-CDA考试官方模拟题库

备考刷题，请到

CDA认证小程序

某银行的信贷审批部门构建了一个基于深度神经网络（DNN）的高精度违约预测模型。但监管部门要求，对于每一个被拒绝贷款的客户，银行必须提供具体的、人类可理解的拒绝理由（例如：“因年收入低于X且无房产”）。为了满足合规要求，同时保留DNN的高性能，数据科学团队决定采用“全局代理模型（Global Surrogate Model）”技术，也就是训练一个白盒模型去拟合复杂模型（如 DNN）的预测结果，然后可以用白盒模型生成清晰的业务规则。以下哪个模型最适合作为该代理模型：

A. XGBoost

B. 决策树

C. k近邻算法（kNN）

D. 另一个结构更简单的神经网络

上一题

下一题

题目解析

题目评论(0)

考察模型的可解释性（Interpretability）应用。 • 另外三种本质上都是“黑盒”或难以直观解释的模型。 • B 正确：决策树是典型的“白盒模型”。在可解释性人工智能（XAI）领域，训练一个决策树去拟合复杂模型（如 DNN）的预测结果，可以生成一套清晰的 If-Then 规则。虽然会损失一定的精度，但能满足监管对于“业务逻辑显性化”的要求。