2026年数据科学专业认证(CDSP)考试题库（附答案和详细解析）（0616）.docxVIP

数据科学专业认证(CDSP)

一、单项选择题（共10题，每题1分，共10分）

在机器学习中，交叉验证的主要目的是为了评估模型的泛化能力，以下哪种交叉验证方法最适用于数据量较小且希望尽可能减少评估方差的情况？A.留一法交叉验证B.留出法C.K折交叉验证D.自助法答案：A解析：留一法（LOOCV）是K折交叉验证中K等于样本量的特例。由于每次只用一个样本作为测试集，训练集包含所有其他样本，因此模型评估的方差最小，能最大程度利用数据进行训练和测试，非常适合小数据集。

在处理高维稀疏数据（如文本特征）时，以下哪种降维技术通常效果最好？A.主成分分析（PCA）B.线性判别分析（LDA）C.特征选择（如卡方检验或互信息）D.t-SNE答案：C解析：PCA和LDA主要适用于连续特征且基于线性变换，难以处理稀疏矩阵。t-SNE主要用于可视化，不直接用于特征降维以提升模型性能。特征选择直接筛选出与标签相关性高的特征，保留原始数据的稀疏结构，是处理高维稀疏数据的首选。

以下关于正则化的描述中，错误的是：A.L1正则化（Lasso）可以产生稀疏解，有助于特征选择B.L2正则化（Ridge）倾向于让权重趋于零，但不会完全为零C.ElasticNet结合了L1和L2正则化，比单一正则化更稳定D.正则化可以完全消除模型过拟合的风险答案：D解析：正则化