2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0102）.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）

以下哪项是数据清洗中处理缺失值的常用方法？

A.对缺失列直接删除

B.用该列均值填充所有缺失值

C.基于其他特征构建模型预测缺失值

D.将缺失值标记为“未知”后直接建模

答案：C

解析：数据清洗中处理缺失值的方法需根据场景选择。A错误，直接删除列可能丢失关键信息；B错误，简单均值填充可能破坏数据分布（如分类变量）；C正确，模型预测法（如KNN填充、回归填充）能更合理利用数据关联；D错误，未处理的缺失值可能导致模型错误（如树模型可处理，但多数算法要求无缺失）。

在混淆矩阵中，精确率（Precision）的计算公式是？

A.TP/(TP+FN)

B.TP/(TP+FP)

C.TN/(TN+FP)

D.(TP+TN)/(TP+TN+FP+FN)

答案：B

解析：精确率衡量“预测为正类中实际为正类的比例”。A是召回率（Recall）；C是真负率（Specificity）；D是准确率（Accuracy）；B正确。

以下哪种算法属于无监督学习？

A.逻辑回归

B.K均值聚类

C.随机森林

D.支持向量机（SVM）

答案：B

解析：无监督学习无标签数据。A、C、D均需标签训练（分类/回归），属于监督学习；B通过数据自身特征聚类，无标签，正确。

特征工程中，“将年龄划分为青年/中年/老年”属于？

A.特征标准化

B.特征分箱

C.特征降维

D.特征交叉

答案：B

解析：特征分箱（Binning）是将连续变量离散化。A是归一化到标准正态分布；C是减少特征数量（如PCA）；D是组合多个特征（如年龄×收入）；B正确。

以下哪项是Hadoop分布式文件系统（HDFS）的核心设计目标？

A.支持低延迟数据访问

B.处理海量结构化数据

C.运行在普通商用硬件上

D.提供实时计算能力

答案：C

解析：HDFS设计目标是可靠存储海量数据，运行于低成本商用硬件（C正确）。A错误（HDFS适合批量处理，非低延迟）；B错误（HDFS不区分结构化/非结构化）；D错误（实时计算由SparkStreaming等实现）。

在假设检验中，显著性水平α表示？

A.原假设为真时拒绝原假设的概率

B.原假设为假时接受原假设的概率

C.备择假设为真时接受备择假设的概率

D.备择假设为假时拒绝备择假设的概率

答案：A

解析：α是第一类错误（弃真错误）的概率，即原假设为真时错误拒绝的概率（A正确）。B是第二类错误（取伪错误）概率β；C是检验功效（1-β）；D无此定义。

以下哪种可视化工具主要用于交互式动态图表？

A.Matplotlib

B.Seaborn

C.Tableau

D.Plotly

答案：D

解析：Plotly支持交互式动态图表（如悬停提示、缩放）。A、B是静态图表库；C是商业BI工具（侧重仪表盘）；D正确。

机器学习中，“过拟合”的主要原因是？

A.模型复杂度不足

B.训练数据量过大

C.特征数量远大于样本量

D.学习率设置过小

答案：C

解析：过拟合是模型过度拟合训练数据噪声。A导致欠拟合；B通常缓解过拟合；C（高维小样本）易导致模型记忆噪声（正确）；D影响收敛速度，非过拟合主因。

以下哪项是时间序列分析中“平稳性”的关键要求？

A.均值、方差、协方差不随时间变化

B.数据必须为等间隔采样

C.存在明显的趋势或季节性

D.自相关系数随滞后阶数增加单调递减

答案：A

解析：平稳时间序列的统计特性（均值、方差、协方差）不随时间平移改变（A正确）。B是时间序列基本要求（非平稳性特有）；C是非平稳的表现；D无此要求。

数据科学项目中，“业务理解”阶段的核心任务是？

A.清洗和预处理数据

B.明确问题目标与成功指标

C.选择机器学习算法

D.生成可视化报告

答案：B

解析：CRISP-DM方法论中，业务理解阶段需明确需求、定义目标（如“提升用户转化率20%”）及评估指标（B正确）。A是数据理解/准备阶段；C是建模阶段；D是结果发布阶段。

二、多项选择题（共10题，每题2分，共20分）

以下属于数据预处理步骤的有？（至少2个正确选项）

A.缺失值填充

B.特征重要性排序

C.异常值检测

D.模型超参数调优

答案：AC

解析：数据预处理包括清洗（缺失值、异常值）、转换（标准化、分箱）等。B是特征选择阶段；D是建模阶段；AC正确。

以下哪些算法可用于分类任务？（至少2个正确选项）

A.线性回归

B.决策树

C.K近邻（KNN）

D.主成分分析（PCA）

答案：BC

解析：分类任务输出离散标签。A是回归（连续值）；B（分类树）、C（基于邻居标签）正确；D是降维（无监督）。

关于Python中Pandas库的