2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0609）.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）

在数据清洗过程中，如果数据集中存在大量缺失值，且缺失机制为完全随机缺失（MCAR），最常用的处理方法是？A.直接删除含有缺失值的样本B.使用中位数填充缺失值C.使用回归模型预测并填充缺失值D.使用众数填充缺失值答案：A解析：当数据缺失机制为MCAR（完全随机缺失）时，缺失数据与观测数据独立，删除缺失值不会引入偏差，因此直接删除是最简单有效的方法。B、C、D通常用于MAR（随机缺失）或MNAR（非随机缺失）的情况，可能会引入偏差。

在决策树算法中，为了防止模型过拟合，通常使用剪枝策略。以下哪项描述符合预剪枝策略的特点？A.在树生长到一定高度或节点样本数达到一定阈值时停止生长B.先生长出完全的树，然后从叶子节点向根节点回溯修剪C.随机选择特征进行分裂，增加树的多样性D.使用贝叶斯方法计算树的最优概率答案：A解析：预剪枝（Pre-pruning）是在树构建过程中设定条件（如最大深度、最小样本数），一旦满足条件就停止分裂。B属于后剪枝，C是随机森林的随机性来源，D不是标准策略。

在线性回归模型中，如果解释变量之间存在高度多重共线性，会导致什么后果？A.模型的预测能力显著下降B.参数估计值的方差增大，导致t检验不显著C.模型的残差分析出现严重自相关D.模型的拟