简介：面向2025深圳杯数学建模竞赛D题的完整分析论文以单份PDF形式提供，适合参赛选手、数学建模学习者及需要复盘赛题的研究者使用，重点解决从赛题理解到模型构建、求解与评估的完整链路。文档共1个PDF文件，压缩包约2.71MB，内容按摘要、问题重述、问题分析、模型假设、符号定义及问题一至问题三的建模求解展开，涵盖特征工程设计、分类模型结构与数学表达、模型性能对比、贡献者兼容性筛选、混合比例优化估计和组合匹配评分函数等模块，并随文给出可运行代码与相关数据。已有330人学习，说明其具备一定的参考与讨论基础。读者可据此梳理D题的解题框架，理解各问模型选择与评估指标设计，对照代码和数据复现实验，并借助目录结构快速定位关键步骤，为竞赛备赛、论文写作和方案复盘提供较完整的参考。

1. 反直觉的考法：人数未知，却被当成已知来建模

数学建模竞赛 D 题把法医混合 STR 图谱这一真实场景应用到建模题里，四问依次是贡献者人数判别、DNA 比例估计、基因型还原、噪声处理。很多队伍第一问就直接用真实人数做分母构造特征，训练集准确率冲到很高，换一批样本就明显下降，这是 D 题里最典型的数据泄漏。这场考试真正区分水平的地方在于：你能不能把“不知道的东西”从特征里剔除干净，再用可观测的量替代它。拿分的顺序是特征工程、分层评估、模型解释，而不是堆叠模型。适合已经会调 sklearn、但还没做过真实数据题的参赛者和面试者。

2. 考点分布：四问分别考什么，分数压在哪

D 题一共四问，但它们并不是四个并列的小题，而是围绕同一条数据链逐层递进的：先判定有几个人，再估计各占多少，再还原每个人的基因型，最后把噪声处理环节加进去。哪一问用的模型更复杂，并不决定分数；决定分数的是你对数据结构的理解深度，以及评估时的分层程度。先把每一问考什么拆清楚，后面写论文才知道往哪里加内容。

2.1 数据长什么样：先把 STR 图谱读成一张表

混合样本的原始数据是位点级长表：一个样本包含 16 个核心基因座（D5S818、TH01 这类标记），每个基因座下有一到多个等位基因，每个等位基因带三个关键字段——片段长度 Size（bp）、峰高 Height（荧光信号强度，近似正比于 DNA 含量）、以及是否 OL（off-ladder，无法与标准梯度比对的片段）。

理解这张表只需要抓住三条结构约束。第一，单个个体在每个位点最多携带 2 个等位基因，所以一个位点观测到 3 个及以上等位基因，几乎可以断定是混合样本。第二，理论上限是 2 乘以人数，人数越多，等位基因数量的上限越高，但重叠会让实际观测值远低于上限。第三，峰高不是等权的，它呈明显的幂律分布，多数峰落在 10^0 到 10^2 的低区间，少数主峰特别高，这种“主次峰结构”是后面所有特征的基础。

题目给出的样本分布本身就值得写进论文：问题一里 2 人 240 个、3 人 256 个、4 人 176 个、5 人 144 个，中低复杂度样本占多数；到问题二变成 2 人 96 个、3 人 240 个、4 人 256 个、5 人 208 个，高复杂度样本反而变多。这个反差正好解释了为什么同一套特征在问题一能到 0.96，在问题二却掉到 0.25，写论文时把这张分布表放在特征工程前面，评委一眼就能看出你不是盲目调参。

注意：OL 等位基因不是噪声，它是真实存在但不在标准梯度内的片段。把它直接删掉和把它单独计数，是两种完全不同的处理，论文里必须说清你选了哪种。

2.2 四问的任务类型与阅卷关注点

把这四问按任务类型归类，模型选择就有了依据：

阅卷时最在意的事情，通常总结为三句话：模型能不能解释、评估是否分层、结论有没有量化支撑。问题一最终给出的 GBDT 准确率 0.9608、交叉验证 0.9584±0.0136，这个“高准确率 + 低方差”的组合比单纯一个高准确率有说服力得多；反过来，多层感知器准确率 0.7549 但交叉验证只有 0.3603±0.0335，这个 0.39 的落差本身就是可以展开写的一段分析，比再多说几句“模型性能良好”有用。

2.3 论文骨架：摘要、假设、符号各自的得分点

摘要必须包含具体数字，不能只说“效果良好”。可以这样写：问题一用 GBDT，总体准确率 0.9608，2 人样本 F1 达 0.9916；问题二在 2 人样本达 85.00%，3 人样本降至 25.00%，说明比例接近均衡时等位基因重叠成为主要瓶颈；问题四经小波阈值去噪后多数样本识别准确率落在 0.8 到 1.0。数字控制在一段里，评委扫一眼就知道你做了什么。

模型假设六条要写成“如果违反会怎样”，而不是罗列。峰高与 DNA 比例近似线性相关这条，就要补一句“存在 PCR 偏倚时该假设会被削弱，故问题四先做去噪再估比例”；贡献者独立性假设要说明“不考虑亲缘关系，否则兼容性评分需要引入 kinship 修正”。符号表的作用是让评委只看表就能读懂公式，每个符号注明维度：位点索引、等位基因索引、贡献者索引、峰高向量、基因型剂量矩阵，一个都不能省。

3. 高频考点：特征工程里的那几个比值与统计量

D 题四问能拉开差距的地方集中在特征工程，模型选择并不是主要差异来源。GBDT、随机森林这些模型谁都会调包，但能不能从图谱里构造出“等位基因数与理论上限的比值”“最高峰与次高峰的比值”这类有物理含义的量，是分数线两侧的分水岭。这一章把权重最高的几个特征逐个拆开，并给出可直接运行的构造代码。

3.1 expected_allele_ratio 权重过半的原因

论文给出的特征重要性图里，expected_allele_ratio（等位基因数与理论人数比值）权重超过 0.5，遥遥领先；紧随其后的是 allele_count（等位基因总数）和 height_count（有效峰高数），再往后才是 height_min、height_top4、size_range、non_ol_allele_count、height_ratio_mean、top1_top2_ratio 这些细粒度特征。这个排序很合理，因为它对应了一条直接的因果链：人数越多，位点上能出现的等位基因越多。

但这个特征有一个容易理解错的地方。如果在问题一里直接用真实人数当分母，就等于把标签泄漏进了特征，模型在训练集上表现好、在实际预测时不成立。正确做法是改用可观测的替代量：先算出“至少需要几个人才能解释这个位点的等位基因数”，也就是等位基因数除以 2 后向上取整，再用它做分母。这样得到的比值既保留了“实际观测值离上限还有多远”的信息，又不依赖标签。

这条处理思路可以直接迁移到其他竞赛题：凡是“某个量和目标变量强相关”的特征，先问一句这个量在预测时能不能拿到。拿不到就换成它的可观测代理，论文里专门写一小段说明替代的合理性，这往往是评委加分的地方。

3.2 峰高统计与 top1/top2：把主次峰结构写成数字

峰高统计一共四组，每一组都对应一种图谱形态。

均值、标准差、变异系数（CV）刻画整体离散程度。混合人数增加时，次要贡献者的峰被主贡献者压住，CV 会先升后降，这个非单调性值得在描述分析里点一句。极值统计里 height_min 特别有用，它反映“最弱的那个峰还能不能被检出”，直接关系到人数判别的上限。前几高峰的均值 height_top4 描述主峰群的强度水平。峰高排序比值，尤其是降序排列后的 top1/top2，用来判断是否存在主导贡献者：比值接近 1 说明两人贡献量相当，比值很大说明一个人占了绝大多数。

问题一的数据描述里有这么一条结论：不同贡献者人数下，top1/top2 的分布差异不大，但均值和中位数随人数增加略有下降，说明人数越多、主次峰差异越趋于平衡。这句话背后其实是个重要提示：单看主次峰比值判不出人数，必须和等位基因数量类特征联合使用。论文里能写出“某特征单独判别力有限，需与结构特征组合”这种判断，比单纯列特征重要性更能体现分析能力。

3.3 代码：把位点长表压成一行特征

下面这段代码对应论文 5.1.2 的特征工程设计，输入是一个样本的位点级长表，输出一行特征向量。注意分母用的是可观测的最小可解释人数，不是真实人数。

import numpy as np import pandas as pd def locus_features(df: pd.DataFrame) -> dict: """ df: 单个样本的位点级长表 必需列: Locus(基因座名), Allele(等位基因编号), Height(峰高), Size(片段长度bp), OL(0/1 是否off-ladder) 返回: 一行特征字典 """ feats = {} # 1) 结构特征：等位基因总数、非OL数量 feats["allele_count"] = df["Allele"].nunique() feats["non_ol_count"] = df.loc[df["OL"] == 0, "Allele"].nunique() # 2) 理论比值：分母必须是可观测的“最小可解释人数” # ceil(allele_count / 2) 表示至少几个人才能凑出这么多等位基因 min_k = max(1, int(np.ceil(feats["allele_count"] / 2))) feats["expected_allele_ratio"] = feats["allele_count"] / (2 * min_k) # 3) 峰高统计（只统计有效峰，峰高>0） h = df.loc[df["Height"] > 0, "Height"].to_numpy() feats["height_count"] = len(h) feats["height_mean"] = h.mean() feats["height_std"] = h.std(ddof=1) if len(h) > 1 else 0.0 feats["height_cv"] = feats["height_std"] / feats["height_mean"] feats["height_min"] = h.min() top = np.sort(h)[::-1] # 降序，top[0] 为最高峰 feats["height_top4"] = top[:4].mean() feats["top1_top2_ratio"] = top[0] / top[1] if len(top) > 1 and top[1] > 0 else np.nan feats["height_ratio_mean"] = np.mean(top[1:] / top[:-1]) if len(top) > 1 else np.nan # 4) 片段长度分布 feats["size_range"] = df["Size"].max() - df["Size"].min() feats["size_std"] = df["Size"].std(ddof=1) return feats

逻辑说明：函数按“结构 → 比值 → 峰高 → 片段长度”四段组织，与论文的特征分组完全对应，写论文时可以直接把这段代码的注释当特征说明。参数上，ddof=1用样本标准差，样本量小时比总体标准差更保守；top1_top2_ratio在只有单峰时返回 NaN，交给后续的缺失值填充处理，不要用 0 填，0 会被模型误读成“主次峰完全均衡”；height_cv在以均值做分母前要确认均值不为 0，实际数据里峰高都为正，但去噪后可能出现整段归零，必须在流水线里加保护。

失败时看两处：如果allele_count明显偏大，通常是同一等位基因被拆成了多个碱基长度略有差异的行，要先按 Allele 编号做一次去重聚合；如果size_range异常大，检查是否有 OL 片段混进了 Size 统计，OL 的片段长度不可比，应单独处理。

3.4 四个模型的选择模板：GBDT、RF、MLP、SVM 各自适用的场景

问题一给出了四种模型的完整对比，这组数字值得记住并在论文里对比讨论：

可以写成这样的判断逻辑：GBDT 在结构化表格特征上天然占优，它逐轮拟合残差，能自动捕捉“等位基因数 × 峰高比”这类交互项，对小规模不平衡样本也稳；随机森林靠 bagging 降方差，特征重要性清楚，适合当解释性备选；MLP 的交叉验证比训练集低将近 0.4，说明在当前特征维度和样本量下它学到了训练集的噪声；SVM 的核方法在没有做过精细归一化的混合特征上容易被量纲主导，4 人以上样本 F1 低于 0.42 就是证据。

再往下拆一层，GBDT 分人数 F1 分别是 2 人 0.9916、3 人 0.9466、4 人 0.9663、5 人 0.9275，四类都过 0.92；而随机森林在 4 人召回率掉到 0.5455，明显漏判。论文里把“为什么 GBDT 在 4 人样本上反而略高于 3 人”解释成 4 人样本的等位基因数量更容易超出重叠阈值、结构性信号更强，这类观察比单纯报数字有价值。

4. 真题演练：四问逐题的建模与求解思路

这一章按题目顺序走一遍，每问给出建模范式、关键参数和结果解读。真正的答题套路是“先说这一问的输出是什么，再说用什么特征支撑，最后说怎么评估”——三段式写下来，阅卷人不用回头找。

4.1 问题一：人数判别，多类分类的骨架

输出是一个四分类标签（2 到 5 人）。建模路径：特征工程（结构 + 峰高 + 片段长度 + 位点 one-hot）→ 四模型横向对比 → 分人数拆指标 → 选 GBDT 并给特征重要性。

要点在于把“人数判别”当成有序难度递增的问题来写，而不是四个并列类别。2 人样本等位基因最多 4 个，重叠概率低，准确率自然高；3 人以上等位基因数超过 6，重叠严重，同一组峰可能对应多种人数组合。论文里 3 人精确率 0.9254、4 人 0.9556、5 人 0.9697 这组数字说明 GBDT 在中高复杂度上反而更稳，原因是人数多的样本等位基因数更容易顶到理论上限，expected_allele_ratio这类特征区分度被放大。

答题时容易被追问的一点是：为什么不用回归做人数预测再四舍五入？答法是把人数看成离散类别更合理，因为类别之间不存在等距关系，2 人到 3 人的特征变化不是线性的；而且分类器能输出概率，方便后续按置信度筛选高可靠样本再进问题二。

4.2 问题二：比例估计，为什么 3 人掉到 25%

问题二把连续比例离散化成类别：2 人有 3 种比例组合（1:4、1:1、1:9，以 1:4 为主占 50%），3 人有 6 种，4 人和 5 人各 7 到 8 种。模型按人数分别训练，2 人用 GBDT、3 人用 MLP、4 人和 5 人用随机森林。

结果是 2 人 85.00%、3 人 25.00%、4 人 40.38%、5 人 45.24%。这个非单调曲线是问题二最值得分析的地方。3 人掉得最狠，原因有三层：一是类别数从 3 涨到 6，同样样本量下每类样本骤减；二是 3 人样本里 1:4:1 这类结构占比高，中间那个贡献者的峰被两侧夹住，峰高比接近 1 时几乎不可分；三是比例接近均衡时，等位基因重叠导致不同比例组合落在同一片特征区域，混淆矩阵上表现为对称的错误集中。

可以写出的改进方向：把分类改成带约束的回归（比例和为 1 的单纯形约束），或先做“是否均衡”的二分类再回归具体比例；也可以在特征侧补位点级的比例估计值，再跨位点取中位数，用多基因座的冗余来抵消单位点的不可分。这几条写在模型推广里，正好对上论文第九部分的位置。

4.3 问题三：兼容性筛选 + 非负最小二乘 + 组合评分

问题三的输出是“哪几个人是贡献者 + 各自基因型 + 混合比例”。三步走：先按候选个体与观测等位基因的重合度算兼容性评分，剪掉明显不兼容的个体；再对剩下的组合用加权最小二乘估比例，让预测峰高逼近观测峰高；最后用综合评分函数（等位基因解释率 + 峰高分布相关性）排序。

import numpy as np from itertools import combinations from scipy.optimize import nnls def genotype_matrix(candidates, alleles): """把候选人在某位点的基因型转成剂量矩阵 (等位基因数 m, 候选人数 k) 纯合记 2，杂合记 1，缺失记 0 """ M = np.zeros((len(alleles), len(candidates))) for j, gt in enumerate(candidates): for a in gt: if a in alleles: M[alleles.index(a), j] += 1 return M def score_combination(obs_height, alleles, combo): """对一个候选组合打分：非负最小二乘估比例 + 解释率 + 峰高相关性""" M = genotype_matrix(combo, alleles) w, _ = nnls(M, obs_height) # 非负约束，避免负比例 if w.sum() == 0: return -np.inf, None w = w / w.sum() # 归一化到单纯形 pred = M @ w explained = np.sum(pred > 0) / len(obs_height) # 等位基因解释率 corr = np.corrcoef(pred, obs_height)[0, 1] if np.std(pred) > 0 else 0.0 return 0.5 * explained + 0.5 * corr, w def search_contributors(obs_height, alleles, pool, k, top_n=50): """先按兼容性剪枝，再在剩余池里枚举 k 人组合""" # 剪枝：只保留能解释至少 50% 观测等位基因的候选个体 keep = [c for c in pool if len(set(c) & set(alleles)) / max(1, len(set(c))) >= 0.5] scored = [] for combo in combinations(keep, k): s, w = score_combination(obs_height, alleles, combo) scored.append((s, combo, w)) return sorted(scored, key=lambda x: -x[0])[:top_n]

逻辑说明：nnls求解非负最小二乘，天然满足“比例不能为负”的物理约束，比普通最小二乘加后处理截断更稳；归一化到和为 1 之后，M @ w就是预测峰高，可以直接和观测峰高做相关。评分函数把解释率和相关性各取 0.5，权重可以按数据调——如果噪声大就把相关性权重降下来，如果候选池大、错配多就把解释率权重提上去。search_contributors先剪枝再枚举，是把组合爆炸压下去的关键：候选池从几十人降到十几人，C(n, k)立刻从天文数字降到可算范围。

失败时看两处：如果最优组合的解释率很高但相关性很低，说明等位基因对上了但峰高关系错乱，多半是比例估计被少数异常高峰带偏，应改用按位点加权或 Huber 损失；如果所有组合得分都低，检查候选池里是否根本没包含真实贡献者，这时要做的是放宽剪枝阈值而不是调评分权重。

4.4 问题四：小波阈值去噪那套流程如何实际实施

问题四是一套流程题，四个模块串起来：小波阈值去噪 → 拖尾峰（PCR 扩增伪峰）识别与剔除 → 自适应峰值筛选 → 改进匹配得分函数。

小波阈值去噪的关键参数有四个：小波基（db4 这类紧支撑基，兼顾光滑性和计算量）、分解层数（2 到 3 层，再深就把真实峰也磨平了）、阈值准则（用 MAD 估计噪声标准差，乘上sqrt(2*log(n))做通用阈值）、阈值方式（软阈值，连续性更好，不会在峰边缘留台阶）。拖尾峰识别用两条规则联合判断：比主峰短一个重复单位（片段长度差约为一个 STR 重复单元）、且高度低于主峰某个比例（15% 左右）。自适应峰值筛选给每个候选峰算质量分，低于阈值直接丢弃，避免把噪声峰喂进匹配。

import numpy as np import pywt def denoise_profile(heights, wavelet="db4", level=2, k=1.5, stutter_ratio=0.15): """heights: 按片段长度升序排列的峰高序列""" h = np.asarray(heights, dtype=float) # 1) 小波分解，只对细节系数做软阈值，近似系数保留 coeffs = pywt.wavedec(h, wavelet, level=level) sigma = np.median(np.abs(coeffs[-1])) / 0.6745 # MAD 稳健噪声估计 thr = k * sigma * np.sqrt(2 * np.log(len(h))) # 通用阈值 coeffs[1:] = [pywt.threshold(c, thr, mode="soft") for c in coeffs[1:]] smooth = pywt.waverec(coeffs, wavelet)[:len(h)] smooth = np.clip(smooth, 0, None) # 峰高不能为负 # 2) 拖尾峰剔除：低于前一峰 stutter_ratio 且高度很小 keep = np.ones(len(smooth), dtype=bool) for i in range(1, len(smooth)): if 0 < smooth[i] < stutter_ratio * smooth[i - 1]: keep[i] = False return smooth * keep

逻辑说明：sigma用 MAD 除以 0.6745 估计，这是稳健统计里的标准做法，比直接算标准差更不容易被真实高峰污染。k控制去噪强度，1.5 是偏保守的取值，噪声大可以调到 2.0，但超过 2.5 会把真实的次要贡献者峰一起削掉。stutter_ratio设 0.15 是在“宁可保留伪峰”和“宁可删掉真峰”之间取平衡，法医实务里通常更怕后者，所以这个值不宜调高。

论文给出的结果是去噪后大多数样本识别准确率落在 0.8 到 1.0，极端样本也优于只做预处理或传统去噪的方案。写的时候要把“去噪前后对比表”列出来，只给一句“显著提升”没有说服力。

5. 易错点：这五处出问题，评委会很快发现

四问的建模思路本身并不复杂，真正让论文评级掉档的往往是几个具体的技术细节。下面五条是我见过最集中的失分点，每条都按“错在哪、为什么错、怎么答对”拆开。

5.1 失分点一：拿真实人数当特征的分母

错在哪：问题一里构造expected_allele_ratio时，直接用标签（真实人数）做分母。

为什么错：这是典型的数据泄漏。训练时这个特征携带了答案信息，模型学到的是“分母等于标签”，而不是图谱结构；一旦进入真正的预测场景，人数未知，这个特征根本算不出来。交叉验证如果没做分组，分数会高得离谱，答辩时被问一句“预测时这个分母从哪来”就答不上。

怎么答对：分母换成可观测的最小可解释人数ceil(allele_count / 2)，或者按候选人数 k 各构造一列比值让模型自己选。论文里加一句“该比值衡量实际观测等位基因数相对理论上限的填充程度”，把替代的合理性讲清楚。

5.2 失分点二：只报总体准确率，不拆人数看混淆矩阵

错在哪：问题一只写 GBDT 准确率 0.9608，问题二只写一个平均准确率，不按 2/3/4/5 人分层。

为什么错：总体准确率会被样本量大的类别主导，问题二的 2 人样本只有 96 个、3 人有 240 个，混在一起平均会掩盖 3 人只有 25.00% 这个关键事实。评委最想看的恰恰是“难例上表现如何”。

怎么答对：所有分类结果都按人数分层报精确率、召回率、F1，再附一张混淆矩阵。把“2 人 F1 0.9916、5 人 0.9275”这样的分布写出来，然后专门用一段解释 3 人为什么掉得最狠。

提示：分层评估表是这类题的基础，不给分层数据，后面所有模型对比都站不住。

5.3 失分点三：交叉验证与训练准确率差一大截还写“性能良好”

错在哪：多层感知器准确率 0.7549、交叉验证 0.3603±0.0335，论文里只说“略优于随机森林”。

为什么错：0.39 的落差是明确的过拟合信号，把它当成优点写，等于告诉评委你没看懂自己的评估结果。SVM 同理，交叉验证 0.3529±0.0307，比随机猜高不了多少。

怎么答对：把落差本身当成结论写——“MLP 在当前特征维度和样本量下无法学到稳定分类边界，交叉验证暴露了过拟合，因此不作为最终模型”。这种自我否定的判断在评分里是加分项，它证明你的评估体系是有效的。

5.4 失分点四：问题三把“兼容”当成“匹配”，直接取重合度最高的个体

错在哪：只算候选个体与观测等位基因的重合比例，取分数最高的一组当答案，不做峰高拟合。

为什么错：兼容性只回答“这个人有没有可能是贡献者”，不回答“贡献了多少”。一个人可能在所有位点都兼容，但峰高完全解释不了观测强度；两个人兼容度相同，比例差异巨大时得分应该不同。少了峰高拟合这一步，问题三就退化成集合匹配，白白丢掉评分函数设计的分数。

怎么答对：兼容性用来剪枝，组合搜索之后必须做带非负约束的最小二乘估比例，再用“等位基因解释率 + 峰高相关性”的综合评分排序。两个子分数各占多少权重，要给出调整依据。

5.5 失分点五：去噪后不复核峰高归一化，上下游比例全错

错在哪：问题四用小波阈值把峰高平滑之后，直接拿去和问题三的比例估计模型对接，没有重新归一化，也没有重算各贡献者的比例。

为什么错：软阈值会整体压低峰高幅度，输入到比例估计里，非负最小二乘求出的权重虽然还能归一化，但不同位点被压低的程度不一致，跨位点加权时就会系统性偏移。更隐蔽的是拖尾峰剔除后某些位点只剩一两个峰，比例估计的自由度不够，代码会静默给出一个“看起来正常”的错误解。

怎么答对：去噪流水线的末端强制加一步归一化（按位点内最大峰或按位点总峰高），并在匹配前检查每个位点的有效峰数是否满足人数下限，不满足就标记为低置信度样本单独统计，不做强行估计。

6. 答题节奏：拿到一道有真实数据背景的赛题时的五步检查

时间分配比模型选择更能决定最终名次。以这类四问结构的大题为例，我习惯按 1:2:4:2:1 切分：读题与数据结构梳理占一成，特征工程占两成，四问建模与求解占四成，评估与对比占两成，推广与写作收尾占一成。很多人反过来，把八成时间花在调模型上，结果论文里连一张分层评估表都拿不出来。

押题方向上，这类题的变体基本跑不出四个动作：一是把“未知量”从特征里剔干净，换成可观测代理；二是把评估做分层，难例单独讨论；三是多方案对比而非单模型硬调；四是把流程类问题（去噪、筛选）写成可复现的模块序列，每个模块给参数和失效条件。把这四个动作写进论文骨架，就算题目换了数据背景也能套。

还有一条很实用的经验：摘要里的每一个数字，都要能在正文的表格里找到出处。评委读摘要时记住的是数字，翻正文时找的是支撑，两者对不上，前面的分会被扣回来。

血泪经验是评估这一环最容易省、也最不该省。省掉分层评估，模型对比就变成各说各话；省掉消融实验，特征工程那两成时间等于白花。哪怕只做一组“去掉 expected_allele_ratio 之后准确率掉多少”的对照，也比多跑十个模型更能说明问题。

从那以后我每次拿到一道带真实数据背景的题，都强制走一遍“数据结构 → 标签可观测性 → 特征物理含义 → 分层评估 → 复杂度预算”这五步，任何一步没写清楚就不动笔写模型。这份 D 题的分析论文里，四问的建模过程、可运行代码、原始数据和评估表都是现成的，对着把自己那版改一遍，比从零推一遍快得多。希望帮到你。

本文还有配套的精品资源，点击获取