2026年高级数据分析师考试题库（附答案和详细解析）（0114）.docxVIP

高级数据分析师考试试卷（总分100分）

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最佳实践？

A.直接删除所有包含缺失值的记录

B.对所有数值型变量用均值填充

C.根据业务场景选择删除、填充或建模预测

D.对所有分类变量用众数填充

答案：C

解析：缺失值处理需结合业务场景：若缺失率极低（如5%）可删除记录；若缺失与目标变量相关（如用户未填写收入可能影响消费能力），需用建模预测（如回归填充）；分类变量众数填充可能忽略分布差异。选项A可能丢失重要信息，B/D忽略变量特性，故C正确。

在机器学习模型中，L2正则化的主要作用是？

A.防止过拟合，降低模型复杂度

B.提高模型训练速度

C.处理类别不平衡问题

D.增强模型的可解释性

答案：A

解析：L2正则化（岭回归）通过在损失函数中添加权重平方和的惩罚项，限制模型参数大小，避免模型过度拟合训练数据中的噪声，从而降低复杂度。B是梯度下降优化的作用，C需用SMOTE等方法，D是决策树等模型的特性，故A正确。

进行AB测试时，若实验组与对照组的样本量均为1000，p值=0.03，应如何结论？

A.拒绝原假设，实验有效

B.接受原假设，实验无效

C.需增大样本量后重新测试

D.p值小于0.05但接近，结果不可信

答案：A

解析：统计学中通常以α=0.05为显著性阈值，p值0.05时拒绝原假设（原假设为“实验组与对照组无差异”）。样本量1000已满足大数定律，p=0.03表明结果在统计上显著，故A正确。B错误，因假设检验不“接受”原假设；C/D无依据。

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项通过过去误差项的线性组合拟合当前值，故B正确。

以下哪种特征工程方法适用于缓解“维度灾难”？

A.独热编码（One-HotEncoding）

B.主成分分析（PCA）

C.特征交叉（FeatureCross）

D.标准化（Standardization）

答案：B

解析：维度灾难指高维数据导致计算复杂度激增和模型性能下降。PCA通过线性变换将高维数据投影到低维空间，保留主要方差，降低维度。A会增加维度，C可能进一步增加维度，D是归一化处理，不影响维度数，故B正确。

数据仓库的核心特性是？

A.实时性与高并发

B.面向主题、集成、稳定、时变

C.支持事务处理（OLTP）

D.基于内存的快速查询

答案：B

解析：数据仓库（DW）是支持管理决策的面向主题的、集成的、非易失的、随时间变化的数据集合。A是数据湖或实时数据库特性，C是OLTP系统（如MySQL）的功能，D是内存数据库特性，故B正确。

在A/B测试中，若实验组的转化率比对照组高5%，但统计检验不显著，最可能的原因是？

A.样本量不足

B.实验周期过短

C.存在辛普森悖论

D.以上都是

答案：D

解析：样本量不足会降低检验效能（Power），导致无法检测到真实差异；实验周期过短可能未覆盖用户行为的时间分布（如周末效应）；辛普森悖论指分组内部趋势与整体趋势相反（如实验组包含更多低活跃用户），均可能导致结果不显著，故D正确。

评估分类模型时，F1分数是以下哪两个指标的调和平均？

A.准确率（Accuracy）与召回率（Recall）

B.精确率（Precision）与召回率（Recall）

C.精确率（Precision）与特异度（Specificity）

D.AUC与准确率（Accuracy）

答案：B

解析：F1分数=2(PR)/(P+R)，其中P是精确率（正预测中实际为正的比例），R是召回率（实际正例中被正确预测的比例），用于平衡两者在类别不平衡场景下的表现，故B正确。

根据GDPR法规，企业处理用户个人数据时无需满足以下哪项？

A.明确告知用户数据用途

B.获得用户明确同意（Opt-in）

C.提供数据可携带权（DataPortability）

D.对所有数据进行加密存储

答案：D

解析：GDPR要求数据处理需合法、透明（A），通常需用户同意（B），用户有权获取并转移个人数据（C）。但加密存储是“数据安全”的技术手段，非必须（如匿名化数据无需加密），故D错误。

商业分析中，“漏斗分析”的核心目的是？

A.识别用户行为路径中的流失节点

B.比较不同渠道的转化率

C.预测用户未来购买概率

D.分析用户生命周期价值

答案：A

解析：漏斗分析通过分解用户从初始接触