2026年河北邢台市中国算师职业资格试题(准算师算模型与数据分析)模拟题(附答案)

2026年河北邢台市中国算师职业资格试题(准算师算模型与数据分析)模拟题(附答案)一、单项选择题（每题2分，共20题，合计40分）1.某电商平台用户行为数据中，"下单时间"字段存在15%的缺失值，且缺失模式显示周末缺失率显著高于工作日。最合理的缺失值处理方法是（）A.直接删除缺失行B.用全局均值填充C.按工作日/周末分组计算时间均值填充D.用最近邻插值法填充2.某数据集服从正态分布N(μ=50,σ²=16)，则数据落在[42,58]区间的概率约为（）A.68.27%B.95.45%C.99.73%D.89.64%3.评估分类模型时，若实际为正类的样本中被正确预测的比例为0.8，实际为负类的样本中被错误预测为正类的比例为0.1，则模型的F1值为（）（假设正负样本比例1:1）A.0.727B.0.812C.0.889D.0.9094.时间序列分解中，某地区月用电量数据呈现每年7-8月用电量显著高于其他月份的特征，这反映的是（）A.长期趋势B.循环波动C.季节变动D.不规则波动5.在多元线性回归模型中，若某自变量的VIF值为8.5，说明可能存在（）A.异方差性B.多重共线性C.自相关性D.模型欠拟合6.某机器学习模型在训练集上的准确率为92%，在测试集上的准确率为68%，最可能的原因是（）A.数据泄露B.过拟合C.欠拟合D.标签错误7.对某连续变量进行分箱处理时，采用卡方分箱法的核心目标是（）A.使各箱内数据分布均匀B.使箱间差异最大化，箱内差异最小化C.保持变量的单调性D.减少计算复杂度8.某二分类问题中，真实标签为[1,0,1,1,0]，模型预测概率为[0.7,0.3,0.6,0.4,0.8]（阈值0.5），则模型的精确率为（）A.0.6B.0.75C.0.8D.0.8339.在ARIMA(p,d,q)模型中，d表示的是（）A.自回归阶数B.差分次数C.移动平均阶数D.季节周期数10.进行A/B测试时，若实验组与对照组的样本量分别为1000和1000，显著性水平设为0.05，检测效力设为0.8，此时能检测到的最小效应量主要取决于（）A.样本量B.显著性水平C.检测效力D.数据方差11.某企业客户价值数据中，"月均消费金额"的偏度系数为2.3，峰度系数为5.8，说明该变量分布（）A.左偏，尖峰B.右偏，尖峰C.左偏，平峰D.右偏，平峰12.在决策树算法中，使用信息增益率而不是信息增益的主要原因是（）A.避免过拟合B.处理连续变量C.防止对取值较多的特征偏好D.提高计算效率13.对某时序数据进行ADF检验时，得到p值为0.01，说明该序列（）A.存在单位根，非平稳B.不存在单位根，平稳C.存在自相关性D.存在异方差性14.某线性回归模型的残差图显示，残差随预测值增大而呈现扩散趋势，最可能的问题是（）A.多重共线性B.异方差性C.自相关性D.模型设定错误15.计算两个变量的Spearman相关系数时，不需要满足的条件是（）A.变量间存在线性关系B.变量为有序数据C.数据无极端异常值D.变量为连续或等级变量16.在K-means聚类中，若选择K=5时的轮廓系数为0.4，K=6时为0.35，K=4时为0.42，则最优聚类数应为（）A.4B.5C.6D.无法确定17.某分类模型的ROC曲线下面积（AUC）为0.85，说明（）A.模型分类性能优秀B.模型在所有阈值下都优于随机猜测C.正类样本被正确分类的比例为85%D.模型在平衡正负样本时表现最佳18.进行主成分分析（PCA）时，若前3个主成分的累积方差解释率为82%，则说明（）A.前3个主成分保留了原始数据82%的信息B.原始数据中82%的变量可以被前3个主成分解释C.前3个主成分与原始变量的相关系数之和为0.82D.模型降维效果不显著19.在逻辑回归模型中，某特征的系数为0.693（e^0.693≈2），说明（）A.该特征每增加1单位，发生比（Odds）翻倍B.该特征每增加1单位，概率增加69.3%C.该特征对目标变量无显著影响D.该特征与目标变量呈负相关20.处理高维稀疏数据（如文本TF-IDF矩阵）时，最适合的降维方法是（）A.主成分分析（PCA）B.线性判别分析（LDA）C.奇异值分解（SVD）D.局部线性嵌入（LLE）二、多项选择题（每题3分，共10题，合计30分。每题至少有2个正确选项，多选、错选、漏选均不得分）21.下列属于数据清洗范畴的操作有（）A.处理重复值B.对类别变量进行独热编码C.检测并处理异常值D.填充缺失值22.线性回归模型的基本假设包括（）A.误差项服从正态分布B.自变量与因变量存在线性关系C.误差项的方差恒定（同方差）D.自变量之间不存在完全多重共线性23.下列指标中，可用于评估回归模型性能的有（）A.均方误差（MSE）B.R方（决定系数）C.准确率（Accuracy）D.平均绝对误差（MAE）24.时间序列预测中，常用的模型包括（）A.ARIMAB.LSTMC.指数平滑法D.随机森林25.异常值检测的常用方法有（）A.Z-score法B.箱线图法C.DBSCAN聚类法D.主成分分析残差法26.下列关于交叉验证的说法正确的有（）A.留一交叉验证（LOOCV）偏差小但方差大B.K折交叉验证的K值越大，计算成本越高C.分层交叉验证适用于类别不平衡数据D.交叉验证可有效评估模型泛化能力27.提升树（BoostingTree）与随机森林（RandomForest）的主要区别包括（）A.提升树是串行集成，随机森林是并行集成B.提升树关注减少偏差，随机森林关注减少方差C.提升树通常使用相同的基模型，随机森林使用不同的基模型D.提升树容易过拟合，随机森林抗过拟合能力更强28.下列关于贝叶斯定理的表述正确的有（）A.P(A|B)=P(B|A)P(A)/P(B)B.可用于计算后验概率C.要求事件A和B相互独立D.在分类问题中可用于计算类别条件概率29.处理类别不平衡数据的方法包括（）A.过采样（Oversampling）少数类B.欠采样（Undersampling）多数类C.调整分类阈值D.使用加权损失函数30.下列关于特征工程的说法正确的有（）A.特征选择可以降低模型复杂度B.特征提取能提供更具代表性的新特征C.类别特征编码会增加特征维度D.时间特征可以提取周几、月份等衍生特征三、计算题（每题10分，共5题，合计50分。要求写出计算过程，保留3位小数）31.某企业2023年1-6月销售额（万元）如下：120,135,142,150,158,165。使用二次移动平均法（n=3）预测7月销售额（要求列出一次移动平均和二次移动平均计算表）。32.某线性回归模型的样本数据满足：n=50，∑x=200，∑y=300，∑xy=1500，∑x²=1000，∑y²=2000。计算回归系数b₁和b₀，并写出回归方程。33.某二分类问题中，真实标签为[1,1,0,1,0,0,1,0]，模型预测概率为[0.8,0.7,0.3,0.6,0.4,0.5,0.9,0.2]。（1）以0.5为阈值计算混淆矩阵；（2）计算精确率、召回率和F1值。34.某ARIMA(1,1,1)模型的差分序列满足：y'_t=0.5y'_t-1+ε_t-0.3ε_t-1，其中y'_t为原序列一阶差分。已知原序列y₁₀=200，y₉=195，ε₁₀=0.2，ε₉=-0.1。预测y₁₁的值。35.某数据集有两个特征X1和X2，取值如下：X1:[3,5,7,9,11]X2:[2,4,6,8,10]计算X1和X2的Pearson相关系数，并判断相关性强弱。四、综合分析题（20分）36.某邢台本地电商企业收集了2025年1-12月的用户行为数据，包含以下字段：用户ID、性别、年龄、注册时长（月）、月均浏览时长（小时）、月均加购次数、月均下单金额（元）、是否复购（0/1）。企业希望建立模型预测用户复购行为，请完成以下分析：（1）请列出至少5个需要进行的数据预处理步骤，并说明理由；（2）从候选模型（逻辑回归、随机森林、XGBoost）中选择2个，说明各自适用场景及选择理由；（3）若模型训练后发现对"月均下单金额"特征的重要性远高于其他特征，请分析可能原因及业务启示；（4）假设测试集上模型的AUC为0.82，准确率为78%，说明这两个指标的含义及模型表现。答案一、单项选择题1.C2.B3.A4.C5.B6.B7.B8.B9.B10.D11.B12.C13.B14.B15.A16.A17.A18.A19.A20.C二、多项选择题21.ACD22.ABCD23.ABD24.ABC25.ABCD26.ABCD27.ABD28.ABD29.ABCD30.ABCD三、计算题31.一次移动平均M₁^(1)=(120+135+142)/3=132.333；M₂^(1)=(135+142+150)/3=142.333；M₃^(1)=(142+150+158)/3=150.000；M₄^(1)=(150+158+165)/3=157.667。二次移动平均M₁^(2)=(132.333+142.333+150.000)/3=141.555；M₂^(2)=(142.333+150.000+157.667)/3=150.000。预测模型：ŷₜ+T=aₜ+bₜT，其中aₜ=2Mₜ^(1)-Mₜ^(2)=2×157.667-150.000=165.334；bₜ=(Mₜ^(1)-Mₜ^(2))×2/(n-1)=(157.667-150.000)×2/2=7.667。7月预测值（T=1）：165.334+7.667×1=173.001万元。32.计算离均差：Lxx=∑x²-(∑x)²/n=1000-(200)²/50=1000-800=200；Lxy=∑xy-(∑x)(∑y)/n=1500-(200×300)/50=1500-1200=300。b₁=Lxy/Lxx=300/200=1.5；x̄=200/50=4，ȳ=300/50=6；b₀=ȳ-b₁x̄=6-1.5×4=0。回归方程：ŷ=1.5x+0。33.（1）阈值0.5时，预测标签为[1,1,0,1,0,1,1,0]。混淆矩阵：TP=3（真实1预测1：第1、2、4、7个样本中正确3个？需重新核对：真实标签[1,1,0,1,0,0,1,0]，预测标签[1,1,0,1,0,1,1,0]。TP=真实1且预测1：样本1（1,1）、样本2（1,1）、样本4（1,1）、样本7（1,1）→4个；FN=真实1预测0：无；FP=真实0预测1：样本6（0,1）→1个；TN=真实0预测0：样本3（0,0）、样本5（0,0）、样本8（0,0）→3个。正确混淆矩阵：TP=4，FN=0（真实1有4个：索引0,1,3,6），FP=1（索引5），TN=3（索引2,4,8）。（2）精确率=TP/(TP+FP)=4/(4+1)=0.8；召回率=TP/(TP+FN)=4/4=1.0；F1=2×(0.8×1.0)/(0.8+1.0)=1.6/1.8≈0.889。34.一阶差分y'_t=y_t-y_t-1。已知y₁₀=200，y₉=195→y'_10=200-195=5。模型方程：y'_11=0.5y'_10+ε_11-0.3ε_10。预测时ε_11=0（假设），则y'_11=0.5×5+0-0.3×0.2=2.5-0.06=2.44。y₁₁=y₁₀+y'_11=200+2.44=202.44。35.x̄=(3+5+7+9+11)/5=7；ȳ=(2+4+6+8+10)/5=6。Lxx=∑(xi-x̄)²=(−4)²+(−2)²+0²+2²+4²=16+4+0+4+16=40；Lyy=∑(yi-ȳ)²=(−4)²+(−2)²+0²+2²+4²=40；Lxy=∑(xi-x̄)(yi-ȳ)=(−4)(−4)+(−2)(−2)+0×0+2×2+4×4=16+4+0+4+16=40。Pearsonr=Lxy/√(LxxLyy)=40/√(40×40)=40/40=1.0。强正相关。四、综合分析题36.（1）预处理步骤：①缺失值处理：检查各字段缺失情况，对少量缺失用均值/中位数填充，大量缺失字段考虑删除；②异常值检测：用箱线图或Z-score检测年龄、浏览时长等连续变量的异常值，根据业务逻辑修正或删除；③类别变量编码：对性别（二分类）用0-1编码，对其他类别变量（如无）无需处理；④特征标准化：注册时长、浏览时长等量纲不同的变量进行Z-score标准化，消除量纲影响；⑤特征衍生：计算注册时长×月均浏览时长等交互特征，挖掘潜在关联；⑥类别平衡处理：检查复购标签分布，若不平衡采用SMOTE过采样或调整类别权重。（2）选择逻辑回归和XGBoost。逻辑回归适用于线性可分数据，计算效率高，可解释性强，能清晰展示各特征对复购的影响方向和程度；XGBoost适用于复杂非线性关系，能自动处理特征交互，对高维数据和噪声有较强鲁棒性，适合挖掘深层模式。（3）可能原因：①月均下单金额直接反映用户消费能力，与复购行