2025年数据建模工程师考试题库（附答案和详细解析）（1120）.docxVIP

数据建模工程师专业能力考试试卷

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解决模型过拟合问题？

A.减少训练数据量

B.增加模型复杂度

C.添加L2正则化项

D.使用更简单的损失函数

答案：C

解析：过拟合的本质是模型对训练数据过度学习，泛化能力差。L2正则化通过在损失函数中添加权重的平方和惩罚项，限制模型参数的大小，从而降低复杂度（正确）。减少训练数据量会加剧过拟合（A错误）；增加模型复杂度会进一步过拟合（B错误）；损失函数的选择与过拟合无直接关联（D错误）。

在二分类任务中，若正类样本极少，最不适合的评估指标是？

A.准确率

B.F1-score

C.召回率

D.AUC-ROC

答案：A

解析：准确率=（TP+TN）/总样本，当正类极少时（如1%），即使模型全预测为负类，准确率仍可达99%，无法反映真实性能（A错误）。F1-score平衡精确率和召回率（B正确）；召回率关注正类覆盖（C正确）；AUC-ROC对类别不平衡不敏感（D正确）。

随机森林（RandomForest）的核心思想是？

A.多个弱分类器线性组合

B.基分类器间存在强依赖关系

C.对样本和特征同时进行随机抽样

D.通过梯度下降优化损失函数

答案：C

解析：随机森林通过Bagging方法，对样本（Bootstrap抽样）和特征（随机选择子集）同时随机化，构建多个决策树并集成（C正确）。线性组合是线性模型的特点（A错误）；强依赖是Boosting（如XGBoost）的特点（B错误）；梯度下降是单模型优化方法（D错误）。

对类别型特征“职业”（包含5个取值）进行独热编码（One-HotEncoding）后，特征维度会增加？

A.4维

B.5维

C.6维

D.不增加

答案：A

解析：独热编码对n个类别的特征生成n-1个新特征（避免多重共线性），因此5个取值生成4维（A正确）。若未处理多重共线性则为5维，但工程实践中通常保留n-1维（B错误）。

以下哪项不属于数据清洗的核心任务？

A.处理缺失值

B.去除异常值

C.特征标准化

D.纠正数据记录错误

答案：C

解析：数据清洗主要解决数据质量问题（缺失、异常、错误），特征标准化属于数据变换（C错误）。A、B、D均为数据清洗内容（正确）。

逻辑回归（LogisticRegression）的输出是？

A.类别标签（0/1）

B.概率值（[0,1]区间）

C.对数几率（logodds）

D.特征重要性得分

答案：B

解析：逻辑回归通过sigmoid函数将线性组合映射到[0,1]区间，表示正类概率（B正确）。类别标签是阈值划分后的结果（A错误）；对数几率是sigmoid的输入（C错误）；特征重要性需额外计算（D错误）。

在时间序列预测中，使用“前向填充”（ForwardFill）处理缺失值可能导致？

A.引入未来信息

B.低估数据波动

C.高估数据趋势

D.不影响模型性能

答案：B

解析：前向填充用最近的历史值填充，会平滑数据，可能掩盖真实波动（B正确）。引入未来信息是后向填充的问题（A错误）；高估趋势需看具体数据分布（C错误）；必然影响模型（D错误）。

以下哪种算法属于生成式模型？

A.支持向量机（SVM）

B.朴素贝叶斯（NaiveBayes）

C.梯度提升树（GBDT）

D.K近邻（KNN）

答案：B

解析：生成式模型学习联合概率P(X,Y)，朴素贝叶斯通过贝叶斯定理计算P(Y|X)（B正确）。判别式模型学习条件概率P(Y|X)或决策边界（A、C、D错误）。

特征分箱（Binning）的主要目的是？

A.减少计算复杂度

B.增强特征的非线性表达

C.消除量纲影响

D.提高模型训练速度

答案：B

解析：分箱将连续特征离散化，引入非线性关系（如年龄分箱为“青年/中年/老年”），提升模型对非线性模式的捕捉能力（B正确）。减少复杂度是特征选择的目的（A错误）；消除量纲靠标准化（C错误）；训练速度与分箱无直接关联（D错误）。

模型部署时，以下哪项是关键考虑因素？

A.训练集的特征分布

B.推理延迟

C.模型在验证集的准确率

D.超参数的调优范围

答案：B

解析：部署阶段需关注实际应用中的性能，如推理速度（延迟）、资源占用、接口稳定性等（B正确）。训练集分布、验证集准确率是训练阶段的指标（A、C错误）；超参数调优在训练前完成（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于数据预处理步骤的有？（）

A.缺失值填充

B.特征标准化

C.标签编码（LabelEncoding）

D.异常值检测

答案：ABCD

解析：数据预处理包括数据清洗（缺失值、异常值）、数据变换（标准化、编码）等，所有选项