Python經(jīng)濟大數(shù)據(jù)分析模擬試卷試卷二含參考答案

大學試卷學年第學期；課號課程名稱Python經(jīng)濟大數(shù)據(jù)分析（B閉卷）；適用班級（或年級、專業(yè)）（每位考生需要答題紙（8k）1張、草稿紙（16k）1張）考試時間120分鐘班級學號姓名題號一二三四五六七八九十成績滿分30202030得分評卷人一、單項選擇題（每道題2分，共30分）1.在進行數(shù)據(jù)抽樣時候的標準不包括：（）A.可靠性B.有效性C.一致性D.相關性2.以下代碼的運行結(jié)果是？（）defInputInt(a):a=15b=2InputInt(b)print(b)15B.2C.15.2D.b3.對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，不需要考慮的問題包括（）。A.錯誤值B.重復C.不完整D.數(shù)據(jù)產(chǎn)生的人4.對于不服從正態(tài)分布的變量、分類或等級變量之間的關聯(lián)性常采用：（）A.Spearman相關系數(shù)B.判定系數(shù)C.Pearson相關系數(shù)D.Gamma系數(shù)5.在進行數(shù)據(jù)探索時能夠一次查看數(shù)據(jù)的基本情況的方法是（）A.subplot()B.describe()C.cumsum()D.add_subplot()6.由于研究目的和對比基礎不同，在進行相對數(shù)比較時采用的方法不包括（）A.結(jié)構(gòu)相對數(shù)B.比例相對數(shù)C.過程相對數(shù)D.強度相對數(shù)7.以下不屬于數(shù)據(jù)處理中經(jīng)常使用的缺失值填充的方法（）。A.忽略元組B.屬性均值填充缺失值C.最近鄰填充缺失值D.回歸填充缺失值8.哪些算法不需要數(shù)據(jù)歸一化?A.kNNB.SVMC.k-meansD.決策樹9.以下哪些方法不能用于處理欠擬合?A.增加模型復雜度B.增大正則化系數(shù)C.增加新的特征D.對特征進行變換,使用組合特征或高維特征10.以下那種說法是錯誤的()。A.一個系統(tǒng)越是有序,信息熵就越低B.中國足球隊戰(zhàn)勝巴西足球隊的信息熵要小于中國乒乓球隊戰(zhàn)勝巴西乒乓球隊的信息熵C.信息增益=信息熵-條件熵D.一個系統(tǒng)越是混亂,隨機變量的不確定性就越大,信息熵就越高11.關于CART算法,錯誤的是()。A.CART算法既可以處理分類問題,也可以處理回歸問題B.可以處理樣本不平衡問題C.CART算法采用信息增益率的大小來度量特征的各個劃分點D.CART分類樹采用基尼系數(shù)的大小來度量特征的各個劃分點12.某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖掘中的（）。A.關聯(lián)規(guī)則B.聚類C.分類D.自然語言處理13.有關數(shù)據(jù)挖掘預處理不正確的說法是（）。A.預處理是數(shù)據(jù)挖掘一個不可少的環(huán)節(jié)B.數(shù)值規(guī)約可以使用聚類進行C.預處理涉及缺失值分析、異常值分析等很多工作D.預處理的過程可能本身就是一個數(shù)據(jù)挖掘過程14.假設屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對屬性income的73600元將被轉(zhuǎn)化為：（）A.0.821B.1.224C.1.458D.0.71615.當不知道數(shù)據(jù)所帶標簽時，可以使用哪種技術(shù)促使帶同類標簽的數(shù)據(jù)與帶其他標簽的數(shù)據(jù)相分離?A.分類B.聚類C.關聯(lián)分析D.協(xié)同過濾二、填空題（每空2分，共20分）1.數(shù)據(jù)抽樣的標準包括：可靠性、有效性、___________。2.Python中包含4種內(nèi)建的數(shù)據(jù)結(jié)構(gòu)為：________、字典、元組、_________。3.常用的異常值探測方法是簡單統(tǒng)計量分析、箱型圖分析和____________。4.數(shù)據(jù)的不一致性主要是數(shù)據(jù)的_____________和______________。5.處理缺失值常用的三種方法是：刪除記錄、___________和____________。6.實現(xiàn)分類與預測的常用算法有回歸分析、__________、人工神經(jīng)網(wǎng)絡、___________和支持向量機。三、名詞解釋題（每道題5分，共20分）1.分類2.決策樹3.預測4.純隨機序列四、簡答題（每道題6分，共30分）1.簡述什么是異常值分析，以及進行異常值探測的方法。2.簡述為什么要做數(shù)據(jù)預處理，數(shù)據(jù)預處理的主要內(nèi)容。3.常見的分類算法有哪些？4.簡述分類的概念，以及分類算法的實現(xiàn)過程。5.LR（邏輯回歸）和SVM的聯(lián)系與區(qū)別？試卷二答案單選1-5：CBDBA6-10：CADBB11-15：CACDD填空1.相關性2.列表list、集合set3.3σ原則4.矛盾性、不相容性5.數(shù)據(jù)插補、不處理。6.決策樹、貝葉斯網(wǎng)絡名詞解釋題1.分類是構(gòu)建一個分類模型，輸入樣本的屬性值，輸出對應的類別，將每個樣本映射到預先定義好的類別。2.決策樹（DecisionTree）通過對訓練樣本的學習，并建立分類規(guī)則，然后依據(jù)分類規(guī)則，對新樣本數(shù)據(jù)進行分類預測，屬于有監(jiān)督學習。3.預測是建立兩種或兩種以上變量間相互以來的函數(shù)模型，然后進行預測和控制。4.純隨機序列又稱白噪聲序列，序列的各項之間沒有任何相關性，序列在進行完全無序的隨機波動。問答題1.異常值分析是檢驗數(shù)據(jù)是否有錄入錯誤，是否含有不合常理的數(shù)據(jù)。常用的方法有簡單統(tǒng)計量分析、3σ原則和箱型圖。2.在數(shù)據(jù)挖掘中，海量的原始數(shù)據(jù)中存在著大量不完整、不一致、有異常的數(shù)據(jù)，將嚴重影響到數(shù)據(jù)挖掘建模的執(zhí)行效率，甚至可能導致挖掘結(jié)果的偏差，所以需要進行數(shù)據(jù)的預處理。3.答：SVM、神經(jīng)網(wǎng)絡、隨機森林、邏輯回歸、KNN、貝葉斯4.分類是構(gòu)建一個分類模型，輸入樣本的屬性值，輸出對應的類別，將每個樣本映射到預先定義好的類別。分類算法的過程有兩步：第一步是學習步，通過歸納分析訓練樣本集來建立分類模型，得到分類規(guī)則；第二步是分類步，先用已知的測試樣本集評估分類規(guī)則的準確率，如果準確率是可以接受的，則使用模型對未知類標號的待測樣本集進行預測。5.聯(lián)系：LR和SVM都可以處理分類問題，且一般都用于處理線性二分類問題（在改進的情況下可以處理多分類問題）兩個方法都可以增加不同的正則化項，如L1、L2等等。所以在很多實驗中，兩種算法的結(jié)果是很接近的。區(qū)別：LR是參數(shù)模型，SVM是非參數(shù)模型。從目標函數(shù)來看，區(qū)別在于邏輯回歸采用的是LogisticalLoss，SVM采用的是hingeloss.這兩個損失函數(shù)的目的都是增加對分類影響較大的數(shù)據(jù)點的權(quán)重，減少與分類關系較小的數(shù)據(jù)點的權(quán)重。SVM的處理方法是只考慮SupportVectors，也就是和分類最相關的少數(shù)點，去學習分類器。而邏輯回歸通過非線性映射，大大減小了離分類平面較遠的點的權(quán)重，相對提升了與分類最相關的