2026年数据挖掘与数据治理专项训练习题集.docxVIP

2026年数据挖掘与数据治理专项训练习题集

一、单项选择题（本大题共10小题，每小题2分，共20分）

1.在数据挖掘过程中，用于评估模型泛化能力的指标通常不包括以下哪一项？

A.准确率

B.召回率

C.F1分数

D.AUC值

解析：准确率、召回率和F1分数主要用于评估分类模型的性能，而AUC值（AreaUndertheROCCurve）是用于评估模型在不同阈值下的综合性能，更侧重于模型区分能力的全面衡量。泛化能力主要关注模型在未见过数据上的表现，AUC值虽然能反映模型性能，但不是直接评估泛化能力的指标。

2.数据治理中的数据质量维度通常不包括以下哪项？

A.完整性

B.一致性

C.及时性

D.可见性

解析：数据质量维度通常包括完整性（数据是否缺失）、准确性（数据是否正确）、一致性（数据是否矛盾）、及时性（数据是否最新）和有效性（数据是否符合预期格式）。可见性不属于标准的数据质量维度，而是数据可访问性的概念。

3.在数据预处理阶段，用于处理缺失值的多重插补法（MultipleImputation）的核心思想是：

A.用均值或中位数填充所有缺失值

B.基于其他变量生成多个可能的缺失值填充值

C.删除包含缺失值的记录

D.用回归模型预测缺失值

解析：多重插补法通过模拟缺失值的多