2025-2026年数据科学项目实施与运维实战演练试卷.docxVIP

2025-2026年数据科学项目实施与运维实战演练试卷

一、单项选择题（总共10题，每题2分，共20分）

1.在数据科学项目实施过程中，以下哪个阶段不属于典型的CRISP-DM生命周期模型？

A.业务理解阶段

B.数据准备阶段

C.模型评估阶段

D.数据采集阶段

解析：CRISP-DM（Cross-IndustryStandardProcessforDataMining）生命周期模型包含六个阶段：业务理解、数据理解、数据准备、模型建立、模型评估和模型部署。数据采集通常属于业务理解阶段的一部分，而非独立阶段。正确答案为D。

2.以下哪种数据预处理技术最适合处理缺失值较多（超过30%）的表格数据？

A.均值填充

B.K最近邻填充

C.回归插补

D.直接删除

解析：当缺失值比例超过30%时，均值填充或直接删除可能导致数据偏差较大。K最近邻填充通过考虑邻近样本的值进行插补，适用于缺失值分布不均的情况。回归插补需要假设数据关系，但计算复杂。正确答案为B。

3.在分布式计算框架中，Spark的RDD（弹性分布式数据集）与DataFrame的主要区别是什么？

A.RDD支持SQL查询，DataFrame不支持

B.DataFrame是RDD的子类