2025年高级数据分析师考试题库（附答案和详细解析）（1223）.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）

以下哪种统计量最适合描述数据分布的偏态程度？

A.方差

B.标准差

C.偏度系数

D.峰度系数

答案：C

解析：偏度系数（Skewness）用于衡量数据分布的不对称性，正值表示右偏，负值表示左偏；方差和标准差衡量数据离散程度；峰度系数（Kurtosis）衡量数据分布的尖峰或平尾程度。因此正确答案为C。

在机器学习中，L1正则化的主要作用是？

A.防止过拟合，同时实现特征选择

B.防止欠拟合，提升模型复杂度

C.加速梯度下降收敛速度

D.减少计算过程中的数值误差

答案：A

解析：L1正则化通过在损失函数中加入参数绝对值的和（L1范数），会使部分参数变为0，从而自动剔除不重要的特征（特征选择），同时降低模型复杂度，防止过拟合；L2正则化（岭回归）主要防止过拟合但不会产生稀疏解。因此正确答案为A。

以下哪项不是A/B测试的必要条件？

A.两组样本独立随机分配

B.实验前样本量满足统计显著性要求

C.实验期间其他变量保持不变（除干预变量）

D.实验组与对照组样本量完全相等

答案：D

解析：A/B测试要求样本随机分配（保证无偏）、样本量足够（避免第一类/第二类错误）、控制其他变量（排除混杂因素），但实验组与对照组样本量无需完全相等（通常按1:1或其他比例分配）。因此正确答案为D。

时间序列分析中，ARIMA模型的“MA”代表？

A.自回归（AutoRegressive）

B.移动平均（MovingAverage）

C.差分（Integrated）

D.季节调整（Seasonal）

答案：B

解析：ARIMA模型由三部分组成：AR（自回归，p阶）、I（差分，d阶）、MA（移动平均，q阶）。MA部分通过过去误差项的线性组合拟合当前值。因此正确答案为B。

在数据可视化中，“辛普森悖论”最可能通过哪种图表暴露？

A.散点图

B.分组柱状图

C.热力图

D.箱线图

答案：B

解析：辛普森悖论指分组数据与整体数据趋势相反的现象（如分组中A方案优于B，但整体B更优），分组柱状图可直观展示各子组与整体的差异；散点图主要展示变量间相关性，热力图展示矩阵数据密度，箱线图展示分布特征。因此正确答案为B。

以下哪种场景最适合使用决策树模型？

A.高维稀疏文本数据分类（如垃圾邮件识别）

B.小样本量的医学诊断规则提取

C.时间序列预测（如股票价格）

D.大规模实时推荐系统

答案：B

解析：决策树擅长提取可解释的规则，适合小样本、需要业务理解的场景（如医学诊断）；高维稀疏数据通常用逻辑回归或神经网络，时间序列用ARIMA或LSTM，实时推荐系统需高效模型（如协同过滤）。因此正确答案为B。

数据仓库（DataWarehouse）与数据湖（DataLake）的核心区别是？

A.数据存储介质（磁盘vs云存储）

B.数据结构化程度（结构化vs非结构化）

C.数据访问速度（实时vs批量）

D.数据来源数量（单一vs多源）

答案：B

解析：数据仓库主要存储结构化数据（如关系型数据库表），需预先定义模式（Schema-on-Write）；数据湖存储原始、多格式数据（结构化/半结构化/非结构化），采用模式后期绑定（Schema-on-Read）。因此正确答案为B。

在特征工程中，“WOE编码”（WeightofEvidence）主要用于？

A.处理类别特征的高基数问题（如地区编码）

B.降低连续特征的维度（如用户年龄分段）

C.衡量特征对目标变量的预测能力（如信用评分）

D.消除特征间的多重共线性（如收入与消费）

答案：C

解析：WOE编码通过计算每个分箱中正负样本的比例对数，衡量特征分箱与目标变量的相关性，常用于信用评分等二分类场景；处理高基数类别特征常用目标编码或嵌入，降维用PCA，消除共线性用VIF或正则化。因此正确答案为C。

以下哪项属于“第二型错误”（β错误）？

A.原假设为真时拒绝原假设（弃真）

B.原假设为假时接受原假设（取伪）

C.备择假设为真时拒绝备择假设

D.备择假设为假时接受备择假设

答案：B

解析：第一型错误（α错误）是“弃真”（原假设为真但拒绝），第二型错误（β错误）是“取伪”（原假设为假但接受）。因此正确答案为B。

在K-means聚类中，“肘部法则”（ElbowMethod）用于确定？

A.初始质心的位置

B.最优的簇数k

C.数据标准化的方法

D.距离度量的选择（欧氏距离vs余弦相似度）

答案：B

解析：肘部法则通过计算不同k值下的簇内平方和（SSE），寻找SSE下降速率突变的“拐点”，确定最优簇数；初始质心通常随机选择或用k-means++，数据标准化需提前处理，距离度量根据业务场景选