2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0303）.docxVIP

数据科学专业认证（CDSP）考试试卷

一、单项选择题（共10题，每题1分，共10分）

在分类任务中，若模型对正类的识别能力很强但容易误判负类，混淆矩阵中最可能出现的情况是？

A.真阳性（TP）高，假阳性（FP）高

B.真阳性（TP）高，假阴性（FN）高

C.真阴性（TN）高，假阳性（FP）高

D.真阴性（TN）高，假阴性（FN）高

答案：A

解析：正类识别能力强意味着TP（正确识别的正类）高；容易误判负类（将负类错误识别为正类）对应FP（假阳性）高。B选项FN（假阴性，漏判正类）高与“识别能力强”矛盾；C、D的TN（正确识别的负类）高不符合“误判负类”的描述。

以下哪种特征选择方法基于模型预测结果的重要性？

A.卡方检验

B.互信息法

C.随机森林特征重要性

D.方差阈值法

答案：C

解析：随机森林通过计算特征在树分裂中对信息增益（如基尼指数）的贡献度评估重要性，属于模型依赖的特征选择方法。A（卡方检验）和B（互信息法）是统计检验方法；D（方差阈值）基于特征自身离散程度。

为解决过拟合问题，以下措施中最不相关的是？

A.增加训练数据量

B.降低模型复杂度（如减少决策树深度）

C.引入L2正则化

D.提高学习率

答案：D

解析：过拟合是模型对训练数据过度学习，泛化能力差。增加数据量（A）、降低复杂度（B）、正则化（C）均可缓解过拟合。提高学习率（D）影响优化速