2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0928）.docxVIP

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）

以下哪项是数据清洗中处理缺失值的最佳实践？

A.直接删除所有含缺失值的行

B.用全局均值填充所有数值型缺失值

C.根据业务场景选择删除、填充或插值

D.忽略缺失值直接建模

答案：C

解析：数据清洗需结合业务场景灵活处理缺失值。A选项可能导致数据大量丢失；B选项忽略了不同特征的分布差异（如年龄和收入均值差异大）；D选项会导致模型偏差。C选项强调场景适配，是正确方法。

线性回归模型中，R2（决定系数）的取值范围是？

A.(-∞,+∞)

B.[0,1]

C.[-1,1]

D.[0,+∞)

答案：B

解析：R2衡量模型对因变量变异的解释比例，计算为1-(残差平方和/总平方和)，总平方和非负，因此R2∈[0,1]。A、C、D均不符合数学定义。

以下哪项不是监督学习的典型任务？

A.预测房价（回归）

B.图像分类（分类）

C.用户分群（聚类）

D.情感分析（文本分类）

答案：C

解析：监督学习需要标签数据，聚类（如K-means）是无监督学习任务。A、B、D均有明确标签（房价数值、类别标签、情感极性）。

以下哪种数据库适合存储时序数据（如传感器日志）？

A.关系型数据库（MySQL）

B.键值数据库（Redis）

C.列存储数据库（HBase）

D.时序数据库（InfluxDB）

答案：D

解析：时序数据具有时间戳、高写入频率、范围查询为主的特点。时序数据库（如InfluxDB）针对时间序列优化了存储和查询效率，其他类型数据库无此特性。

数据可视化中，展示不同类别间数值对比最适合的图表是？

A.折线图

B.柱状图

C.散点图

D.热力图

答案：B

解析：柱状图通过柱高直观比较类别间数值差异；折线图侧重趋势，散点图展示变量关系，热力图用于二维密度分布，均不适合类别对比。

特征工程中，对“用户注册时间（2023-01-0114:30:00）”进行特征提取时，以下哪项最无价值？

A.提取小时（14）

B.提取是否为工作日

C.提取年份（2023）

D.提取时间戳的哈希值

答案：D

解析：哈希值破坏了时间的顺序和周期性，无法反映时间与目标变量的关联；A（小时影响用户活跃）、B（工作日/周末行为差异）、C（年份可能反映业务阶段）均有业务意义。

贝叶斯定理中，P(A|B)=P(B|A)P(A)/P(B)，其中P(A)被称为？

A.后验概率

B.似然概率

C.先验概率

D.边缘概率

答案：C

解析：P(A)是实验前对A的先验信念；P(B|A)是似然，P(A|B)是后验，P(B)是边缘概率。

正则化（Regularization）的主要目的是？

A.提高模型训练速度

B.减少模型过拟合

C.增加模型复杂度

D.解决类别不平衡

答案：B

解析：正则化通过添加惩罚项（如L1/L2）限制模型参数复杂度，防止模型过度拟合训练数据；A是优化器的作用，C与正则化目标相反，D需用采样或加权损失解决。

以下哪项不属于Hadoop生态核心组件？

A.HDFS

B.MapReduce

C.Spark

D.YARN

答案：C

解析：Hadoop核心是HDFS（存储）、MapReduce（计算）、YARN（资源管理）；Spark是独立的大数据计算框架，属于Hadoop生态扩展但非核心。

A/B测试中，若实验组与对照组的差异在统计上显著（p0.05），意味着？

A.差异由随机因素导致的概率低于5%

B.实验组效果一定优于对照组

C.测试样本量足够大

D.无需考虑业务显著性

答案：A

解析：p值表示“原假设（无差异）成立时观察到当前差异的概率”，p0.05说明随机因素导致差异的概率5%；B未考虑方向（可能更差），C样本量需通过功效分析确定，D需同时关注统计与业务显著性。

二、多项选择题（共10题，每题2分，共20分）

以下属于分类算法的有？（至少2个正确选项）

A.逻辑回归（LogisticRegression）

B.支持向量机（SVM）

C.线性回归（LinearRegression）

D.决策树（DecisionTree）

答案：ABD

解析：分类算法输出离散类别，逻辑回归（二分类）、SVM（分类/回归）、决策树（分类/回归）均可用于分类；线性回归输出连续值，是回归算法。

数据可视化的基本原则包括？

A.准确传达数据信息

B.尽可能使用3D效果提升美观

C.避免误导性图表设计（如截断纵轴）

D.每个图表仅表达一个核心观点

答案：ACD

解析：可视化核心是清晰传递信息，3D效果可能扭曲数据（如柱状图3D倾斜导致高度误判），是常见误区；A、C、D均为《数据可视化实战》中的基本原则