2026年数据科学专业学生考研面试试题解析.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学专业学生考研面试试题解析

一、专业基础知识（共5题，每题8分，总分40分）

1.数据预处理中的缺失值处理方法有哪些？请结合实际应用场景说明其优缺点。

答案与解析：

数据预处理中的缺失值处理方法主要包括：

（1）删除法：包括行删除（删除含有缺失值的样本）和列删除（删除含有缺失值的特征）。

-优点：简单易行，计算成本低。

-缺点：可能丢失大量有效信息，尤其当缺失值比例较高时。

（2）均值/中位数/众数填充：用统计值填充缺失值。

-优点：操作简单，计算效率高。

-缺点：掩盖数据真实分布，可能导致偏差。

（3）回归/插值填充：利用其他特征预测缺失值。

-优点：更符合数据逻辑，准确性较高。

-缺点：计算复杂，依赖模型精度。

（4）多重插补：通过模拟缺失值生成多个完整数据集，再进行统计推断。

-优点：保留数据方差，更科学。

-缺点：操作复杂，需要统计软件支持。

应用场景举例：

-电商用户行为数据：若用户某次购物未填写收货地址，可先删除该条数据，或用均值填充（若地址分布均匀）；若缺失比例高，可结合用户历史订单数据通过回归填充。

2.解释交叉验证（Cross-Validation）的原理及其在模型评估中的意义。

答案与解析：

交叉验证通过将数据集分成若干子集，轮流作为测试集，其余作为训练集，重复评估模型性能。常