2026年数据科学项目实战训练习题集.docxVIP

2026年数据科学项目实战训练习题集

一、单项选择题（每题2分，共20分）

1.在数据科学项目中，特征工程的核心目标是什么？

A.提高模型训练速度

B.增加数据维度以提升模型复杂度

C.通过转换和选择使特征更有效

D.减少数据量以降低存储成本

解析：特征工程旨在通过数据清洗、变换、降维等手段优化特征，使其更符合模型需求，从而提升模型性能。选项A、B、D均偏离特征工程的核心目标，仅C项准确描述了其本质。

2.以下哪种方法不属于集成学习的常见策略？

A.随机森林

B.AdaBoost

C.决策树集成

D.逻辑回归

解析：集成学习通过组合多个弱学习器提升整体性能，随机森林、AdaBoost、决策树集成均属于集成方法。逻辑回归是单一模型，不属于集成策略。

3.在处理时间序列数据时，以下哪个指标最适合衡量模型预测的平滑性？

A.MAE（平均绝对误差）

B.RMSE（均方根误差）

C.MAPE（平均绝对百分比误差）

D.TheilsU

解析：时间序列预测需关注趋势稳定性，MAE对异常值不敏感且计算简单，适合评估平滑性。RMSE对大误差敏感，MAPE受极端值影响，TheilsU适用于比较不同分布。

4.以下哪种算法最适合处