2026年数据分析师面试题集与考点详解.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试题集与考点详解

一、选择题（共5题，每题2分）

1.在处理缺失值时，以下哪种方法最适用于分类变量且能保留数据分布特征？

A.删除含有缺失值的样本

B.使用众数填充

C.使用KNN填充

D.插值法

答案：B

解析：众数填充适用于分类变量，且操作简单，能保留数据分布特征。删除样本会导致数据量减少，KNN填充计算复杂，插值法不适用于分类数据。

2.以下哪种指标最适合评估模型的泛化能力？

A.过拟合度

B.AUC值

C.回归系数绝对值

D.样本偏差

答案：B

解析：AUC值（AreaUndertheROCCurve）衡量模型在不同阈值下的分类性能，能有效评估泛化能力。过拟合度、回归系数绝对值、样本偏差均不直接反映泛化能力。

3.在数据仓库设计中，星型模型的中心是？

A.雪花表

B.事实表

C.维度表

D.聚合表

答案：B

解析：星型模型以事实表为中心，维度表环绕四周，结构清晰，便于查询优化。雪花表是雪花模型的组件，维度表和聚合表均非中心。

4.以下哪种算法属于无监督学习？

A.决策树分类

B.逻辑回归

C.K-Means聚类

D.支持向量机

答案：C

解析：K-Means聚类通过发现数据内在结构进行分组，属于无监督学习。决策树分类、逻辑回归、支持向量机均需监督标签，属于监督学习。

5.在处理时间序列数据时，ARIMA模型的适用条件不包括？

A.数据具有平稳性

B.数据需满足正态分布

C.自相关系数显著

D.季节性波动明显

答案：B

解析：ARIMA模型对数据平稳性要求高，但不需要正态分布，可通过差分实现平稳化。自相关系数和季节性波动是模型的关键输入。

二、简答题（共4题，每题5分）

6.简述数据清洗的主要步骤及其目的。

答案：

数据清洗主要步骤包括：

1.缺失值处理：删除或填充缺失值，避免影响分析结果。

2.异常值检测：识别并处理异常值，如使用3σ法则或箱线图。

3.重复值处理：删除重复记录，保证数据唯一性。

4.数据格式统一：统一日期、数值格式等，如将文本日期转换为标准格式。

5.数据一致性校验：检查逻辑矛盾，如年龄大于最大寿命。

目的：提升数据质量，为后续分析提供可靠基础。

7.解释什么是特征工程，并举例说明其在推荐系统中的应用。

答案：

特征工程是指从原始数据中提取或构造新特征，以提升模型性能。

在推荐系统中，特征工程可包括：

1.用户行为特征：如用户历史购买次数、浏览时长等。

2.物品属性特征：如商品类别、价格区间等。

3.上下文特征：如时间（工作日/周末）、地点等。

通过组合这些特征，可提高协同过滤或深度学习模型的准确率。

8.描述数据仓库中“维度表”和“事实表”的区别。

答案：

-维度表：存储描述性属性，如时间、地点、产品等，通常为宽表，用于分析视角。

-事实表：存储可度量数值，如销售额、销量等，通常为长表，用于聚合计算。

区别在于维度表描述“谁、什么、何时、何地”，事实表记录具体数值。

9.在进行A/B测试时，如何控制实验偏差？

答案：

1.随机分组：确保用户被随机分配到实验组或对照组。

2.样本量计算：通过统计功效分析确定最小样本量，避免结论误判。

3.控制变量：排除外部因素（如节假日）对结果的影响。

4.盲测设计：避免用户或实验者知晓分组，减少主观干扰。

5.多指标验证：结合转化率、留存率等综合评估，而非单一指标。

三、计算题（共2题，每题10分）

10.假设某电商平台的用户购买转化率从5%提升到6%，计算提升比例及归因的绝对增量（基于10000访客流量）。

答案：

-提升比例：

提升比例=(新转化率-旧转化率)/旧转化率×100%=(6%-5%)/5%×100%=20%

-绝对增量：

绝对增量=10000×(6%-5%)=100用户

解析：通过提升转化率1个百分点，额外获得100次购买。

11.已知某分类模型的混淆矩阵如下：

||预测为正|预测为负|

|-|-|-|

|实际为正|200|50|

|实际为负|30|420|

计算F1分数和AUC值（假设正负类权重相同）。

答案：

-精确率（Precision）：200/(200+50)=0.8

-召回率（Recall）：200/(200+30)=0.87

-F1分数：2×(0.8×0.87)/(0.8+0.87)≈0.83

-AUC值：通过计算ROC曲线下面积，假