考试题集进阶数据分析技能

2026年考试题集：进阶数据分析技能一、选择题（共5题，每题2分，计10分）1.在处理大规模数据集时，以下哪种方法最适合用于快速识别数据中的异常值？A.简单统计描述（均值、中位数）B.简单箱线图分析C.高斯分布假设下的Z-score检测D.基于密度的离群点检测算法（如DBSCAN）2.在某电商平台的用户行为分析中，如何有效衡量用户“粘性”？A.仅用购买频次（每周购买次数）B.结合购买频次与客单价计算RFM值C.仅用用户活跃时长（每日登录次数）D.以上方法均不适用3.在进行时间序列预测时，以下哪种模型对具有显著季节性变化的场景效果最佳？A.ARIMA模型B.线性回归模型C.LSTM神经网络D.Prophet时间序列预测工具4.在数据可视化中，以下哪种图表最适合展示不同部门在年度预算执行进度上的对比？A.散点图B.饼图C.瀑布图D.柱状图5.在处理缺失值时，以下哪种方法在数据量较大且缺失比例不高的情况下最为稳妥？A.直接删除缺失值B.均值/中位数/众数填充C.基于KNN的插补方法D.使用模型预测缺失值（如XGBoost）二、填空题（共5题，每题2分，计10分）6.在进行特征工程时，通过将两个连续型变量相乘得到的新特征属于______特征。答案：交互7.在Python中，用于进行数据清洗和预处理的标准库是______。答案：Pandas8.在逻辑回归模型中，若某特征的系数为负值，则该特征对预测结果的影响是______。答案：降低9.在数据抽样时，若总体数据存在分层特征（如按地区分类），应优先采用______抽样方法。答案：分层10.在进行A/B测试数据分析时，若两组用户的行为差异显著，应关注______统计指标。答案：p值三、简答题（共4题，每题5分，计20分）11.简述“过拟合”与“欠拟合”在机器学习模型中的表现及解决方法。答案：-过拟合：模型在训练数据上表现极好，但在测试数据上表现差，表现为高方差。解决方法包括：增加数据量、特征选择、正则化（L1/L2）、简化模型复杂度。-欠拟合：模型在训练数据和测试数据上均表现不佳，表现为高偏差。解决方法包括：增加模型复杂度（如提高树深度）、添加更多特征、减少正则化强度。12.在进行用户分群时，常用的聚类算法有哪些？简述K-means算法的核心思想。答案：常用聚类算法：K-means、DBSCAN、层次聚类（AgglomerativeClustering）、高斯混合模型（GMM）。K-means核心思想：将数据划分为k个簇，使每个数据点到其簇中心的距离平方和最小。通过迭代更新簇中心位置，直到收敛。13.在进行假设检验时，如何确定显著性水平（α）？若p值<α，应如何解释结果？答案：显著性水平α通常取0.05、0.01等，需根据业务场景确定。若p值<α，则拒绝原假设，认为结果具有统计显著性。例如，在广告效果测试中，若p<0.05，可认为新广告显著提升了点击率。14.在数据报告中，如何平衡可视化效果与信息传递的准确性？答案：-使用合适的图表类型（如用柱状图展示对比，折线图展示趋势）；-避免误导性视觉元素（如调整坐标轴范围）；-清晰标注单位、标题和图例；-对异常数据单独说明，避免掩盖整体规律。四、计算题（共2题，每题10分，计20分）15.某公司收集了2025年1-6月的销售额数据（单位：万元）：[120,135,110,150,145,160]。假设数据服从正态分布，请计算其：（1）均值、中位数；（2）方差、标准差；（3）若公司设定目标为每月130万元，请计算其月均达标率（保留两位小数）。答案：（1）均值=132.5，中位数=135；（2）方差=312.5，标准差=17.68；（3）达标月数=3（1月、2月、6月），达标率=3/6=50.00%。16.某电商平台的A/B测试中，对照组（旧页面）的转化率为5%，实验组（新页面）为7%，样本量均为1000。请计算：（1）使用二项分布近似计算实验组转化率显著高于对照组的p值（α=0.05）；（2）若使用正态近似，结果是否一致？答案：（1）二项分布计算：p值≈0.0287，拒绝原假设，新页面效果显著；（2）正态近似：Z=(7%-5%)/√[(5%×(1-5%))/1000]=2.23，p值≈0.0258，结果一致。五、实操题（共2题，每题10分，计20分）17.假设你有一份包含用户年龄、性别、消费金额的CSV文件（`user_data.csv`），请用Python完成以下任务：（1）读取数据，筛选年龄大于30岁的用户；（2）计算男性用户的平均消费金额，女性用户的最高消费金额；（3）将结果输出为新的CSV文件（`filtered_data.csv`）。答案（Python伪代码）：pythonimportpandasaspddata=pd.read_csv('user_data.csv')filtered=data[data['年龄']>30]male_avg=filtered[filtered['性别']=='男']['消费金额'].mean()female_max=filtered[filtered['性别']=='女']['消费金额'].max()filtered.to_csv('filtered_data.csv',index=False)18.使用Python中的Matplotlib库，绘制某城市2025年1-6月的气温变化折线图，要求：（1）X轴为月份，Y轴为气温（单位：℃）；（2）添加标题和坐标轴标签；（3）用红色标记异常值（如极端高温）。答案（Python伪代码）：pythonimportmatplotlib.pyplotaspltdata={'月份':[1,2,3,4,5,6],'气温':[5,7,12,18,25,32]}plt.plot(data['月份'],data['气温'],label='气温变化')plt.scatter([5,6],[25,32],color='red',label='异常值')#假设5月和6月为异常plt.title('2025年城市气温变化')plt.xlabel('月份')plt.ylabel('气温(℃)')plt.legend()plt.show()六、论述题（1题，20分）19.在金融风控领域，如何利用数据分析技术构建信用评分模型？请结合实际场景说明关键步骤和注意事项。答案：关键步骤：1.数据收集与清洗：整合用户历史数据（如还款记录、收入水平、负债率），处理缺失值和异常值。2.特征工程：构建关键指标（如逾期率、负债收入比），剔除冗余特征。3.模型选择：常用逻辑回归、XGBoost或深度学习模型。4.验证与调优：使用交叉验证评估模