至发散

D.过拟合风险增加

答案：C

解析：学习率过大时，参数更新步长过大会跳过最优解，导致震荡或发散（C）。学习率过小会导致收敛慢（A），陷入局部最优与优化算法或问题性质有关（B），过拟合与模型复杂度相关（D）。

以下哪项是决策树的主要缺点？

A.难以解释

B.对缺失值敏感

C.计算复杂度高

D.容易过拟合

答案：D

解析：决策树容易过度分割数据，形成复杂树结构，导致过拟合（D）。决策树的优势是可解释性强（A错误），对缺失值有处理方法（B错误），计算复杂度相对较低（C错误）。

在回归任务中，均方误差（MSE）反映的是？

A.预测值与真实值的绝对偏差

B.预测值与真实值的平方偏差的均值

C.正确分类的比例

D.模型的泛化能力

答案：B

解析：MSE定义为（预测值-真实值）2的均值（B）。绝对偏差的均值是MAE（A错误），正确分类比例是分类任务指标（C错误），泛化能力需通过测试集评估（D错误）。

以下哪种方法可用于解决类别不平衡问题？

A.对多数类下采样

B.增加正则化参数

C.减少特征维度

D.使用线性核SVM

答案：A

解析：类别不平衡时，对多数类下采样（A）或对少数类上采样是常用方法。增加正则化（B）用于防止过拟合，减少特征维度（C）用于降维，线性核（D）与核函数选择相关，均不直接解决不平衡问题。

特征工程中，“独热编码（One-HotEncoding）”适用于以下哪种类型的特征？

A.连续数值型

B.有序类别型（如学历：高中/本科/硕士）

C.无序类别型（如性别：男/女）

D.时间序列型

答案：C

解析：独热编码将无序类别特征（如性别）转换为二进制向量，避免引入顺序关系（C）。连续型特征通常标准化（A错误），有序类别型可用标签编码（B错误），时间序列需提取时间特征（D错误）。

以下哪项不是集成学习的典型方法？

A.随机森林（RandomForest）

B.梯度提升树（GBDT）

C.K近邻（KNN）

D.XGBoost

答案：C

解析：集成学习通过组合多个基模型提升效果，随机森林（A）、GBDT（B）、XGBoost（D）均为集成方法。KNN（C）是基于实例的学习，不属于集成学习。

二、多项选择题（共10题，每题2分，共20分）

数据预处理的主要步骤包括（）

A.数据清洗

B.特征工程

C.数据划分（训练/验证/测试）

D.模型训练

答案：ABC

解析：数据预处理是建模前的准备阶段，包括清洗（A）、特征处理（B）、数据集划分（C）。模型训练（D）属于建模阶段，不属于预处理。

以下哪些指标可用于评估回归模型？（）

A.R2分数

B.均方根误差（RMSE）

C.混淆矩阵

D.平均绝对误差（MAE）

答案：ABD

解析：回归评估指标包括R2（拟合优度）、RMSE（MSE平方根）、MAE（绝对误差均值）（ABD）。混淆矩阵（C）是分类任务的评估工