招商銀行杭州市拱墅區(qū)2025秋招數(shù)據(jù)分析師筆試題及答案一、選擇題（共5題，每題2分，共10分）1.在數(shù)據(jù)分析中，用于描述數(shù)據(jù)集中某個(gè)變量的集中趨勢(shì)的統(tǒng)計(jì)量是（）。A.方差B.標(biāo)準(zhǔn)差C.均值D.中位數(shù)2.以下哪種方法不屬于數(shù)據(jù)預(yù)處理中的缺失值處理技術(shù)？（）A.刪除含有缺失值的行B.插值法C.線性回歸填充D.數(shù)據(jù)加密3.在時(shí)間序列分析中，如果數(shù)據(jù)呈現(xiàn)明顯的周期性波動(dòng)，常用的模型是（）。A.線性回歸模型B.ARIMA模型C.決策樹模型D.邏輯回歸模型4.對(duì)于分類問題，以下哪種指標(biāo)通常用于評(píng)估模型的性能？（）A.均方誤差（MSE）B.R2（決定系數(shù)）C.AUC（曲線下面積）D.均值絕對(duì)誤差（MAE）5.在數(shù)據(jù)挖掘中，關(guān)聯(lián)規(guī)則挖掘常用的算法是（）。A.K-Means聚類B.Apriori算法C.SVM分類D.決策樹剪枝二、填空題（共5題，每題2分，共10分）1.數(shù)據(jù)分析中常用的可視化工具包括______、Tableau等。2.在假設(shè)檢驗(yàn)中，第一類錯(cuò)誤的概率通常用______表示。3.對(duì)于連續(xù)型數(shù)據(jù)，常用的離散化方法包括等寬離散化、______等。4.在機(jī)器學(xué)習(xí)中，過擬合現(xiàn)象通?？梢酝ㄟ^______來解決。5.交叉驗(yàn)證是一種常用的模型評(píng)估方法，其目的是______。三、簡(jiǎn)答題（共3題，每題5分，共15分）1.簡(jiǎn)述數(shù)據(jù)清洗的步驟及其重要性。2.解釋什么是特征工程，并舉例說明其在數(shù)據(jù)分析中的作用。3.比較監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)的區(qū)別，并列舉各自的應(yīng)用場(chǎng)景。四、計(jì)算題（共2題，每題10分，共20分）1.假設(shè)某電商平臺(tái)用戶購(gòu)買行為數(shù)據(jù)如下：-用戶A：購(gòu)買商品數(shù)量為3，平均購(gòu)買金額為200元；-用戶B：購(gòu)買商品數(shù)量為5，平均購(gòu)買金額為150元；-用戶C：購(gòu)買商品數(shù)量為2，平均購(gòu)買金額為300元。計(jì)算該數(shù)據(jù)集的均值和方差。2.已知某城市某月空氣污染指數(shù)（AQI）數(shù)據(jù)如下：[120,135,110,142,128,115,130]。請(qǐng)計(jì)算該月AQI的中位數(shù)和標(biāo)準(zhǔn)差。五、綜合應(yīng)用題（共1題，共15分）某電商公司在杭州市拱墅區(qū)設(shè)有線下門店，為了分析用戶消費(fèi)行為，收集了以下數(shù)據(jù)：-用戶年齡（歲）；-購(gòu)買商品類別（服裝、電子、家居等）；-消費(fèi)金額（元）；-購(gòu)買頻率（次/月）。請(qǐng)?jiān)O(shè)計(jì)一個(gè)數(shù)據(jù)分析方案，包括：1.數(shù)據(jù)預(yù)處理步驟；2.特征工程方法；3.模型選擇及評(píng)估指標(biāo)；4.分析結(jié)果解讀。答案及解析一、選擇題答案及解析1.C.均值解析：均值和中位數(shù)是描述數(shù)據(jù)集中趨勢(shì)的常用統(tǒng)計(jì)量，均值反映整體水平，中位數(shù)則適用于偏態(tài)分布。方差和標(biāo)準(zhǔn)差描述離散程度。2.D.數(shù)據(jù)加密解析：數(shù)據(jù)加密是數(shù)據(jù)安全領(lǐng)域的技術(shù)，不屬于缺失值處理方法。其余選項(xiàng)均為常見缺失值處理技術(shù)。3.B.ARIMA模型解析：ARIMA模型（自回歸積分滑動(dòng)平均模型）適用于具有明顯周期性或趨勢(shì)的時(shí)間序列數(shù)據(jù)。4.C.AUC（曲線下面積）解析：AUC是評(píng)估分類模型性能的常用指標(biāo)，反映模型區(qū)分正負(fù)樣本的能力。MSE、R2和MAE主要用于回歸問題。5.B.Apriori算法解析：Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法，通過頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則。其余選項(xiàng)屬于聚類、分類算法。二、填空題答案及解析1.Excel解析：Excel是數(shù)據(jù)分析和可視化的基礎(chǔ)工具，常用于數(shù)據(jù)整理和圖表制作。2.α（alpha）解析：α表示假設(shè)檢驗(yàn)中拒絕原假設(shè)的概率，通常取0.05或0.01。3.等頻離散化解析：等頻離散化將數(shù)據(jù)按頻率均勻劃分，其余方法如等寬離散化按數(shù)值范圍劃分。4.正則化解析：正則化（如L1、L2）通過懲罰項(xiàng)防止模型過擬合。5.減少模型偏差和方差解析：交叉驗(yàn)證通過多次訓(xùn)練和驗(yàn)證，評(píng)估模型的泛化能力，避免單一訓(xùn)練集的偏差。三、簡(jiǎn)答題答案及解析1.數(shù)據(jù)清洗步驟及其重要性-步驟：1.缺失值處理（刪除或填充）；2.異常值檢測(cè)與處理；3.數(shù)據(jù)格式統(tǒng)一（如日期格式）；4.去重；5.數(shù)據(jù)轉(zhuǎn)換（如歸一化）。-重要性：清洗后的數(shù)據(jù)更準(zhǔn)確、一致，能提高模型性能和分析可靠性。2.特征工程及其作用-特征工程：通過構(gòu)造、選擇、轉(zhuǎn)換特征，提升模型效果。-例子：-構(gòu)造新特征（如用戶購(gòu)買頻率）；-特征編碼（如獨(dú)熱編碼）；-特征降維（PCA）。-作用：減少噪聲，提高模型泛化能力。3.監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)的區(qū)別及應(yīng)用場(chǎng)景-監(jiān)督學(xué)習(xí)：需標(biāo)注數(shù)據(jù)（如分類、回歸），適用于預(yù)測(cè)任務(wù)（如信用評(píng)分）。-無(wú)監(jiān)督學(xué)習(xí)：無(wú)需標(biāo)注數(shù)據(jù)（如聚類、降維），適用于探索性分析（如用戶分群）。四、計(jì)算題答案及解析1.均值和方差計(jì)算-均值：\[\text{均值}=\frac{3\times200+5\times150+2\times300}{3+5+2}=\frac{600+750+600}{10}=195\text{元}\]-方差：\[\text{方差}=\frac{(3-195)^2+(5-195)^2+(2-195)^2}{10}=\frac{19604+20736+22801}{10}=6314.1\]2.中位數(shù)和標(biāo)準(zhǔn)差計(jì)算-排序后數(shù)據(jù)：[110,115,120,128,130,135,142]-中位數(shù)：第4個(gè)數(shù)=128-標(biāo)準(zhǔn)差：\[\text{方差}=\frac{(120-128)^2+(115-128)^2+\cdots+(142-128)^2}{7}=\frac{64+169+\cdots+196}{7}=348.29\]\[\text{標(biāo)準(zhǔn)差}=\sqrt{348.29}\approx18.66\]五、綜合應(yīng)用題答案及解析1.數(shù)據(jù)預(yù)處理-缺失值處理：刪除或填充（如均值填充）；-異常值檢測(cè)：箱線圖識(shí)別；-數(shù)據(jù)類型轉(zhuǎn)換：如年齡轉(zhuǎn)為整數(shù)。2.特征工程-構(gòu)造特征：如消費(fèi)金額/年齡（客單價(jià)）；-編碼：購(gòu)買類別轉(zhuǎn)為獨(dú)熱編碼；-降維：PCA提取關(guān)鍵特征。3.模型選擇及評(píng)估指標(biāo)-模型：用戶分群（聚類）或消費(fèi)