2025-2026年数据科学项目实战与报告撰写模拟试卷.docxVIP

2025-2026年数据科学项目实战与报告撰写模拟试卷

一、单选题（总共10题，每题2分，共20分）

1.在数据科学项目中，数据清洗的目的是什么？

A.提高数据存储效率

B.增强模型预测精度

C.减少数据传输带宽

D.优化数据可视化效果

解析：数据清洗的核心目的是提升数据质量，消除错误、缺失或冗余信息，从而增强后续分析或建模的准确性。选项B正确，其他选项与数据清洗的直接目标不符。

2.以下哪种方法不属于特征工程中的特征变换技术？

A.标准化（Z-scorenormalization）

B.对数变换（logtransformation）

C.主成分分析（PCA）

D.独热编码（One-hotencoding）

解析：特征变换包括数值型特征的缩放（如标准化、归一化）和分布调整（如对数变换）。PCA属于降维技术，独热编码属于类别特征编码，两者不属于特征变换范畴。

3.在数据科学报告中，如何描述模型的过拟合现象？

A.模型在训练集上表现极差

B.模型在测试集上误差显著高于训练集

C.模型训练时间过长

D.模型参数数量过少

解析：过拟合指模型对训练数据过度拟合，导致泛化能力下降。典型表现为训练集误差极小而测试集误差较大（选项B