2026年数据分析师建模能力题库

2026年数据分析师建模能力题库一、选择题（每题2分，共10题）1.在构建客户流失预测模型时，以下哪种特征工程方法最适合处理缺失值？A.均值填充B.回归插补C.KNN填充D.删除缺失值2.对于金融风控场景，逻辑回归模型相比随机森林模型的优点是什么？A.更易处理高维数据B.具有更好的鲁棒性C.可解释性更强D.预测速度更快3.在时间序列预测中，ARIMA模型的适用条件是什么？A.数据需平稳B.数据需非平稳C.数据需正态分布D.数据需线性关系4.在电商用户行为分析中，如何衡量用户活跃度？A.购买频率B.浏览时长C.页面跳出率D.以上都是5.在异常检测中，孤立森林算法的核心思想是什么？A.密度聚类B.基于树的结构隔离异常点C.基于距离的度量D.基于统计检验二、填空题（每题3分，共5题）6.在特征选择中，Lasso回归通过__________惩罚实现特征稀疏化。（答案：L1正则化）7.在A/B测试中，若P值小于0.05，通常认为__________具有统计显著性。（答案：实验组效果优于对照组）8.在梯度提升树（GBDT）中，__________是控制模型复杂度的超参数。（答案：树的最大深度）9.在协同过滤推荐系统中，__________常用于衡量用户相似度。（答案：余弦相似度）10.在处理分类不平衡问题时，__________是一种常用的过采样方法。（答案：SMOTE）三、简答题（每题5分，共5题）11.简述K-means聚类算法的步骤及其优缺点。（答案：K-means步骤：①随机选择K个点作为初始聚类中心；②将每个点分配到最近的聚类中心；③更新聚类中心；④重复②③直到收敛。优点：计算效率高、易于实现；缺点：对初始值敏感、无法处理非凸形状的聚类。）12.解释交叉验证（Cross-Validation）的作用及其常见方法。（答案：作用：通过多次训练和验证，评估模型的泛化能力，防止过拟合。常见方法：①K折交叉验证；②留一法交叉验证。）13.描述逻辑回归模型的假设条件及其在实际应用中的检验方法。（答案：假设条件：①线性关系、②独立性、③正态性、④等方差性。检验方法：残差分析、Wald检验。）14.在用户画像构建中，如何处理高维稀疏数据？（答案：①降维技术（PCA、t-SNE）；②特征选择（Lasso、RFE）；③稀疏矩阵处理（UMAP）。）15.解释“过拟合”和“欠拟合”的区别，并说明如何解决。（答案：过拟合：模型对训练数据拟合过度，泛化能力差；欠拟合：模型过于简单，未能捕捉数据规律。解决方法：①过拟合：增加数据量、正则化（L1/L2）；②欠拟合：增加模型复杂度、特征工程。）四、计算题（每题10分，共2题）16.假设某电商平台用户购买行为数据如下：|用户ID|年龄|购买次数|是否流失|--||-|-||1|25|3|是||2|35|1|否||3|28|5|否||4|40|2|是|（1）计算年龄与购买次数的相关系数；（2）用逻辑回归预测用户流失概率，假设模型为：P(流失)=1/(1+exp(-(β0+β1年龄+β2购买次数))），β0=-1.5,β1=0.05,β2=0.1，预测用户ID=2的流失概率。17.某城市交通流量数据如下：|时间|流量（辆/小时）|||--||8|1200||9|1500||10|1800||11|1600|（1）用简单线性回归拟合流量与时间的函数关系；（2）预测12点的交通流量。五、综合应用题（每题15分，共2题）18.某零售企业希望通过用户购买历史数据构建推荐系统。（1）简述协同过滤的两种主要方法及其优缺点；（2）假设用户A购买了商品X、Y，用户B购买了商品X、Z，商品X、Y、Z的共现矩阵如下：|商品|X|Y|Z|||||||用户A|1|1|0||用户B|1|0|1|计算用户A对商品Z的推荐得分（使用余弦相似度）。19.某银行希望预测客户违约风险。（1）简述异常检测在信用风险评估中的应用场景；（2）假设某客户数据如下：|特征|年龄|收入|负债率|违约记录（1为是，0为否）|||||--|--||1|45|5000|0.3|0||2|32|3000|0.5|1|使用孤立森林算法，假设树深度为2，计算客户1的异常得分。答案与解析选择题1.C；2.C；3.A；4.D；5.B填空题6.L1正则化；7.实验组效果优于对照组；8.树的最大深度；9.余弦相似度；10.SMOTE简答题11.K-means步骤：①随机选择K个点作为初始聚类中心；②将每个点分配到最近的聚类中心；③更新聚类中心；④重复②③直到收敛。优点：计算效率高、易于实现；缺点：对初始值敏感、无法处理非凸形状的聚类。12.交叉验证的作用：通过多次训练和验证，评估模型的泛化能力，防止过拟合。常见方法：①K折交叉验证；②留一法交叉验证。13.逻辑回归模型的假设条件：①线性关系、②独立性、③正态性、④等方差性。检验方法：残差分析、Wald检验。14.在用户画像构建中，处理高维稀疏数据的方法：①降维技术（PCA、t-SNE）；②特征选择（Lasso、RFE）；③稀疏矩阵处理（UMAP）。15.过拟合：模型对训练数据拟合过度，泛化能力差；欠拟合：模型过于简单，未能捕捉数据规律。解决方法：①过拟合：增加数据量、正则化（L1/L2）；②欠拟合：增加模型复杂度、特征工程。计算题16.（1）相关系数计算：年龄与购买次数的样本均值分别为(25+35+28+40)/4=32.5和(3+1+5+2)/4=3。协方差=(25-32.5)(3-3)+(35-32.5)(1-3)+(28-32.5)(5-3)+(40-32.5)(2-3)=-10.5。方差为[(25-32.5)^2+(35-32.5)^2+(28-32.5)^2+(40-32.5)^2]/4=56.25。购买次数方差为[(3-3)^2+(1-3)^2+(5-3)^2+(2-3)^2]/4=3。相关系数=-10.5/√(56.253)≈-0.66。（2）流失概率：P(流失)=1/(1+exp(-(-1.5+0.0535+0.11)))≈0.57。17.（1）线性回归：流量=β0+β1时间。斜率β1=(1800-1200)/(10-8)=300，截距β0=1200-3008=-1200。函数关系：流量=-1200+300时间。（2）12点流量：-1200+30012=1800辆/小时。综合应用题18.（1）协同过滤：①基于用户的协同过滤：计算用户相似度（如余弦相似度），推荐其他相似用户喜欢的商品；②基于物品的协同过滤：计算商品相似度，推荐与用户已购买商品相似的其他商品。优点：简单有效、无需特征工程；缺点：冷启动问题、数据稀疏性。（2）余弦相似度：用户A与商品Z的相似度=(11)/(√(1^2+