2026年数据分析师笔试模拟题精

2026年数据分析师笔试模拟题精一、选择题（共5题，每题2分，共10分）1.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通常效果最好？A.删除含有缺失值的样本B.使用均值/中位数/众数填充C.使用K-近邻（KNN）填充D.插值法2.以下哪种指标最适合衡量分类模型的预测准确率，尤其是在类别不平衡的情况下？A.准确率（Accuracy）B.精确率（Precision）C.召回率（Recall）D.F1分数3.在时间序列分析中，如果数据呈现明显的季节性波动，最适合使用的模型是？A.ARIMA模型B.线性回归模型C.Prophet模型D.逻辑回归模型4.以下哪种数据可视化方法最适合展示不同类别之间的数量对比？A.散点图B.热力图C.柱状图D.箱线图5.在数据清洗过程中，以下哪种操作属于异常值检测的常用方法？A.标准化B.箱线图分析C.数据类型转换D.空值填充二、填空题（共5题，每题2分，共10分）1.在进行特征工程时，通过组合多个特征生成新特征的方法称为__________。2.评估分类模型性能时，混淆矩阵中的__________表示真正例（TP）占实际正例的比例。3.在A/B测试中，为了控制实验结果受随机因素影响，通常采用__________方法来分配用户。4.时间序列数据中的“趋势”是指数据在长期内呈现的__________或下降状态。5.当数据分布极度偏斜时，使用__________方法比均值更稳定地反映数据的中心位置。三、简答题（共4题，每题5分，共20分）1.简述数据分析师在业务问题中如何应用“假设检验”？（要求：结合实际业务场景说明假设检验的步骤和意义。）2.解释“数据标签化”在机器学习中的重要性，并列举两种常见的标签化方法。（要求：说明标签化如何影响模型训练和业务决策。）3.为什么在进行特征选择时，不能单纯依赖特征重要性排序？请结合实际案例说明。（要求：分析单一排序指标的局限性。）4.在电商平台中，如何通过数据分析优化“商品推荐系统”？请列举至少三种关键指标。（要求：结合用户行为数据和业务目标说明。）四、计算题（共2题，每题10分，共20分）1.假设某电商平台的用户购买行为数据如下表所示：|用户ID|是否购买|年龄|收入（万元）|购买前浏览时长（分钟）||--|-||-|-||1|是|25|5|10||2|否|32|3|5||3|是|28|7|15||4|否|40|2|3||5|是|22|4|8|要求：-计算年龄和收入的平均值；-使用逻辑回归模型（假设已计算得到系数）预测用户购买概率，公式为：`P(购买)=1/(1+exp(-(β0+β1年龄+β2收入)))`，其中β0=-1.5,β1=0.1,β2=0.5。-分析预测结果并解释模型对用户购买行为的解释力。2.某城市共享单车骑行数据如下（单位：辆）：|日期|骑行量|温度（℃）|是否节假日|||--|--|||2023-01-01|1200|5|否||2023-01-02|1500|7|否||2023-01-03|1800|6|是||2023-01-04|1100|2|否||2023-01-05|2000|9|是|要求：-建立简单的线性回归模型（以骑行量为因变量，温度和是否节假日为自变量），假设模型系数为：`骑行量=1000+100温度+500是否节假日`；-解释温度和节假日对骑行量的影响程度；-若某日温度为8℃，且为节假日，预测当天的骑行量。五、分析题（共2题，每题15分，共30分）1.某零售企业希望通过数据分析提升用户复购率。已知当前用户复购率为30%，而行业平均水平为40%。要求：-设计一个A/B测试方案，验证新推荐算法是否能有效提升复购率；-列出关键实验指标和假设检验的步骤；-分析可能存在的实验偏差（如选择偏差、时间偏差等）并提出改进措施。2.某外卖平台发现，高峰时段（如晚上8-10点）订单量激增，但配送效率下降。要求：-列举至少三种可能的原因，并说明如何通过数据分析验证；-设计一个优化配送效率的方案，需结合用户行为数据和商家数据；-说明如何评估优化效果（需定义量化指标）。答案与解析一、选择题1.C-解析：在数据量较大且缺失比例不高时，KNN填充能保留更多样本信息，效果优于均值填充或删除。插值法适用于时间序列，但适用场景有限。2.D-解析：F1分数是精确率和召回率的调和平均，适用于类别不平衡场景；准确率易受多数类影响，精确率/召回率单一维度无法全面反映模型性能。3.C-解析：Prophet模型专为处理具有趋势和季节性的时间序列设计，灵活且鲁棒。ARIMA需先判断数据是否平稳，线性回归忽略季节性。4.C-解析：柱状图直观展示类别数量对比，热力图适合矩阵数据，散点图用于关系分析，箱线图侧重分布差异。5.B-解析：箱线图通过四分位数和IQR识别异常值，是数据清洗中的常用方法。标准化、数据类型转换与异常值检测关联性较弱。二、填空题1.特征组合-解析：如“用户年龄收入”组合特征，常用于提升模型预测能力。2.召回率（Recall）-解析：召回率=TP/(TP+FN)，反映模型检出正例的能力。3.随机分配-解析：如分层抽样或随机分组，确保各组用户特征分布一致。4.上升/下降趋势-解析：趋势指长期方向性变化，需剔除短期波动。5.中位数-解析：中位数对极端值不敏感，偏斜分布下更稳定。三、简答题1.假设检验在业务中的应用-步骤：提出零假设（如“新策略无效果”），收集数据计算统计量，对比P值与显著性水平（如α=0.05），判断是否拒绝零假设。-案例：某银行通过A/B测试验证“短信提醒能提升信用卡还款率”，若P值<0.05则推翻零假设，建议推广。2.数据标签化的重要性与方法-重要性：机器学习依赖标签分类/回归，标签质量直接影响模型效果。-方法：-人工标注（适用于医疗影像等高精度场景）；-半监督学习（利用少量标签和大量无标签数据）。3.特征选择单一排序的局限性-案例：电商用户行为数据中，“购买次数”可能因用户基数大而高，但未必是关键特征。需结合业务场景综合判断（如考虑特征间的交互）。4.商品推荐系统优化-关键指标：-点击率（CTR）：衡量推荐吸引力；-转化率（CVR）：反映推荐商品与用户需求的匹配度；-留存率：用户持续使用系统的意愿。-优化方向：结合协同过滤和深度学习模型，动态调整推荐策略。四、计算题1.逻辑回归预测-平均值：年龄=25+32+28+40+22/5=28；收入=5+3+7+2+4/5=4；-预测概率：用户1：P=1/(1+exp(-(-1.5+0.125+0.55)))≈0.78；用户5：P=1/(1+exp(-(-1.5+0.122+0.54)))≈0.65；-解释力：模型通过年龄和收入差异解释购买行为，系数正负反映影响方向。2.线性回归预测-公式：骑行量=1000+100温度+500是否节假日；-影响程度：温度系数（100）>节假日系数（500），说明温度变化对骑行量的边际影响更大；-预测：温度8℃，节假日=1→骑行量=1000+1008+5001=1800辆。五、分析题1.A/B测试设计-方案：-分组：随机将用户分为对照组（旧算法）和实验组（新算法），每组各50%用户；-指标：复购率、点击率、浏览-购买路径转化率；-假设检验：H0：两组复购率无差异；若实验组复购率显著高于对照组（P<0.05），则接受新算法。-偏差控制：-选择偏差：通过分层抽样确保两组用户属性（如新老用户比例）一致；-时间偏差：避免在节假日等特殊时段测试，或设置平滑窗口期。2.配送效率优化-原因分析：-需求激增：高峰时段订单集