2026年数据建模工程师考试题库（附答案和详细解析）（0303）.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）

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.降低模型复杂度

D.提高学习率

答案：C

解析：过拟合的核心原因是模型对训练数据的噪声过度学习。降低模型复杂度（如减少决策树深度、增加正则化系数）能有效限制模型的表达能力，缓解过拟合。A选项（增加数据量）是预防过拟合的方法，但对已过拟合的模型效果有限；B选项（减少特征）可能丢失关键信息；D选项（提高学习率）会加剧参数震荡，可能导致过拟合更严重。

在二分类任务中，若真实正类为100例，模型预测正类为80例且其中60例正确，其精确率（Precision）为？

A.60%

B.75%

C.60/100=60%

D.80/100=80%

答案：B

解析：精确率=TP/(TP+FP)，其中TP=60（真阳性），FP=80-60=20（假阳性），故精确率=60/(60+20)=75%。A选项误将TP/真实正类；C选项混淆了召回率（TP/真实正类=60%）；D选项无实际意义。

以下哪种特征选择方法基于模型训练后的系数重要性？

A.卡方检验

B.互信息法

C.LASSO回归

D.方差阈值法

答案：C

解析：LASSO回归通过L1正则化使部分特征系数变为0，从而实现特征选择，直接反映模型对特征的依赖程度。A（卡方检验）和B（