2025年机器学习特征重要性分析应用试卷及答案.docxVIP

2025年机器学习特征重要性分析应用试卷及答案

考试时间：______分钟总分：______分姓名：______

1.单项选择题（每题3分，共30分）

（1）下列关于特征重要性的描述中，错误的是（）。

A.基于树模型的特征重要性（如Gini重要性）衡量特征对“节点纯度提升”的贡献

B.排列重要性（PermutationImportance）通过随机打乱特征值观察模型性能下降程度，适用于任何模型

C.SHAP值（SHapleyAdditiveexPlanations）满足一致性公理，即特征重要性排序与模型性能单调相关

D.特征重要性结果一定可靠，不会因数据分布变化而出现误导

（2）在特征重要性分析中，“可解释性”的核心目标是（）。

A.提高模型预测准确率

B.解释模型决策依据，增强用户信任

C.减少模型训练时间

D.降低特征维度

（3）计算排列重要性时，通常需要（）。

A.固定特征值，多次训练模型

B.随机打乱特征值，观察模型性能变化

C.计算特征间的相关系数

D.使用正则化方法筛选特征

（4）SHAP值中的“基值”（basevalue）表示（）。

A.所有特征的平均贡献

B.模型的全局预测平均值

C.特征的边际贡献

D.单个样本的预测结果