2026年数据清洗与预处理技巧题库.docxVIP

2026年数据清洗与预处理技巧题库

一、单选题（本大题共10小题，每小题2分，共20分）

1.在数据预处理阶段，对于缺失值处理方法中，以下哪项技术通常适用于具有明显业务逻辑关联的多维数据集？（每题2分）

A.简单删除法（listwisedeletion）

B.基于均值/中位数/众数的全局填充

C.埔松回归模型填充

D.基于K最近邻算法的插补

解析：本题考查多维数据集缺失值处理技术。选项A的简单删除法会导致数据量显著减少，尤其当缺失比例较高时；选项B的均值/中位数/众数填充忽略了变量间关系；选项C的泊松回归适用于计数数据但未考虑业务逻辑；选项D的KNN算法通过保留数据点间业务相似性实现插补，特别适用于多维数据集。根据《2026年数据清洗与预处理技巧题库》第3章多维数据预处理部分，KNN算法通过计算欧氏距离保留变量间业务关联性，适用于复杂业务场景的缺失值处理。

2.在处理异常值时，以下哪种方法最适用于检测具有高维特征的连续型数值数据集？（每题2分）

A.基于箱线图的IQR方法

B.基于主成分分析（PCA）的异常值检测

C.基于局部异常因子（LOF）的密度聚类方法

D.基于Z分数的标准化检测

解析：本题考查高维数据异常值检测技术。选项A的IQR方法适用于一维或二维数据；选项B的PCA方法主要用于降维而非异常值检测；选项