2026年高级数据分析师考试题库（附答案和详细解析）（0303）.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）

在数据清洗过程中，处理缺失值的最佳实践是（）

A.直接删除所有含缺失值的行

B.对数值型变量用均值填充，分类型变量用众数填充

C.根据业务场景选择删除、填充或建模预测缺失值

D.忽略缺失值，直接进入模型训练

答案：C

解析：缺失值处理需结合业务场景：少量缺失可删除（A错误）；简单均值/众数填充可能破坏数据分布（B错误）；忽略缺失值会导致模型偏差（D错误）；最佳实践是根据缺失比例、变量重要性选择删除、填充（如中位数、业务规则值）或建模预测（如用其他变量预测缺失值），因此选C。

以下哪种机器学习模型更适合处理高维稀疏的文本数据？（）

A.线性回归

B.随机森林

C.支持向量机（SVM）

D.逻辑回归（带L1正则化）

答案：D

解析：文本数据通常高维稀疏（如词袋模型），线性模型（逻辑回归、线性SVM）计算效率更高。L1正则化可稀疏化参数，自动筛选重要特征（D正确）。随机森林处理高维稀疏数据易过拟合（B错误）；线性回归用于回归任务（A错误）；SVM核函数（如RBF）在高维下可能失效（C错误）。

在特征工程中，“将连续变量年龄划分为[0-18,19-35,36-60,60+]”属于（）

A.特征分箱

B.特征交叉

C.特征标准化

D.特征嵌入

答案：A

解析：特征分箱是将连续