一位数据科学家正在从400名患者的随机样本中构建一个二元疾病分类器，其中疾病患病率约为3%。哪种交叉验证策略最适合评估该模型？

分层k折交叉验证是最佳选择，因为它能确保每个折叠中疾病患者的比例与原始数据集中的比例大致相同。考虑到疾病患病率仅为3%（即400名患者中约有12名），标准k折交叉验证可能会导致某些折叠中疾病患者数量过少甚至没有，从而导致模型评估结果不稳定或有偏差。重复k折交叉验证虽然能提高评估的稳定性，但如果每个折叠的类别分布不均，其根本问题依然存在。按类别分层的80/20训练/验证拆分只进行一次拆分，无法提供像交叉验证那样对模型性能的稳健估计。