2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0618）.docxVIP

数据科学专业认证(CDSP)

一、单项选择题（共10题，每题1分，共10分）

在机器学习中，若模型在训练集上表现很好但在测试集上表现很差，通常是因为模型发生了什么现象？A.数据泄露B.过拟合C.欠拟合D.特征选择错误

答案：B解析：过拟合是指模型学习了训练数据中的噪声和细节，导致对未知数据的泛化能力差。训练集误差低，测试集误差高是典型特征。数据泄露通常导致测试集误差也低；欠拟合是指模型太简单；特征选择错误属于预处理问题。

下列哪项技术不属于无监督学习算法？A.K-均值聚类B.主成分分析（PCA）C.线性回归D.高斯混合模型

答案：C解析：线性回归通常被视为监督学习算法，用于预测连续变量。K-均值聚类、PCA和GMM都是无监督学习算法，用于降维或发现数据中的结构。

在Python数据分析库Pandas中，用于将两个DataFrame进行行索引对齐合并的函数是？A.mergeB.concatC.joinD.combine_first

答案：A解析：merge函数类似于SQL的Join操作，主要用于基于键值的列合并，通常处理关系型数据。concat主要用于沿轴（行或列）堆叠数据，不强制索引对齐。join是merge的简化版，默认按索引连接。

在统计学中，衡量数据分布的离散程度，且对异常值敏感的指标是？A.中位数B.方差C.