2026年数据科学创新实践试题大数据分析与挖掘.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学创新实践试题：大数据分析与挖掘

一、单选题（共10题，每题2分，计20分）

背景：某电商平台希望利用大数据分析优化用户推荐系统，提升销售转化率。假设您负责该项目的数据挖掘部分。

1.在处理用户行为数据时，以下哪种方法最适合用于发现用户购买模式？

A.决策树分类

B.关联规则挖掘（Apriori算法）

C.神经网络回归

D.K-means聚类

2.若用户行为数据存在大量缺失值，以下哪种处理方式最合适？

A.直接删除缺失值较多的样本

B.使用均值/中位数填补缺失值

C.采用多重插补法

D.忽略缺失值，不进行处理

3.在特征工程中，以下哪种方法最适合用于处理高维稀疏数据？

A.主成分分析（PCA）

B.特征选择（Lasso回归）

C.嵌入式特征选择

D.标准化（Z-score）

4.若需要评估推荐系统的效果，以下哪种指标最常用？

A.AUC

B.Precision@K

C.F1-score

D.RMSE

5.在处理实时用户行为数据时，以下哪种存储方案最合适？

A.关系型数据库（MySQL）

B.NoSQL数据库（MongoDB）

C.时间序列数据库（InfluxDB）

D.Hadoop分布式文件系统（HDFS）

6.若数据集存在类别不平衡问题，以下哪种方法可以有效缓解？