人工智能训练师服务器人人工智能技术应用学生组理论题库.docx

人工智能训练师服务器人人工智能技术应用学生组理论题库

1.在人工智能训练师的工作流程中，数据清洗是至关重要的一环。关于数据清洗中的异常值处理，下列哪种说法是错误的？

A.异常值可能是由于数据采集设备的错误或人为录入失误造成的，直接删除通常是最简单的方法

B.对于某些特定场景，异常值可能包含重要的业务信息，例如在欺诈检测中，异常值正是我们需要关注的样本

C.可以使用箱线图（Boxplot）或3σ原则（拉依达准则）来统计识别数值型数据中的异常值

D.无论何种情况下，为了保证数据集的绝对纯净，必须将所有统计意义上的异常值全部剔除

答案：D

解析：本题考查数据清洗的核心逻辑。选项A正确，设备错误或录入失误产生的异常值通常是噪声，删除是常规手段。选项B正确，在异常检测类任务中，异常往往是目标，不能随意删除。选项C正确，箱线图和3σ原则是经典的统计识别方法。选项D错误，数据清洗不能“一刀切”，必须结合业务场景。如果盲目删除所有统计异常值，可能会导致模型丢失关键特征，特别是在长尾分布或特定业务逻辑下，异常值可能代表真实的极端情况，删除反而会降低模型的泛化能力和鲁棒性。训练师需要具备判断异常值来源和性质的能力。

2.在计算机视觉任务中，数据增强技术常用于扩充训练集以提高模型性能。以下关于数据增强的描述，不正确的是？

A.随机旋转、裁剪和翻转是几何变换类的数据增强方法，它们不改变图像的像素