2026年高级数据分析师考试题库（附答案和详细解析）（0629）.docxVIP

高级数据分析师

一、单项选择题（共10题，每题1分，共10分）

在数据清洗过程中，对于存在缺失值的特征，当缺失比例低于5%且为随机缺失（MCAR）时，最稳健的处理方法是：A.直接删除该样本B.使用该特征的均值或中位数填充C.使用该特征众数填充D.使用回归模型预测并填充答案：A解析：A选项直接删除是处理少量缺失值的经典方法，既简单又不会引入偏差。B、C选项均值/众数填充会改变特征分布，D选项预测填充计算成本高且可能引入过拟合风险。

下列关于时间序列分解的描述中，错误的是：A.分解模型通常假设季节性因素是固定的B.添加型模型中，观测值等于趋势、季节性和随机成分之和C.乘法型模型适用于季节性波动随趋势增长的情况D.在分解前通常需要进行平稳性处理答案：A解析：A选项错误，现代时间序列分解（如STL）允许季节性因素随时间变化（可变季节性）。B选项正确，这是加法模型的基本假设。C选项正确，乘法模型用于季节性幅度随趋势线性增长的情况。D选项正确，平稳性是许多时间序列分析的前提。

在机器学习模型评估中，若类别极度不平衡（如欺诈检测中欺诈样本仅占0.1%），应优先考虑以下哪个指标：A.准确率B.精确率C.召回率D.F1分数答案：C解析：C选项召回率衡量模型找出所有正样本的能力。在欺诈检测中，宁可错杀（高召回率），不可漏过（低召回率），因为漏