2026年数据科学与应用专业考试数据挖掘与分析题集.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学与应用专业考试：数据挖掘与分析题集

一、单选题（共10题，每题2分）

1.在处理某城市公共交通数据时，发现部分乘客刷卡记录存在缺失值。以下哪种方法最适合处理缺失值，并保留数据原有分布特征？

A.使用均值填充

B.使用众数填充

C.使用KNN（k-近邻）填充

D.直接删除缺失值

2.某电商公司需要分析用户购买行为，发现用户年龄分布不均，部分年龄段数据较少。以下哪种方法最适合平衡数据集，提高模型泛化能力？

A.过采样

B.欠采样

C.SMOTE过采样

D.朴素贝叶斯分类

3.在构建用户流失预测模型时，某特征与目标变量的相关性接近0。以下哪种情况可能导致该特征相关性低？

A.特征噪声过大

B.特征维度过高

C.特征与目标变量无实际关联

D.特征存在多重共线性

4.某银行需要识别欺诈交易，数据集中正常交易占90%，欺诈交易占10%。以下哪种方法最适合解决数据不平衡问题？

A.降低阈值

B.过采样欺诈样本

C.欠采样正常样本

D.增益树模型

5.在时间序列预测中，某城市地铁客流量数据呈现明显的季节性波动。以下哪种模型最适合捕捉这种周期性特征？

A.线性回归

B.ARIMA模型

C.支持向量机

D.神经网络

6.某外卖平台需要分析用户订单数据，发现部分用户地址信息模糊（如“附近