2025年数据建模工程师考试题库（附答案和详细解析）（0929）.docxVIP

数据建模工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种方法最适合处理数值型特征中的异常值？

A.直接删除所有包含异常值的样本

B.将异常值替换为该特征的均值

C.基于IQR（四分位距）确定上下限后截断

D.对异常值所在特征进行对数变换

答案：C

解析：直接删除样本（A）可能导致数据丢失过多；均值易受异常值影响（B），替换后可能扭曲分布；对数变换（D）适用于处理右偏分布，无法直接解决异常值问题。基于IQR的截断（C）是常用方法，通过Q1-1.5IQR和Q3+1.5IQR确定合理范围，保留样本同时修正极端值。

在分类任务中，若正负样本比例为1:100（正样本为少数类），最不适合的评估指标是？

A.准确率（Accuracy）

B.F1分数

C.ROC-AUC

D.召回率（Recall）

答案：A

解析：当类别极不平衡时，准确率（A）会因多数类的高占比被高估（如全预测为负样本时准确率仍接近99%）；F1（B）综合了精确率和召回率，ROC-AUC（C）关注排序能力，召回率（D）关注正样本覆盖，均能有效评估少数类问题。

以下哪种模型最适合处理时间序列预测任务？

A.逻辑回归

B.随机森林

C.LSTM神经网络

D.K-means聚类

答案：C

解析：逻辑回归（A）和随机森林（B）是静态模型，无法捕捉时间序列的时序依赖；K-means（D）是聚类算法，不用于预测；LSTM（C）通过循环单元记忆长期依赖，是时间序列预测的经典模型。

特征重要性分析中，SHAP值的核心作用是？

A.计算特征与目标变量的线性相关性

B.解释单个预测结果中各特征的贡献

C.筛选方差大于阈值的特征

D.评估特征的缺失率

答案：B

解析：线性相关性（A）由皮尔逊系数衡量；方差筛选（C）是特征选择的简单方法；缺失率（D）是数据质量指标。SHAP（SHapleyAdditiveexPlanations）值（B）通过博弈论原理，量化每个特征对单个预测结果的贡献，实现模型可解释性。

以下哪项不是过拟合的典型表现？

A.训练集准确率95%，测试集准确率70%

B.模型在简单数据上的泛化能力差

C.模型参数数量远大于样本量

D.交叉验证的各折准确率波动小

答案：D

解析：过拟合时模型对训练数据过度适应，训练集表现远好于测试集（A），泛化能力差（B），参数过多（C）是过拟合的诱因。交叉验证各折准确率波动小（D）是模型稳定的表现，与过拟合无关。

在回归任务中，均方误差（MSE）的主要缺点是？

A.对异常值不敏感

B.无法反映预测值的绝对误差

C.量纲与目标变量不一致

D.对大误差的惩罚过重

答案：D

解析：MSE计算误差的平方，会放大较大误差的影响（如误差2的平方是4，误差3的平方是9），导致对大误差惩罚过重（D）；MSE对异常值敏感（A错误），能反映绝对误差的平方（B错误），量纲是目标变量的平方（C错误）。

以下哪种特征工程方法属于非线性变换？

A.对年龄特征进行分箱（如0-18,19-30等）

B.对收入特征进行标准化（Z-score）

C.计算用户月均消费与年均消费的比值

D.对类别特征进行独热编码（One-Hot）

答案：A

解析：分箱（A）将连续变量离散化为多个区间，破坏了原始线性关系，属于非线性变换；标准化（B）、特征比值（C）、独热编码（D）均保持线性关系（或仅增加维度）。

集成学习中，Bagging（自助采样集成）的核心目的是？

A.降低模型的偏差（Bias）

B.减少模型的方差（Variance）

C.提升模型的计算效率

D.增强模型的可解释性

答案：B

解析：Bagging通过自助采样生成多个子模型，通过投票或平均降低个体模型的方差（B）；降低偏差（A）是Boosting的目标；计算效率（C）可能因并行训练提升，但非核心；可解释性（D）通常因模型集成而下降。

以下哪类问题不适合用无监督学习解决？

A.客户分群（识别不同消费习惯的客户群体）

B.图像降噪（去除图片中的随机噪声）

C.预测用户是否会购买某商品

D.文本主题提取（发现文档的隐含主题）

答案：C

解析：无监督学习无需标签，用于分群（A）、降维（B）、主题提取（D）；预测购买行为（C）需要标签（购买/未购买），属于监督学习的分类任务。

数据建模流程中，“特征选择”通常在哪个阶段进行？

A.数据清洗之前

B.模型训练之后

C.数据预处理（如标准化）之后

D.模型评估之后

答案：C

解析：特征选择需在数据清洗（处理缺失、异常值）和预处理（标准化、编码）之后（C），以确保输入特征的质量；在模型训练前完成，用于减少冗余特征、提升效率；模型训练后（B）或评估后（D）再选择特征无意义。

二、多项选择题（共10题