2026年数据建模工程师考试题库（附答案和详细解析）（0306）.docxVIP

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）

在分类模型评估中，当正负样本严重不平衡时，最适合的评估指标是？

A.准确率（Accuracy）

B.F1-score

C.ROC-AUC

D.MAE（平均绝对误差）

答案：B

解析：准确率在类别不平衡时会因多数类主导而失效（如99%负样本时，全预测负样本准确率99%但无意义）；ROC-AUC反映排序能力但无法直接体现分类阈值选择的效果；MAE是回归指标。F1-score是精确率（Precision）和召回率（Recall）的调和平均，能平衡两类样本的识别效果，更适合不平衡场景。

以下哪项不属于数据预处理的核心步骤？

A.缺失值填充

B.特征重要性计算

C.异常值检测

D.类别特征编码

答案：B

解析：数据预处理主要解决数据质量问题，包括缺失值处理（A）、异常值检测（C）、特征转换（如类别编码，D）。特征重要性计算属于特征工程或模型评估阶段，用于筛选关键特征，不属于预处理的基础步骤。

以下哪种方法最适合解决模型过拟合问题？

A.增加训练数据量

B.减少特征数量

C.提高模型复杂度

D.降低学习率

答案：A

解析：过拟合的本质是模型对训练数据的噪声过度学习。增加训练数据量（A）可提供更多样本分布信息，减少噪声影响；减少特征数量（B）可能导致欠拟合；提高复杂度（C）会加剧过拟合；降低学习率（D