2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0906）.docxVIP

2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0906）

数据科学专业认证（CDSP）考试试卷

一、单项选择题（共10题，每题1分，共10分）

在数据预处理中，以下哪项是处理缺失值的常用方法？

A.移除所有包含缺失值的行

B.用随机猜测值填充

C.使用中位数或众数进行填充

D.忽略缺失值并直接建模

答案：C

解析：在数据科学中，处理缺失值时应优先选择稳健的方法。C正确，因为中位数或众数填充能减少异常值影响，是统计学中的标准实践，适用于数值或分类特征。A错误，盲目删除行可能导致数据损失偏差；B错误，随机填充会增加噪声和不稳定性；D错误，忽略会引入模型偏差。

监督学习与无监督学习的主要区别在于：

A.监督学习不需要特征工程

B.无监督学习总是用于分类问题

C.监督学习使用标签数据进行训练

D.无监督学习不需要数据预处理

答案：C

解析：监督学习（如回归、分类）依赖标签数据进行训练，而无监督学习（如聚类）不依赖标签。C正确，这定义是机器学习基础。A错误，两种方法都需要特征工程；B错误，无监督学习可用于聚类或降维；D错误，任何学习都需要预处理以确保数据质量。

在Python中，用于数据框操作的核心库是：

A.NumPy

B.Matplotlib

C.Pandas

D.Scikit-learn

答案：C

解析：Pandas是专门用于数据操作（如数据帧）的核心库。C正确，其提供read_csv、groupby等功能，广泛应用于数据清洗。A错误，NumPy主要用于数值计算；B错误，Matplotlib用于可视化；D错误，Scikit-learn专注于机器学习算法。

混淆矩阵中，真阳性率（TPR）的计算公式是：

A.TP/(TP+FP)

B.TP/(TP+FN)

C.TN/(TN+FP)

D.FP/(TP+FP)

答案：B

解析：TPR即召回率，定义为TP/(TP+FN)，表示实际阳性被正确预测的比例。B正确，源自评估指标标准定义。A错误，那表示精度；C错误，表示特异性；D错误，表示假阳性率。

下列哪种算法属于集成学习方法？

A.K-means

B.线性回归

C.支持向量机

D.随机森林

答案：D

解析：集成学习如随机森林通过多个决策树组合提高性能。D正确，是该方法的代表。A错误，K-means是聚类算法（无监督）；B错误，线性回归是单一模型；C错误，SVM是监督分类/回归算法。

大数据处理中，Hadoop的核心组件包括：

A.YARN和Spark

B.HDFS和MapReduce

C.Kafka和Hive

D.Flink和HBase

答案：B

解析：Hadoop由HDFS（存储）和MapReduce（处理）构成核心架构。B正确，这是大数据基础知识点。A错误，Spark是独立工具；C和D错误，Kafka用于流处理，Hive和Flink是上层工具。

在假设检验中，p值小于显著性水平α表示：

A.接受原假设

B.拒绝备择假设

C.拒绝原假设

D.结论不确定

答案：C

解析：pα时拒绝原假设（如无差异），接受备择假设。C正确，源于统计推断原理。A错误，pα会拒绝原假设；B错误，它是拒绝原假设后的结果；D错误，p值提供了确定性证据。

特征缩放方法中，Min-Max缩放适用于：

A.具有异常值的数据

B.正态分布数据

C.所有特征范围缩放到[0,1]

D.降低维度

答案：C

解析：Min-Max缩放将值线性变换到[0,1]区间。C正确，它适用于距离算法如KNN。A错误，异常值会使缩放失真，首选标准化；B错误，标准化（z-score）更适合正态分布；D错误，缩放不改变维度。

在SQL中，用于过滤查询结果的语句是：

A.SELECT

B.WHERE

C.GROUPBY

D.JOIN

答案：B

解析：WHERE子句用于条件过滤行数据。B正确，SQL基础语法定义。A错误，SELECT选择列；C错误，GROUPBY用于聚合；D错误，JOIN用于表连接。

模型过拟合的典型表现是：

A.训练误差和测试误差都很高

B.训练误差低但测试误差高

C.训练误差高但测试误差低

D.训练误差和测试误差都很低

答案：B

解析：过拟合时模型在训练数据上表现好（低训练误差），但泛化差（高测试误差）。B正确，源自机器学习基本问题。A错误，表示欠拟合；C错误，少见且可能异常；D错误，表示理想拟合。

二、多项选择题（共10题，每题2分，共20分）

下列哪些属于回归问题的评估指标？（多选）

A.精度

B.R-squared

C.均方根误差

D.F1分数

答案：BC

解析：回归问题评估指标包括B（R-squared，衡量拟合优度）和C（RMSE，误差