2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0107）.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）

以下哪种方法最适合处理数值型特征中的异常值？

A.直接删除所有异常值

B.用该特征的均值填充异常值

C.根据业务场景判断异常值的合理性后处理

D.将异常值统一替换为0

答案：C

解析：异常值的处理需结合业务场景（如金融交易中的大额交易可能是真实业务行为），直接删除（A）可能丢失关键信息，均值填充（B）可能破坏数据分布，统一替换为0（D）不符合实际意义，因此选C。

以下属于监督学习任务的是？

A.K-means聚类

B.主成分分析（PCA）

C.逻辑回归分类

D.关联规则挖掘（Apriori）

答案：C

解析：监督学习需要标签数据（如分类、回归），逻辑回归（C）是典型分类算法；K-means（A）、PCA（B）、Apriori（D）均为无监督学习，无需标签，故选C。

中心极限定理的核心结论是？

A.总体分布一定是正态分布

B.样本量越大，样本方差越接近总体方差

C.当样本量足够大时，样本均值的分布趋近于正态分布

D.所有统计量的分布都服从卡方分布

答案：C

解析：中心极限定理指出，无论总体分布如何，大样本下样本均值的抽样分布趋近正态（C正确）；总体分布不一定正态（A错误），样本方差与总体方差的关系是大数定律内容（B错误），卡方分布是特定统计量的分布（D错误）。

在数据可视化中，展示不同类别间的数量对比最适合使用？

A.折线图

B.柱状图

C.散点图

D.热力图

答案：B

解析：柱状图（B）通过高度差异直观比较类别数量；折线图（A）适合时间序列趋势，散点图（C）展示变量间关系，热力图（D）用于二维矩阵值分布，故选B。

以下哪项不是关系型数据库（如MySQL）的特点？

A.支持SQL查询

B.基于表结构存储

C.适合非结构化数据存储

D.遵循ACID事务特性

答案：C

解析：关系型数据库适合结构化数据（C错误）；支持SQL（A）、表结构（B）、ACID（D）均为其核心特点，故选C。

在机器学习模型评估中，F1分数综合了哪两个指标？

A.准确率和召回率

B.精确率和召回率

C.准确率和精确率

D.精确率和特异度

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均（B正确）；准确率是（TP+TN）/(总样本)，特异度是TN/(TN+FP)，均不直接参与F1计算（A、C、D错误）。

以下哪种特征编码方法适用于无序类别变量（如“颜色”）？

A.标签编码（LabelEncoding）

B.独热编码（One-HotEncoding）

C.序数编码（OrdinalEncoding）

D.目标编码（TargetEncoding）

答案：B

解析：无序类别变量（如颜色）无顺序关系，独热编码（B）通过二进制向量避免引入顺序假设；标签编码（A）和序数编码（C）会隐含顺序，目标编码（D）依赖标签可能导致过拟合，故选B。

以下哪项是欠拟合的典型表现？

A.训练集准确率高，测试集准确率低

B.训练集和测试集准确率都很低

C.训练集损失远小于测试集损失

D.模型在简单数据上表现极差

答案：B

解析：欠拟合指模型无法捕捉数据规律，训练集和测试集性能均差（B正确）；过拟合表现为训练好但测试差（A、C错误）；模型在简单数据上表现差可能是参数错误（D不精准）。

以下哪种算法属于集成学习中的Boosting方法？

A.随机森林（RandomForest）

B.梯度提升树（GBDT）

C.支持向量机（SVM）

D.朴素贝叶斯（NaiveBayes）

答案：B

解析：Boosting通过串行提升弱分类器（如GBDT，B正确）；随机森林是Bagging（A错误），SVM和朴素贝叶斯是单模型（C、D错误）。

在Python中，pandas库的dropna()函数默认会？

A.删除所有包含缺失值的行

B.删除所有包含缺失值的列

C.用均值填充缺失值

D.仅删除全行为缺失值的行

答案：A

解析：dropna()默认参数axis=0（行）、how=any（任意缺失值），即删除含缺失值的行（A正确）；删除列需axis=1（B错误），填充用fillna()（C错误），全缺失行删除需how=all（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于数据清洗范畴的操作有？

A.纠正日期格式错误（如“2023/13/01”改为“2023/12/01”）

B.对年龄特征进行分箱（如18-25岁、26-35岁）

C.识别并删除重复的用户记录

D.用KNN算法填充缺失的收入值

答案：ACD

解析：数据清洗包括处理错误（A）、重复值（C）、缺失值（D）；分箱（B）属