2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0110）.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）

数据科学项目的核心流程框架中，以下哪项是国际公认的标准方法论？

A.KDD（知识发现过程）

B.CRISP-DM（跨行业数据挖掘标准流程）

C.SEMMA（SAS数据挖掘流程）

D.OSEMN（数据科学流程）

答案：B

解析：CRISP-DM是跨行业数据挖掘标准流程，被广泛认可为数据科学项目的通用方法论；KDD是早期知识发现框架，覆盖范围较窄；SEMMA是SAS公司的专有流程；OSEMN是简化的流程模型（Obtain-Scrub-Explore-Model-Interpret），但非国际标准。

以下哪种数据清洗操作属于“处理异常值”的典型方法？

A.将字符串类型的日期转换为时间戳

B.对年龄字段中“-5”的值修正为合理范围

C.合并重复的用户记录

D.填充缺失的性别字段为“未知”

答案：B

解析：异常值指明显偏离正常范围的数据（如年龄为负数），修正其值属于处理异常值；A是数据格式转换，C是去重，D是填充缺失值，均不属于异常值处理。

在机器学习中，以下哪项指标用于衡量分类模型对正类样本的识别能力？

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）=正确预测的正类样本数/实际正类样本总数，衡量模型对正类的覆盖能力；准确率是整体正确比例，精确率是预测正类中正确的比例，F1是精确率与召回率的调和平均。

以下哪种数据库适用于大规模非结构化数据的实时写入与查询？

A.关系型数据库（如MySQL）

B.键值存储数据库（如Redis）

C.文档型数据库（如MongoDB）

D.列式数据库（如HBase）

答案：C

解析：MongoDB是文档型数据库，支持灵活的BSON格式，适合非结构化数据（如JSON日志）的存储与查询；Redis是内存键值存储，适合缓存；HBase是列式存储，适合高并发写；MySQL是关系型，适合结构化数据。

以下哪项不属于数据可视化的核心原则？

A.减少视觉冗余

B.优先使用3D图表增强表现力

C.清晰传达核心信息

D.匹配数据类型与图表类型

答案：B

解析：3D图表可能因视角偏差误导读者，数据可视化应避免不必要的3D效果；其他选项均为核心原则（如柱状图用于分类比较，折线图用于趋势展示）。

在Python中，以下哪个库是专门用于数据清洗和分析的？

A.Matplotlib

B.Scikit-learn

C.Pandas

D.TensorFlow

答案：C

解析：Pandas是Python中用于数据清洗、处理和分析的核心库（提供DataFrame结构）；Matplotlib是可视化库，Scikit-learn是机器学习库，TensorFlow是深度学习框架。

以下哪种采样方法适用于解决分类任务中的类别不平衡问题？

A.简单随机采样

B.分层采样

C.系统采样

D.欠采样（Under-sampling）

答案：D

解析：欠采样通过减少多数类样本数量平衡类别分布；分层采样是保持原类别比例的采样方法，用于保证样本代表性，不解决不平衡问题。

在统计学中，以下哪项是“中心极限定理”的核心结论？

A.样本均值的分布趋近于正态分布（无论总体分布如何）

B.总体方差等于样本方差的无偏估计

C.相关系数的绝对值越大，变量间线性关系越强

D.假设检验中p值小于显著性水平则拒绝原假设

答案：A

解析：中心极限定理指出，当样本量足够大时，样本均值的抽样分布近似正态分布，与总体分布无关；其他选项分别对应方差估计、相关系数定义、假设检验结论，均非中心极限定理内容。

以下哪种大数据技术框架主要用于批处理计算？

A.SparkStreaming

B.Flink

C.HadoopMapReduce

D.Storm

答案：C

解析：HadoopMapReduce是经典的批处理框架；SparkStreaming、Flink、Storm均为流处理框架（处理实时数据流）。

数据科学项目中，“特征重要性分析”通常在哪个阶段进行？

A.数据采集

B.模型训练

C.特征工程

D.模型评估

答案：B

解析：特征重要性分析（如随机森林的特征重要性、SHAP值）通常在模型训练后，用于评估各特征对预测结果的贡献程度，辅助特征筛选或业务解释。

二、多项选择题（共10题，每题2分，共20分）

以下哪些属于数据清洗的常见操作？（）

A.处理缺失值（如删除、填充）

B.转换数据格式（如字符串转日期）

C.计算新特征（如消费总额=单价×数量）

D.识别并修正异常值

答案：ABD

解析：数据清洗关注原始数据的