2025年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（1021）.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）

以下哪项不属于数据清洗的常见操作？

A.处理缺失值

B.纠正异常值

C.去除重复记录

D.直接使用原始数据建模

答案：D

解析：数据清洗的核心是提升数据质量，包括处理缺失值（A）、纠正异常值（B）、去除重复记录（C）等操作。直接使用原始数据建模（D）可能因数据质量问题导致模型效果差，不属于数据清洗操作。

以下属于监督学习算法的是？

A.K-means聚类

B.支持向量机（SVM）

C.主成分分析（PCA）

D.Apriori关联规则

答案：B

解析：监督学习需要标签数据，目标是预测未知样本的标签。SVM（B）通过有标签数据训练分类或回归模型。K-means（A）、PCA（C）、Apriori（D）均为无监督学习算法，无需标签。

皮尔逊相关系数的取值范围是？

A.[0,1]

B.[-∞,+∞]

C.[-1,1]

D.[0,+∞]

答案：C

解析：皮尔逊相关系数衡量两个变量的线性相关程度，取值范围严格在[-1,1]之间（C）。绝对值越接近1，线性相关性越强；0表示无线性相关。

分类模型中，F1分数的计算基于以下哪两个指标？

A.准确率与召回率

B.精确率与准确率

C.准确率与AUC

D.精确率与召回率

答案：D

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均，公式为(F1=2)（D）。准确率（Accuracy）是总体正确比例，与F1无直接计算关系。

独热编码（One-HotEncoding）最适用于以下哪种类型的特征？

A.无序类别特征（如性别：男/女）

B.有序类别特征（如教育程度：小学/中学/大学）

C.连续数值特征（如年龄）

D.文本特征（如用户评论）

答案：A

解析：独热编码通过二进制向量表示类别，适用于无顺序关系的类别特征（如性别）（A）。有序类别特征更适合用序数编码，连续特征需分箱或标准化，文本特征需词向量等处理。

Hadoop框架的核心组件是？

A.SparkCore与RDD

B.HDFS与MapReduce

C.Flink与流处理

D.Hive与数据仓库

答案：B

解析：Hadoop的核心是分布式文件系统HDFS（存储）和MapReduce（计算）（B）。Spark（A）、Flink（C）是独立计算框架，Hive（D）是Hadoop上层的数据仓库工具。

以下哪项是解决模型过拟合的有效方法？

A.减少训练数据量

B.增加模型复杂度（如深层神经网络）

C.引入L2正则化

D.降低特征维度

答案：C

解析：过拟合因模型对训练数据过度学习，解决方法包括增加数据量（A错误）、降低模型复杂度（B错误）、正则化（C正确）、早停法等。降低特征维度（D）可能丢失关键信息，不一定有效。

在Python的pandas库中，df.dropna()的作用是？

A.删除重复行

B.填充缺失值

C.按条件筛选行

D.删除包含缺失值的行

答案：D

解析：df.dropna()默认删除所有包含缺失值（NaN）的行（D）。删除重复行用df.drop_duplicates()（A），填充缺失值用df.fillna()（B），筛选行用df[df.条件]（C）。

假设检验中，p值越小说明？

A.越有理由拒绝原假设

B.越有理由接受原假设

C.样本量越大

D.效应量越小

答案：A

解析：p值是原假设成立时观察到极端结果的概率，p值越小（如0.05），越不符合原假设，越有理由拒绝原假设（A）。样本量（C）和效应量（D）与p值相关但非直接结论。

数据可视化的核心目标是？

A.使用复杂图表类型（如3D图）

B.清晰传达数据中的关键信息

C.展示所有数据细节

D.符合设计美学标准

答案：B

解析：数据可视化的核心是通过图形化手段高效传达数据中的模式、趋势或异常（B）。复杂图表（A）可能干扰理解，展示所有细节（C）易导致信息过载，美学（D）是辅助而非核心。

二、多项选择题（共10题，每题2分，共20分）

数据科学项目的典型流程包括以下哪些步骤？

A.业务需求分析

B.数据采集与存储

C.探索性数据分析（EDA）

D.模型训练与调优

E.模型部署与监控

答案：ABCDE

解析：完整的数据科学流程包括需求分析（A）→数据采集（B）→清洗与EDA（C）→特征工程→模型训练（D）→评估优化→部署监控（E），所有选项均为关键步骤。

以下属于监督学习任务的有？

A.决策树分类

B.逻辑回归预测

C.支持向量机（SVM）回归

D.K-means聚类

答案：ABC

解析：监督学习需标签数据，目标是预测（分类/回归）。决策树（A）、逻辑回归（B）、SVM回归