2026年数据建模工程师考试题库（附答案和详细解析）（0204）.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）

以下哪种数据预处理方法最适合处理非线性关系数据中的缺失值？

A.直接删除缺失值所在行

B.使用特征均值填充缺失值

C.基于随机森林模型预测填充

D.用前向填充法（ffill）填充

答案：C

解析：随机森林填充法通过利用其他特征与目标特征的非线性关系预测缺失值，适用于存在复杂关联的数据；A选项会损失样本信息，B选项仅适用于线性关系的数值型数据，D选项适用于时间序列数据的连续缺失场景。

在分类模型评估中，若关注“所有正类样本中被正确识别的比例”，应选择以下哪个指标？

A.精确率（Precision）

B.召回率（Recall）

C.F1分数

D.AUC-ROC

答案：B

解析：召回率（Recall）=TP/(TP+FN)，反映正类样本的覆盖能力；精确率关注“被预测为正类的样本中实际正类的比例”，F1是精确率与召回率的调和平均，AUC-ROC衡量模型整体区分能力。

以下哪种方法最能有效缓解模型过拟合问题？

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，增加数据量可提升模型泛化能力；B选项可能丢失关键信息，C选项会加剧过拟合，D选项是优化器参数调整，与过拟合无直接关联。

逻辑回归模型的核心假设是？