2026年数据建模工程师考试题库（附答案和详细解析）（0218）.docxVIP

数据建模工程师专业能力考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪个指标最适合评估类别高度不平衡的分类模型性能？

A.准确率（Accuracy）

B.F1分数（F1-score）

C.均方误差（MSE）

D.调整兰德指数（ARI）

答案：B

解析：准确率在类别不平衡时会因多数类的高占比产生误导（如99%负样本时，全预测负样本的准确率仍为99%）；F1分数综合了精确率和召回率，更关注少数类的预测效果，适合不平衡场景；MSE是回归任务指标；ARI用于聚类评估。

在决策树训练中，使用信息增益作为划分标准时，可能导致的问题是？

A.对连续特征不敏感

B.倾向于选择取值较多的特征

C.无法处理缺失值

D.模型复杂度不足

答案：B

解析：信息增益的计算涉及特征的熵，取值多的特征（如ID类特征）会因分割后子集熵更低而被优先选择，但这类特征通常无实际预测意义；决策树可通过离散化处理连续特征（A错误），缺失值可通过替代分支处理（C错误），信息增益可能导致过拟合（复杂度高，D错误）。

以下哪种方法不属于处理类别不平衡的常用策略？

A.对少数类进行过采样（Oversampling）

B.对多数类进行欠采样（Undersampling）

C.调整模型损失函数权重（ClassWeight）

D.增加正则化参数

答案：D

解析：过采样、欠采样和调整类别权重是直接解