2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1013）.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）

在数据清洗中，处理数值型特征的缺失值时，若该特征存在较多异常值，最合理的填充方法是？

A.用该特征的平均值填充

B.用该特征的中位数填充

C.直接删除缺失值所在行

D.用随机数插值填充

答案：B

解析：中位数对异常值不敏感，能更好反映数据集中趋势（正确）；平均值易受异常值影响（A错误）；直接删除会损失样本信息（C错误）；随机数插值可能破坏数据分布（D错误）。

以下哪项是监督学习的典型任务？

A.客户分群（聚类）

B.预测房价（回归）

C.关联规则挖掘（关联分析）

D.异常检测（无监督）

答案：B

解析：监督学习需要标签数据，房价预测是回归任务（正确）；聚类、关联分析、异常检测均为无监督学习（A/C/D错误）。

评估分类模型时，若关注“正样本被正确识别的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：C

解析：召回率（真阳性率）衡量正样本被正确识别的比例（正确）；准确率是整体正确比例（A错误）；精确率是预测为正的样本中实际为正的比例（B错误）；F1是精确率和召回率的调和平均（D错误）。

以下哪种数据编码方式适用于无序类别特征（如“颜色”：红/蓝/绿）？

A.标签编码（LabelEncoding）

B.独热编码（One-HotEncoding）

C.序数编码（OrdinalEncoding）

D.目标编码（TargetEncoding）

答案：B

解析：无序类别特征需通过独热编码避免引入顺序关系（正确）；标签编码会隐含顺序（A错误）；序数编码适用于有序类别（C错误）；目标编码依赖标签信息（D错误）。

在K近邻（KNN）算法中，增大K值会导致模型：

A.复杂度增加，容易过拟合

B.复杂度降低，容易欠拟合

C.复杂度不变，泛化能力提升

D.对噪声更敏感

答案：B

解析：K值增大时，模型决策边界更平滑，复杂度降低，可能忽略局部特征导致欠拟合（正确）；K值小才易过拟合（A错误）；复杂度与K相关（C错误）；K值小对噪声更敏感（D错误）。

以下哪项不属于数据可视化的基本原则？

A.信息完整性

B.视觉美观性

C.数据真实性

D.维度冗余性

答案：D

解析：可视化应避免冗余维度（正确）；完整性、美观性、真实性均为基本原则（A/B/C错误）。

假设检验中，“拒绝真实的原假设”对应的错误类型是？

A.第Ⅰ类错误（α错误）

B.第Ⅱ类错误（β错误）

C.统计功效（1-β）

D.显著性水平（α）

答案：A

解析：第Ⅰ类错误是“弃真”（正确）；第Ⅱ类错误是“取伪”（B错误）；统计功效是正确拒绝原假设的概率（C错误）；显著性水平是α的阈值（D错误）。

以下哪种机器学习算法属于生成式模型？

A.逻辑回归（判别式）

B.支持向量机（判别式）

C.朴素贝叶斯（生成式）

D.随机森林（判别式）

答案：C

解析：生成式模型学习联合分布P(X,Y)，朴素贝叶斯通过贝叶斯定理推导后验（正确）；其他选项均为判别式模型（学习P(Y|X)）（A/B/D错误）。

在Spark中，RDD的“转换（Transformation）”操作具有以下哪个特性？

A.立即执行计算

B.惰性执行（LazyEvaluation）

C.直接输出结果到磁盘

D.仅支持数值型数据

答案：B

解析：转换操作（如map、filter）不会立即计算，需触发行动（Action）才执行（正确）；行动操作才会立即执行（A错误）；转换不输出结果（C错误）；RDD支持任意类型数据（D错误）。

以下哪项是特征工程中“特征缩放”的主要目的？

A.消除量纲影响，提升模型训练效率

B.增加特征维度，提高模型复杂度

C.减少缺失值，提升数据完整性

D.降低噪声，增强特征可解释性

答案：A

解析：特征缩放（如标准化、归一化）可消除不同特征的量纲差异，避免模型偏向大数值特征（正确）；增加维度是特征构造（B错误）；处理缺失值是数据清洗（C错误）；降低噪声是特征选择（D错误）。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于数据清洗范畴的操作有？

A.处理重复值

B.特征分箱

C.纠正异常值

D.填充缺失值

答案：ACD

解析：数据清洗包括处理重复值、异常值、缺失值（正确）；特征分箱属于特征工程（B错误）。

以下哪些指标可用于评估回归模型的性能？

A.均方误差（MSE）

B.R2决定系数

C.混淆矩阵

D.平均绝对误差（MAE）

答案：ABD

解析：MSE、MAE、R2是回归常用指标（正确）；混淆矩阵用于分类（C错误）