原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据建模工程师考试试卷
一、单项选择题（共10题，每题1分，共10分）
以下关于准确率（Accuracy）的描述，正确的是？
A.适用于所有分类任务，无需考虑样本分布
B.等于真阳性数除以（真阳性数+假阴性数）
C.无法反映正负样本分布不均衡的情况
D.是分类模型唯一需要关注的评估指标
答案：C
解析：准确率=（真阳性+真阴性）/总样本数。当正负样本严重不均衡时（如99%负样本），模型全预测负样本准确率仍高达99%，但实际无意义（A错误）。B描述的是召回率（Recall）的公式（错误）。分类模型还需关注精确率、召回率、AUC等指标（D错误）。C正确，因准确率对类别分布敏感。
以下哪种方法最适合解决线性回归模型的多重共线性问题？
A.增加正则化项（如L2正则）
B.提高模型复杂度（如增加多项式特征）
C.对特征进行标准化处理
D.采用K近邻（KNN）算法替代
答案：A
解析：多重共线性指特征间高度相关，导致参数估计不稳定。L2正则（岭回归）通过添加特征系数平方和的惩罚项，可降低共线性影响（A正确）。增加复杂度会加剧共线性（B错误）。标准化处理可统一量纲，但不直接解决共线性（C错误）。KNN是非参数模型，与共线性无关（D错误）。
以下哪项属于过拟合的典型表现？
A.训练集和测试集的误差都很高
B.训练集误差低，测试集误差显著高于训练集
C.训练集误差高，测试集误差接近训练集
D.模型在未知数据上的泛化能力显著提升
答案：B
解析：过拟合指模型过度学习训练数据的噪声和细节，导致对新数据预测能力差。表现为训练误差低但测试误差高（B正确）。A是欠拟合表现，C是正常拟合（假设误差本身不高），D与过拟合相反。
特征分箱（Binning）的主要目的是？
A.减少特征维度
B.消除特征中的异常值
C.将连续特征离散化，提升模型鲁棒性
D.提高特征的线性可分性
答案：C
解析：特征分箱将连续特征（如年龄）划分为离散区间（如0-18,19-30等），可降低噪声影响，提升模型对异常值的鲁棒性（C正确）。减少维度是特征选择的目的（A错误）。消除异常值需通过截断或替换（B错误）。分箱可能破坏线性关系（D错误）。
在随机森林（RandomForest）中，“随机”主要体现在？
A.随机选择训练样本（Bagging）和随机选择特征子集
B.随机初始化树的根节点
C.随机设置树的最大深度
D.随机确定叶节点的类别标签
答案：A
解析：随机森林通过Bagging（自助采样训练样本）和随机特征子集选择（每棵树仅用部分特征）实现双重随机化，降低模型方差（A正确）。其他选项均非随机森林的核心随机机制。
当使用逻辑回归（LogisticRegression）处理二分类问题时，输出值的含义是？
A.样本属于正类的概率
B.样本的特征重要性得分
C.模型的预测置信度（0-1标准化后的值）
D.样本与决策边界的距离
答案：A
解析：逻辑回归通过sigmoid函数将线性组合映射到[0,1]区间，直接输出样本属于正类的概率（A正确）。特征重要性需通过系数或SHAP值计算（B错误）。置信度是概率的另一种表述，但A更准确（C不严谨）。与决策边界的距离是线性组合的原始值（未经过sigmoid）（D错误）。
以下哪项不属于监督学习任务？
A.预测用户是否会购买商品（二分类）
B.对客户进行人群聚类（如高/中/低价值）
C.预测房价（回归）
D.识别图像中的猫（多分类）
答案：B
解析：监督学习需要标签数据（如购买与否、房价、图像类别），无监督学习（如聚类）无标签（B正确）。其他选项均有明确标签。
模型验证时，若样本量较小（如100条），最适合的验证方法是？
A.留出法（70%训练，30%测试）
B.K折交叉验证（K=10）
C.留一法（Leave-One-Out）
D.自助法（Bootstrap）
答案：C
解析：样本量小（如100条）时，留一法（每次留1条测试，其余训练）可充分利用数据，减少验证误差（C正确）。留出法可能因随机划分导致结果不稳定（A错误）。K=10折时每折仅10条测试，误差估计偏差大（B错误）。自助法通过有放回采样会引入数据重复（D错误）。
L1正则化（Lasso）相比L2正则化（Ridge）的主要优势是？
A.更易优化求解
B.具有特征选择功能（使部分系数为0）
C.对异常值更鲁棒
D.能有效解决多重共线性问题
答案：B
解析：L1正则的惩罚项是系数绝对值之和，其解在参数空间中更易与坐标轴相交（Lasso收缩），导致部分系数为0，实现特征选择（B正确）。L2正则的解是连续收缩（系数趋近于0但不为0）（A错误）。对异常值鲁棒性与正则化类型无关（C错误）。L2和L1都能缓解共线性（D错误）。
以下
文档评论（0）