2026年数据清洗与预处理技巧专项训练题库.docxVIP

2026年数据清洗与预处理技巧专项训练题库

一、单项选择题（本大题共10小题，每小题2分，共20分）

1.在数据清洗过程中，以下哪种方法最适合处理缺失值比例较高（超过30%）的连续型特征？（）

A.使用均值或中位数填充

B.直接删除含有缺失值的样本

C.采用KNN算法进行插补

D.将缺失值标记为特殊类别后进行独热编码

解析：当缺失值比例超过30%时，均值或中位数填充可能导致数据分布严重偏移，删除样本会损失大量信息，KNN插补虽然能保留数据结构但计算成本高。特殊类别编码适用于分类特征，不适用于连续型特征。正确做法是考虑使用多重插补（MultipleImputation）或基于模型预测的插补方法。

2.对于包含异常值的数值型特征，以下哪种标准化方法最稳健？（）

A.Z-score标准化

B.Min-Max标准化

C.Robust标准化

D.MaxAbs标准化

解析：Z-score标准化对异常值敏感，Min-Max标准化受异常值影响大，MaxAbs标准化在处理稀疏数据时效果不佳。Robust标准化使用中位数和四分位距，对异常值具有天然的抗干扰能力，公式为：(x-Q1)/(Q3-Q1)。

3.在处理文本数据时，以下哪种方法最适合去除停用词？（）

A.词性标注

B.词频