
《數(shù)據(jù)分析專項練習題庫》
《CDA數(shù)據(jù)分析認證考試模擬題庫》
《企業(yè)數(shù)據(jù)分析面試題庫》
CDA LEVEL Ⅱ_模擬題:
1、答案(D)
在使用歷史數(shù)據(jù)構(gòu)造訓練集(Train)集、驗證(Validation)集和檢驗(Test)時,以下哪個樣本量分配方案比較適合?
A.訓練50%,驗證0%,檢驗50%
B.訓練100%,驗證0%,檢驗0%
C.訓練0%,驗證100%,檢驗0%
D.訓練60%,驗證30%,檢驗10%
2、答案(A)
一個累積提升度曲線,當深度(Depth)等于0.1時,提升度為(Lift)為3.14,以下哪個解釋正確?
A.根據(jù)模型預測,從最高概率到最低概率排序后,最高的前10%中發(fā)生事件的數(shù)量比隨機抽樣的響應率高3.14
B.選預測響應概率大于10%的樣本,其發(fā)生事件的數(shù)量比隨機抽樣的響應率高3.14
C.根據(jù)模型預測,從最高概率到最低概率排序后,最高的前10%中預測的精確度比隨機抽樣高3.14
D.選預測響應概率大于10%的樣本,其預測的精確度比隨機抽樣高3.14
3、答案(C)
在使用歷史數(shù)據(jù)構(gòu)造訓練(Train)集、驗證(Validation)集和檢驗(Test)集時,訓練數(shù)據(jù)集的作用在于
A.用于對模型的效果進行無偏的評估
B.用于比較不同模型的預測準確度
C.用于構(gòu)造預測模型
D.用于選擇模型
4、答案(D)
在對歷史數(shù)據(jù)集進行分區(qū)之前進行數(shù)據(jù)清洗(缺失值填補等)的缺點是什么?
A.增加了填補缺失值的時間
B.加大了處理的難度
C.無法針對分區(qū)后各個數(shù)據(jù)集的特征分別做數(shù)據(jù)清洗
D.無法對不同數(shù)據(jù)清理的方法進行比較,以選擇最優(yōu)方法
5、答案(C)
關于數(shù)據(jù)清洗(缺失值、異常值),以下哪個敘述是正確的?
A.運用驗證數(shù)據(jù)集中變量的統(tǒng)計量對訓練集中的變量進行數(shù)據(jù)清洗
B. 運用驗證數(shù)據(jù)集中變量的統(tǒng)計量對驗證集中的變量進行數(shù)據(jù)清洗
C. 運用訓練數(shù)據(jù)集中變量的統(tǒng)計量對驗證集中的變量進行數(shù)據(jù)清洗
D.以上均不對
6、答案(B)
當一個連續(xù)變量的缺失值占比在85%左右時,以下哪種方式最合理
A.直接使用該變量,不填補缺失值
B.根據(jù)是否缺失,生成指示變量,僅使用指示變量作為解釋變量
C.使用多重查補的方法進行缺失值填補
D.使用中位數(shù)進行缺失值填補
7、答案(B)
構(gòu)造二分類模型時,在變量粗篩階段,以下哪個方法最適合對分類變量進行粗篩
B.卡方檢驗
C.方差分析
D.T檢驗
8、答案(A)
以下哪個方法可以剔除多變量情況下的離群觀測
A.變量中心標準化后的快速聚類法
B.變量取百分位秩之后的快速聚類法
C.變量取最大最小秩化后的快速聚類法
D.變量取Turkey轉(zhuǎn)換后的快速聚類法
9、答案(C)
以下哪種變量篩選方法需要同時設置進出模型的變量顯著度閥值
A .向前逐步法
B. 向后逐步法
C. 逐步法
D. 全子集法
10、答案(A)
A.R方
B.調(diào)整R方
C.AIC
D.BIC
11、[答案B.]
將復雜的地址簡化成北、中、南、東四區(qū),是在進行?
A. 數(shù)據(jù)正規(guī)化(Normalization) B. 數(shù)據(jù)一般化(Generalization) C. 數(shù)據(jù)離散化(Discretization) D. 數(shù)據(jù)整合(Integration)
12、【答案(A)】
當類神經(jīng)網(wǎng)絡無隱藏層,輸出層個數(shù)只有一個的時候,倒傳遞神經(jīng)網(wǎng)絡會變形成為?
A. 羅吉斯回歸 B. 線性回歸 C. 貝氏網(wǎng)絡 D. 時間序列
13、[答案B.]
請問Apriori算法是用何者做項目集(Itemset)的篩選 ?
A. 最小信賴度(Minimum Confidence)
B. 最小支持度(Minimum Support)
C. 交易編號(Transaction ID)
D. 購買數(shù)量
14、[答案B.]
有一條關聯(lián)規(guī)則為A → B,此規(guī)則的信心水平(confidence)為60%,則代表:
A. 買B商品的顧客中,有60%的顧客會同時購買A
B. 買A商品的顧客中,有60%的顧客會同時購買B
C. 同時購買A,B兩商品的顧客,占所有顧客的60%
D. 兩商品A,B在交易數(shù)據(jù)庫中同時被購買的機率為60%
15、【答案(B)】
下表為一交易數(shù)據(jù)庫,請問A → C 的支持度(Support)為:
A. 75% B. 50% C.100% D. 66.6%
TID |
Items Bought |
1 |
A,B,C |
2 |
A,C |
3 |
A,D |
4 |
B,E,F |
16、【答案(D)】
下表為一交易數(shù)據(jù)庫,請問A → C 的信賴度(Confidence)為:
A. 75% B. 50% C.100% D. 66.6%
TID |
Items Bought |
1 |
A,B,C |
2 |
A,C |
3 |
A,D |
4 |
B,E,F |
17、[答案D.]
倒傳遞類神經(jīng)網(wǎng)絡的訓練順序為何?( A:調(diào)整權(quán)重; B:計算誤差值; C:利用隨機的權(quán)重產(chǎn)生輸出的結(jié)果)
A. BCA B. CAB C. BAC D. CBA
18、[答案C.]
在類神經(jīng)網(wǎng)絡中計算誤差值的目的為何?
A. 調(diào)整隱藏層個數(shù)
B. 調(diào)整輸入值
C. 調(diào)整權(quán)重(Weight)
D. 調(diào)整真實值
19、[答案A.]
以下何者為Apriori算法所探勘出來的結(jié)果?
A. 買計算機同時會購買相關軟件
B. 買打印機后過一個月會買墨水夾
C. 買計算機所獲得的利益
D. 以上皆非
20、[答案D.]
如何利用「體重」以簡單貝式分類(Naive Bayes)預測「性別」?
A. 選取另一條件屬性
B. 無法預測
C. 將體重正規(guī)化為0~1之間
D. 將體重離散化
21、[答案B.]
Naive Bayes是屬于數(shù)據(jù)挖掘中的什么方法?
A. 分群 B. 分類 C. 時間序列 D. 關聯(lián)規(guī)則
22、[答案B.]
簡單貝式分類(Naive Bayes)可以用來預測何種數(shù)據(jù)型態(tài)?
A. 數(shù)值 B. 類別 C. 時間 D. 以上皆是
23、[答案B.]
如何以類神經(jīng)網(wǎng)絡仿真羅吉斯回歸(Logistic Regression)?
A. 輸入層節(jié)點個數(shù)設定為3
B. 隱藏層節(jié)點個數(shù)設定為0
C. 輸出層節(jié)點個數(shù)設定為3
D. 隱藏層節(jié)點個數(shù)設定為1
24、[答案B.]
請問以下何者屬于時間序列的問題?
A. 信用卡發(fā)卡銀行偵測潛在的卡奴
B. 基金經(jīng)理人針對個股做出未來價格預測
C. 電信公司將人戶區(qū)分為數(shù)個群體
D. 以上皆是
25、[答案D.]
小王是一個股市投資人,手上持有某公司股票,且已知該股過去歷史數(shù)據(jù)如下表所示,今天為預測2/6的股價而計算該股3日移動平均,請問最近的3日移動平均值為多少?
日期 |
股價 |
2/1 |
10 |
2/2 |
12 |
2/3 |
13 |
2/4 |
16 |
2/5 |
19 |
A. 11 B. 13 C. 14 D. 16
26、[答案C.]
下列哪種分類算法的訓練結(jié)果最難以被解釋?
A. Naive Bayes
B. Logistic Regression
C. Neural Network
D. Decision Tree
27、[答案B.]
數(shù)據(jù)遺缺(Null Value)處理方法可分為人工填補法及自動填補法,下列哪種自動填補法可得到較準確的結(jié)果?
A. 填入一個通用的常數(shù)值,例如填入"未知/Unknown"
B. 把填遺缺值的問題當作是分類或預測的問題
C. 填入該屬性的整體平均值
D. 填入該屬性的整體中位數(shù)
1、(AB)
對于決策類模型、以下哪些統(tǒng)計量用于評價最合適?
A.錯分類率
B.利潤
C.ROC指標
D.SBC
2、(BD)
對于估計類模型、以下哪些統(tǒng)計量用于評價最合適?
A.錯分類率
B.極大似然數(shù)
C.ROC統(tǒng)計量
D.SBC
3、(AB)
以下哪個變量轉(zhuǎn)換不會改變變量原有的分布形式
A.中心標準化
B.極差標準化
C.TURKEY打分
D.百分位秩
4、(AB)
連續(xù)變量轉(zhuǎn)換時,選取百分位秩而不選用最大最小秩的原因
A.避免模型在使用時,值域發(fā)生明顯變化
B.避免輸入變量值域變化對模型預測效果的影響
C.避免輸入變量的異常值影響
D.是轉(zhuǎn)換后的變量更接近正態(tài)分布
5、(BC)
構(gòu)造二分類模型時,在變量粗篩階段,以下哪兩個方法最適合對連續(xù)變量進行粗篩
A.皮爾森(Pearson)相關系數(shù)
立刻掃碼
看更多數(shù)據(jù)分析師認證試題
——學數(shù)據(jù)分析技能一定要了解的大廠入門券,CDA數(shù)據(jù)分析師認證證書!
CDA(數(shù)據(jù)分析師認證),與CFA相似,由國際范圍內(nèi)數(shù)據(jù)科學領域行業(yè)專家、學者及知名企業(yè)共同制定并修訂更新,迅速發(fā)展成行業(yè)內(nèi)長期而穩(wěn)定的全球大數(shù)據(jù)及數(shù)據(jù)分析人才標準,具有專業(yè)化、科學化、國際化、系統(tǒng)化等特性。
同時,CDA全??荚嚥季趾驼J證體系已得到社會認可,并由為IBM、華為等提供全球認證服務的Pearson VUE面向全球提供靈活的考試服務。
報名方式
登錄CDA認證考試官網(wǎng)注冊報名>>點擊報名
報名費用
Level Ⅰ:1200 RMB
Level Ⅱ:1700 RMB
Level Ⅲ:2000 RMB
考試地點
Level Ⅰ + Level Ⅱ:中國區(qū)30+省市,70+城市,250+考場,考生可就近考場預約考試 >看看我所在的地哪里報名<
Level Ⅲ:中國區(qū)30所城市,北京/上海/天津/重慶/成都/深圳/廣州/濟南/南京/杭州/蘇州/福州/太原/武漢/長沙/西安/貴陽/鄭州/南寧/昆明/烏魯木齊/沈陽/哈爾濱/合肥/石家莊/呼和浩特/南昌/長春/大連/蘭州>看看我所在的地哪里報名<
報考條件
CDA Level I >了解更多<
? 報考條件:無要求。
? 考試時間:隨報隨考。
CDA Level II >了解更多<
? 報考條件:獲得CDA Level Ⅰ認證證書;
? 考試時間:隨報隨考。
CDA Level III >了解更多<
? 報考條件:獲得CDA Level Ⅱ認證證書;
? 考試時間:一年四屆 3月、6月、9月、12月的最后一個周六。
(備注:數(shù)據(jù)分析相關工作不限行業(yè),可涉及統(tǒng)計,數(shù)據(jù)分析,數(shù)據(jù)挖掘,數(shù)據(jù)庫,數(shù)據(jù)管理,大數(shù)據(jù)架構(gòu)等內(nèi)容。)
——熱門課程推薦:
想學習PYTHON數(shù)據(jù)分析與金融數(shù)字化轉(zhuǎn)型精英訓練營,您可以點擊>>>“人才轉(zhuǎn)型”了解課程詳情;
想從事業(yè)務型數(shù)據(jù)分析師,您可以點擊>>>“數(shù)據(jù)分析師”了解課程詳情;
想從事大數(shù)據(jù)分析師,您可以點擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情;
想成為人工智能工程師,您可以點擊>>>“人工智能就業(yè)”了解課程詳情;
想了解Python數(shù)據(jù)分析,您可以點擊>>>“Python數(shù)據(jù)分析師”了解課程詳情;
想咨詢互聯(lián)網(wǎng)運營,你可以點擊>>>“互聯(lián)網(wǎng)運營就業(yè)班”了解課程詳情;
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03