2025年征信考试题库：征信数据分析挖掘实务操作试题

2025年征信考试题库：征信数据分析挖掘实务操作试题考试时间：______分钟总分：______分姓名：______一、数据清洗要求：根据给定的征信数据，完成数据的清洗工作，包括去除重复数据、处理缺失值、异常值检测与处理等。1.以下数据集中存在重复数据，请将其删除：姓名|性别|年龄|工作单位张三|男|28|A公司李四|男|30|B公司王五|男|25|A公司赵六|男|35|C公司孙七|男|32|A公司周八|女|28|D公司2.以下数据集中存在缺失值，请使用适当的方法进行处理：姓名|性别|年龄|工作单位张三|男||A公司李四|男||B公司王五|男|25|A公司赵六|男|35|C公司孙七|男||A公司周八|女||D公司3.以下数据集中存在异常值，请使用适当的方法进行处理：姓名|性别|年龄|工作单位张三|男|100|A公司李四|男|50|B公司王五|男|25|A公司赵六|男|35|C公司孙七|男|22|A公司周八|女|28|D公司二、特征工程要求：对给定的征信数据进行特征工程，包括特征提取、特征选择、特征转换等。1.以下数据集中包含以下特征，请提取以下特征：姓名|性别|年龄|工作单位|收入|借款次数|借款金额张三|男|28|A公司|10000|3|30000李四|男|30|B公司|12000|2|20000王五|男|25|A公司|8000|5|50000赵六|男|35|C公司|15000|1|10000孙七|男|22|A公司|6000|4|40000周八|女|28|D公司|11000|3|32000（1）请提取年龄与收入的比值；（2）请提取借款次数与借款金额的比值；（3）请提取工作单位是否为A公司（0代表不是，1代表是）。2.以下数据集中包含以下特征，请进行特征选择，选择与信用评分相关性最高的两个特征：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分张三|男|28|A公司|10000|3|30000|780李四|男|30|B公司|12000|2|20000|850王五|男|25|A公司|8000|5|50000|680赵六|男|35|C公司|15000|1|10000|910孙七|男|22|A公司|6000|4|40000|660周八|女|28|D公司|11000|3|32000|8603.以下数据集中包含以下特征，请进行特征转换：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分张三|男|28|A公司|10000|3|30000|780李四|男|30|B公司|12000|2|20000|850王五|男|25|A公司|8000|5|50000|680赵六|男|35|C公司|15000|1|10000|910孙七|男|22|A公司|6000|4|40000|660周八|女|28|D公司|11000|3|32000|860（1）将性别转换为数值类型（0代表男性，1代表女性）；（2）将工作单位转换为数值类型（A公司为1，B公司为2，C公司为3，D公司为4）；（3）将收入、借款次数、借款金额转换为对数类型。四、模型训练要求：基于处理好的征信数据，选择合适的机器学习算法进行模型训练，并对模型进行评估。1.以下数据集包含征信数据，请使用逻辑回归算法进行模型训练，并输出模型参数：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分张三|男|28|A公司|10000|3|30000|780李四|男|30|B公司|12000|2|20000|850王五|男|25|A公司|8000|5|50000|680赵六|男|35|C公司|15000|1|10000|910孙七|男|22|A公司|6000|4|40000|660周八|女|28|D公司|11000|3|32000|8602.使用训练好的逻辑回归模型对以下新数据进行预测，并输出预测结果：姓名|性别|年龄|工作单位|收入|借款次数|借款金额张三|男|26|B公司|10500|4|45000李四|女|29|C公司|16000|1|12000王五|男|24|A公司|9500|3|35000赵六|男|34|D公司|16500|2|21000孙七|女|23|A公司|7000|5|50000五、模型评估要求：对训练好的逻辑回归模型进行评估，包括准确率、召回率、F1值等指标。1.计算训练集上的准确率、召回率、F1值，并输出结果：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分张三|男|28|A公司|10000|3|30000|780李四|男|30|B公司|12000|2|20000|850王五|男|25|A公司|8000|5|50000|680赵六|男|35|C公司|15000|1|10000|910孙七|男|22|A公司|6000|4|40000|660周八|女|28|D公司|11000|3|32000|8602.使用混淆矩阵对以下预测结果进行评估，并输出混淆矩阵：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分|预测结果张三|男|28|A公司|10000|3|30000|780|正常李四|男|30|B公司|12000|2|20000|850|正常王五|男|25|A公司|8000|5|50000|680|逾期赵六|男|35|C公司|15000|1|10000|910|逾期孙七|男|22|A公司|6000|4|40000|660|逾期周八|女|28|D公司|11000|3|32000|860|逾期六、模型优化要求：针对训练好的逻辑回归模型进行优化，包括调整参数、尝试不同的算法等。1.使用网格搜索（GridSearch）方法，对以下参数进行优化，并输出最佳参数组合：（1）正则化项C；（2）惩罚项L1（L1Regularization）；（3）惩罚项L2（L2Regularization）。2.使用决策树算法对以下数据进行模型训练，并输出模型参数：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分张三|男|28|A公司|10000|3|30000|780李四|男|30|B公司|12000|2|20000|850王五|男|25|A公司|8000|5|50000|680赵六|男|35|C公司|15000|1|10000|910孙七|男|22|A公司|6000|4|40000|660周八|女|28|D公司|11000|3|32000|8603.对比逻辑回归模型和决策树模型的性能，包括准确率、召回率、F1值等指标，并输出结果。本次试卷答案如下：一、数据清洗1.删除重复数据的答案：姓名|性别|年龄|工作单位张三|男|28|A公司李四|男|30|B公司王五|男|25|A公司赵六|男|35|C公司孙七|男|32|A公司周八|女|28|D公司解析思路：观察数据集，发现王五和周八的记录是重复的，将其删除。2.处理缺失值的答案：姓名|性别|年龄|工作单位|收入|借款次数|借款金额张三|男|28|A公司|10000|3|30000李四|男|30|B公司|12000|2|20000王五|男|25|A公司|8000|5|50000赵六|男|35|C公司|15000|1|10000孙七|男|22|A公司|6000|4|40000周八|女|28|D公司|11000|3|32000解析思路：观察数据集，发现张三、李四、孙七的年龄字段缺失，可以填充平均值或使用最频繁的值。3.异常值检测与处理的答案：姓名|性别|年龄|工作单位|收入|借款次数|借款金额张三|男|28|A公司|10000|3|30000李四|男|30|B公司|12000|2|20000王五|男|25|A公司|8000|5|50000赵六|男|35|C公司|15000|1|10000孙七|男|22|A公司|6000|4|40000周八|女|28|D公司|11000|3|32000解析思路：观察数据集，发现张三的年龄为100岁，属于异常值，将其替换为合理值（如28岁）。二、特征工程1.特征提取的答案：（1）年龄与收入的比值：0.28（2）借款次数与借款金额的比值：0.1（3）工作单位是否为A公司：1解析思路：计算年龄与收入的比值、借款次数与借款金额的比值，根据工作单位是否为A公司进行编码。2.特征选择的答案：与信用评分相关性最高的两个特征：收入、借款次数解析思路：观察特征与信用评分的相关性，选择相关性最高的两个特征。3.特征转换的答案：（1）性别：0（男性）（2）工作单位：1（A公司）（3）收入、借款次数、借款金额：对数类型解析思路：将性别和单位进行编码，将收入、借款次数、借款金额转换为对数类型。三、模型训练1.逻辑回归模型参数的答案：（1）正则化项C：0.01（2）惩罚项L1：1（3）惩罚项L2：1解析思路：使用逻辑回归算法进行模型训练，输出模型参数。2.模型预测结果的答案：姓名|性别|年龄|工作单位|收入|借款次数|借款金额|信用评分|预测结果张三|男|26|B公司|10500|4|45000||正常李四|女|29|C公司|16000|1|12000||正常王五|男|24|A公司|9500|3|35000||逾期赵六|男|34|D公司|16500|2|21000||逾期孙七|女|23|A公司|7000|5|50000||逾期解析思路：使用训练好的逻辑回归模型对新数据进行预测，输出预测结果。四、模型评估1.训练集评估指标的答案：准确率：0.8召回率：0.8F1值：0.8解析思路：计算训练集上的准确率、召回率、F1值，并输出结果。2.混淆矩阵的答案：||预测正常|预测逾期||-------|----------|----------||正常|4|0||逾期|0|1