2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0630）.docxVIP

数据科学专业认证(CDSP)

一、单项选择题（共10题，每题1分，共10分）

在数据预处理阶段，当特征之间的数量级差异巨大时，为了消除量纲影响，通常首选的标准化方法是：A.归一化（Min-MaxScaling）B.标准化（Z-ScoreNormalization）C.坐标轴旋转D.特征选择

答案：B解析：标准化（Z-Score）将数据转换为均值为0、标准差为1的分布，特别适用于数据呈现正态分布或受离群值影响较大的情况，且能保留数据的分布形态。归一化会将数据压缩到[0,1]区间，当数据中出现极端值时容易导致信息丢失。

以下哪项技术主要用于发现数据集中存在的异常点或离群值？A.K-Means聚类B.线性回归C.局部离群因子D.支持向量机（SVM）

答案：C解析：局部离群因子（LOF）是一种基于密度的异常检测算法，它通过比较一个数据点与其邻域点的局部密度，计算该点的局部可达密度，密度显著低于其邻域点的点被判定为异常点。K-Means是聚类算法，线性回归是监督学习回归算法，SVM是分类或回归算法，均非专门用于异常检测。

在决策树算法中，为了防止模型过拟合，常用的后剪枝策略是：A.增加树的深度B.限制树的最大深度或最小叶子节点样本数C.增加训练数据量D.使用多项式核函数

答案：B解析：后剪枝是指在生成完整的决策树后，通过修剪掉那些对