2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0108）.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）

以下哪项属于数据清洗中的常见操作？

A.计算特征方差

B.填充缺失值

C.训练分类模型

D.绘制箱线图

答案：B

解析：数据清洗的核心是处理“脏数据”，包括缺失值填充、异常值处理、纠正格式错误等。选项A（计算特征方差）属于特征工程中的特征筛选；选项C（训练模型）属于建模阶段；选项D（绘制箱线图）是数据可视化分析工具，用于辅助清洗而非清洗操作本身。

监督学习与无监督学习的根本区别在于？

A.是否使用标签数据

B.算法复杂度不同

C.输出结果类型不同

D.数据量要求不同

答案：A

解析：监督学习需要带有标签的训练数据（如分类任务中的类别标签），目标是学习输入到输出的映射；无监督学习处理无标签数据（如聚类、降维），目标是发现数据内在结构。其他选项（B、C、D）是表面差异，非根本区别。

以下哪种方法属于特征缩放（FeatureScaling）？

A.主成分分析（PCA）

B.独热编码（One-HotEncoding）

C.标准化（Z-Score）

D.卡方检验（Chi-SquareTest）

答案：C

解析：特征缩放的目的是将特征值缩放到同一量纲，常用方法包括标准化（Z-Score）和归一化（Min-Max）。选项A（PCA）是降维方法；选项B（独热编码）是处理类别特征的方法；选项D（卡方检验）用于特征与标签的相关性检验。

在假设检验中，P值表示？

A.原假设为真时，观察到更极端结果的概率

B.备择假设为真时，拒绝原假设的概率

C.原假设为假时，接受原假设的概率

D.样本数据与原假设的拟合程度

答案：A

解析：P值的严格定义是“在原假设成立的前提下，出现当前样本或更极端结果的概率”。选项B描述的是统计功效（Power）；选项C是第二类错误（β错误）；选项D是拟合优度检验的目标。

以下哪种数据库适合存储非结构化数据？

A.MySQL（关系型数据库）

B.HBase（列式数据库）

C.Redis（键值数据库）

D.MongoDB（文档数据库）

答案：D

解析：MongoDB是典型的NoSQL文档数据库，支持JSON格式的非结构化数据存储，适合处理灵活模式的数据（如日志、用户评论）。选项A（MySQL）适合结构化数据；选项B（HBase）适合海量结构化/半结构化数据；选项C（Redis）适合高频读写的键值对缓存。

随机森林（RandomForest）的“随机”不体现在以下哪方面？

A.随机选择样本（Bootstrap抽样）

B.随机选择特征子集

C.随机初始化树的节点分裂阈值

D.随机生成多棵决策树

答案：C

解析：随机森林的随机性体现在：①样本随机（Bootstrap有放回抽样）；②特征随机（每棵树使用随机子集特征）；③多棵树的独立训练。而节点分裂阈值（如基尼系数/信息增益的计算）是确定性的，由数据决定，因此C错误。

以下哪项是衡量回归模型预测误差的指标？

A.准确率（Accuracy）

B.F1分数（F1-Score）

C.均方误差（MSE）

D.查全率（Recall）

答案：C

解析：回归模型的目标是预测连续值，常用误差指标包括MSE（均方误差）、MAE（平均绝对误差）、R2（决定系数）。选项A、B、D均为分类模型的评估指标。

时间序列分析中，“白噪声”的特点不包括？

A.均值为0

B.方差恒定

C.自相关系数为0

D.存在趋势或季节性

答案：D

解析：白噪声是完全随机的时间序列，满足均值为0、方差恒定、各时间点间无自相关（自相关系数为0）。若存在趋势或季节性，则说明序列具有可预测的结构，不属于白噪声。

以下哪种方法用于处理类别不平衡问题？

A.主成分分析（PCA）

B.过采样（Oversampling）

C.特征标准化

D.交叉验证

答案：B

解析：类别不平衡（如正样本仅占1%）会导致模型偏向多数类，常用解决方法包括过采样（增加少数类样本）、欠采样（减少多数类样本）、调整类别权重等。选项A（PCA）是降维；选项C（标准化）是特征缩放；选项D（交叉验证）是评估方法。

以下哪项属于非参数检验方法？

A.t检验

B.方差分析（ANOVA）

C.卡方检验

D.Z检验

答案：C

解析：非参数检验不依赖数据分布假设（如正态分布），适用于顺序数据或非正态的数值数据。卡方检验用于检验分类变量间的独立性，属于非参数检验。其他选项（t检验、ANOVA、Z检验）均假设数据服从正态分布，属于参数检验。

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？（至少2个正确选项）

A.数据清洗

B.特征工程

C.模型训练

D.数据可视化

答案：ABD

解析