2026年高级数据分析师考试题库（附答案和详细解析）（0107）.docxVIP

高级数据分析师考试试卷

一、单项选择题（共10题，每题1分，共10分）

随机森林（RandomForest）算法的核心机制是以下哪项？

A.通过梯度提升减少残差误差

B.集成多个决策树并通过投票/平均输出结果

C.使用核函数将低维数据映射到高维空间

D.通过反向传播优化神经网络权重

答案：B

解析：随机森林属于集成学习中的Bagging方法，其核心是构建多棵独立的决策树（基学习器），最终通过投票（分类）或平均（回归）得到结果。选项A是梯度提升树（GBM）的机制；选项C是支持向量机（SVM）的特点；选项D是神经网络的训练方式，均不符合随机森林的定义。

在AB测试中，若显著性水平（α）设为0.05，其统计学含义是？

A.拒绝原假设时犯第二类错误的概率

B.接受原假设时犯第一类错误的概率

C.拒绝原假设时犯第一类错误的最大允许概率

D.接受原假设时结论正确的概率

答案：C

解析：显著性水平α是预先设定的拒绝原假设时犯第一类错误（弃真错误）的最大概率阈值。当p值≤α时，拒绝原假设，此时犯第一类错误的概率不超过α。选项A描述的是β（第二类错误概率）；选项B、D表述逻辑错误。

以下哪种场景最适合使用时间序列分解（TimeSeriesDecomposition）？

A.分析用户性别与购买金额的相关性

B.预测下一季度某商品的销售额

C.识别用户评论中的情感倾向（正向/负向）

D.检测信用卡交易中的异常支付行为

答案：B

解析：时间序列分解用于将序列分解为趋势（Trend）、季节（Seasonality）、周期（Cycle）和残差（Residual）成分，核心目的是通过历史模式预测未来值，因此最适合预测场景。选项A是相关分析，选项C是文本分类，选项D是异常检测，均不涉及时间序列的周期性分析。

特征工程中，“独热编码（One-HotEncoding）”主要用于处理以下哪种类型的数据？

A.连续型数值特征（如年龄）

B.高基数类别特征（如地区，共1000个取值）

C.有序类别特征（如教育程度：高中→本科→硕士）

D.低基数类别特征（如性别：男/女）

答案：D

解析：独热编码通过创建虚拟变量将类别特征转化为0-1向量，适用于低基数（取值少）的无序类别特征（如性别）。高基数类别特征使用独热编码会导致维度爆炸（维度=取值数），通常采用目标编码或嵌入；连续型特征无需独热编码；有序类别特征更适合序数编码（保留顺序信息）。

在机器学习模型评估中，F1分数（F1-Score）是以下哪两个指标的调和平均？

A.准确率（Accuracy）和召回率（Recall）

B.精确率（Precision）和召回率（Recall）

C.精确率（Precision）和特异度（Specificity）

D.准确率（Accuracy）和精确率（Precision）

答案：B

解析：F1分数是精确率（查准率）和召回率（查全率）的调和平均，公式为F1=2(PR)/(P+R)，用于平衡两者在不均衡样本中的表现。准确率是总体正确比例，特异度是负类正确识别率，均不直接参与F1计算。

以下哪项不是数据清洗（DataCleaning）的主要任务？

A.处理缺失值（如用均值填充）

B.检测并修正异常值（如通过IQR方法）

C.对连续特征进行分箱（如将年龄分为0-18,19-30等）

D.删除重复记录（如同一用户的多条相同交易）

答案：C

解析：数据清洗的核心是解决数据质量问题（缺失、异常、重复），而特征分箱属于特征工程中的离散化操作，目的是提升模型性能，不属于清洗范畴。

在统计学中，“中心极限定理（CentralLimitTheorem）”的核心结论是？

A.样本量越大，样本均值的分布越接近原总体分布

B.无论原总体分布如何，样本均值的抽样分布近似正态分布（当样本量足够大时）

C.总体方差等于样本方差的无偏估计

D.相关系数的绝对值越接近1，变量间线性关系越强

答案：B

解析：中心极限定理指出，当样本量n足够大时（通常n≥30），样本均值的抽样分布近似服从正态分布，无论原总体是否正态。选项A错误，因抽样分布是正态而非原分布；选项C是方差估计的性质；选项D是相关系数的定义，均不涉及中心极限定理。

以下哪种可视化图表最适合展示用户月活跃数（MAU）在2020-2023年的季度变化趋势？

A.散点图（ScatterPlot）

B.热力图（HeatMap）

C.折线图（LineChart）

D.箱线图（BoxPlot）

答案：C

解析：折线图通过连接数据点直观展示时间序列的变化趋势，是时间序列可视化的标准选择。散点图用于展示两个变量的相关关系；热力图适合二维矩阵的数值分布；箱线图用于展示数据的分布特征（如中位数、四分位距