2024年秋江蘇開放大學數(shù)據(jù)挖掘技術(shù)060734形考作業(yè)1-3

2024年秋江蘇開放大學數(shù)據(jù)挖掘技術(shù)第1次形考作業(yè)單選題1某超市研究銷售記錄數(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)挖掘的哪類問題？（）A關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B聚類C分類D自然語言處理正確答案：A2以下兩種描述分別對應哪兩種對分類算法的評價標準？（）（a）警察抓小偷，描述警察抓的人中有多少個是小偷的標準。（b）描述有多少比例的小偷給警察抓了的標準。A、Precision，RecallB、Recall，PrecisionC、Precision，ROCD、Recall，ROC正確答案：A3下列不屬于分析與挖掘的數(shù)據(jù)類型的是（）。A數(shù)據(jù)庫數(shù)據(jù)B數(shù)據(jù)分析C數(shù)據(jù)矩陣D事務數(shù)據(jù)正確答案：B4目的是縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并且能夠得到和原始數(shù)據(jù)相同的分析結(jié)果的是（）。A數(shù)據(jù)清洗B數(shù)據(jù)集成C數(shù)據(jù)變換D數(shù)據(jù)歸約正確答案：C5目前數(shù)據(jù)分析和數(shù)據(jù)挖掘面臨的挑戰(zhàn)性問題不包括（）。A數(shù)據(jù)類型的多樣性B高維度數(shù)據(jù)C離散點數(shù)據(jù)D數(shù)據(jù)分析與數(shù)據(jù)挖掘結(jié)果的可視化正確答案：C6下列應用中，哪一個不屬于數(shù)據(jù)分析與數(shù)據(jù)挖掘的應用（）。A商務智能B搜索引擎C輔助醫(yī)療D垃圾郵件識別正確答案：D7假設12個銷售價格記錄已經(jīng)排序如下：5，10，11，13，15，35，50，55，72，92，204，215使用如下每種方法將它們劃分成四個箱。等寬劃分時（寬度為50），15又在哪個箱子里？（）A第一個B第二個C第三個D第四個正確答案：A8假設12個銷售價格記錄已經(jīng)排序如下：5，10，11，13，15，35，50，55，72，92，204，215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內(nèi)？（）A第一個B第二個C第三個D第四個正確答案：B9下面哪種不屬于數(shù)據(jù)預處理的方法？（）A變量代換B離散化C聚集D估計遺漏值正確答案：D10用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務？（）A根據(jù)內(nèi)容檢索B建模描述C預測建模D尋找模式和規(guī)則正確答案：A11建立一個模型，通過這個模型根據(jù)已知的變量值，來預測其他某個變量值屬于數(shù)據(jù)挖掘的哪一類任務？（）A根據(jù)內(nèi)容檢索B建模描述C預測建模D尋找模式和規(guī)則正確答案：C12為數(shù)據(jù)的總體分布建模，把多維空間劃分成組等問題，屬于數(shù)據(jù)挖掘的哪一類任務？（）A探索性數(shù)據(jù)分析B建模描述C預測建模D尋找模式和規(guī)則正確答案：B13使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務？（）A探索性數(shù)據(jù)分析B建模描述C預測建模D尋找模式和規(guī)則正確答案：A14什么是KDD？（）A數(shù)據(jù)挖掘與知識發(fā)現(xiàn)B領域知識發(fā)現(xiàn)C文檔知識發(fā)現(xiàn)D動態(tài)知識發(fā)現(xiàn)正確答案：A15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(guān)聯(lián)分析D隱馬爾科夫鏈正確答案：B16將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務？（）A頻繁模式挖掘B分類和預測C數(shù)據(jù)預處理D數(shù)據(jù)流挖掘正確答案：C17考慮值集{1、2、3、4、5、90}，其截斷均值（p=20%）是（）。A2B3C3.5D5正確答案：C18下面不屬于創(chuàng)建新屬性的相關(guān)方法的是（）。A特征提取B特征修改C映射數(shù)據(jù)到新的空間D特征構(gòu)造正確答案：B19假設有學生考試成績的值：60，45，33，77，80，100，100，90，70，65，找出這組數(shù)據(jù)的中列數(shù)（）。A66.5B100C82.5D78正確答案：A20數(shù)值屬性的相異性不包括（）。A牛頓距離B歐幾里得距離C閔可夫斯基距離D切比雪夫距離正確答案：A21假設有學生考試成績的值：60，45，33，77，80，100，100，90，70，65，找出這組數(shù)據(jù)的中位數(shù)（）。A100B73.5C78.5D55正確答案：B22下列的類型，哪一個不屬于屬性的分類（）。A標稱屬性B集合屬性C二元屬性D數(shù)值屬性正確答案：B23以下哪種方法不屬于特征選擇的標準方法（）。A嵌入B過濾C包裝D抽樣正確答案：D24只有非零值才重要的二元屬性被稱作（）。A計數(shù)屬性B離散屬性C非對稱的二元屬性D對稱屬性正確答案：C25屬于定量的屬性類型是（）。A標稱B序數(shù)C區(qū)間D相異正確答案：C26下面哪個不屬于數(shù)據(jù)的屬性類型。（）A標稱B序數(shù)C區(qū)間D相異正確答案：D多選題1基本統(tǒng)計圖形顯示有（）A箱圖B餅圖C頻率直方圖D散點圖正確答案：A；B；C；D2數(shù)據(jù)分散度量有（）A極差B分位數(shù)C四分位數(shù)D方差E標準差正確答案：A；B；C；D；E3分析與挖掘的數(shù)據(jù)類型有（）A數(shù)據(jù)庫數(shù)據(jù)B數(shù)據(jù)倉庫數(shù)據(jù)C事務數(shù)據(jù)D數(shù)據(jù)矩陣E圖和網(wǎng)狀數(shù)據(jù)F其它類型的數(shù)據(jù)正確答案：A；B；C；D；E；F填空題1數(shù)據(jù)預處理的方法包括、、、。正確答案：數(shù)據(jù)清理；數(shù)據(jù)集成；數(shù)據(jù)變換；數(shù)據(jù)歸約2數(shù)據(jù)分析與數(shù)據(jù)挖掘的方法有、、、。正確答案：頻繁模式；分類與回歸；聚類分析；離群點分析簡答題1闡述二元屬性的狀態(tài)以及每種狀態(tài)表示的含義。答案：二元屬性是一種特殊的數(shù)據(jù)屬性類型，其狀態(tài)及每種狀態(tài)表示的含義如下：一、二元屬性的狀態(tài)二元屬性只有兩個類別或狀態(tài)，通常用0和1來表示。二、每種狀態(tài)表示的含義0：在二元屬性中，0通常用來表示某個屬性不出現(xiàn)或者為假（false）。例如，在表示患者是否抽煙的屬性中，0可以表示患者不抽煙；在表示性別屬性的非對稱情況下（如將男性編碼為1，女性編碼為0，僅作為示例，實際編碼可靈活處理），0可能表示女性。1：與0相反，1在二元屬性中用來表示某個屬性出現(xiàn)或者為真（true）。繼續(xù)以患者是否抽煙的屬性為例，1可以表示患者抽煙；在性別屬性的非對稱情況下，1可能表示男性。三、二元屬性的對稱性值得注意的是，二元屬性還可以進一步分為對稱的和非對稱的：對稱二元屬性：如果二元屬性的兩種狀態(tài)具有同等價值并且攜帶相同的權(quán)重，那么這種二元屬性就是對稱的。例如，性別屬性（男、女）就是對稱的，因為男性和女性在大多數(shù)情況下都被視為具有同等價值的類別。非對稱二元屬性：如果二元屬性的兩種狀態(tài)不是同等重要的，那么這種二元屬性就是非對稱的。例如，在病毒化驗結(jié)果中，陽性和陰性結(jié)果通常具有不同的重要性。在這種情況下，陽性結(jié)果（通常表示存在病毒感染）可能被編碼為1，而陰性結(jié)果（表示未感染病毒）被編碼為0。綜上所述，二元屬性的狀態(tài)及其含義取決于具體的應用場景和編碼規(guī)則。在實際應用中，需要根據(jù)數(shù)據(jù)的特性和分析目的來選擇合適的編碼方式。2什么是極差、分位數(shù)、方差？答案：極差、分位數(shù)、方差是統(tǒng)計學中常用的幾個概念，它們各自具有不同的定義和用途。以下是對這三個概念的詳細解釋：一、極差定義：極差是一組數(shù)據(jù)中最大值與最小值之差，以R表示，是統(tǒng)計學術(shù)語，亦可稱為極端差、極端距離、最大最小距離、極大極小差甚至最大最小差。公式：極差=最大值-最小值。用途：極差用于反映數(shù)據(jù)的變化幅度，其值越大就表明樣本值變化越大，樣本中的離散程度越大。特點：極差計算簡單，含義直觀，運用方便，但只能反映數(shù)據(jù)的最大離散范圍，不能細致地反映測量值彼此相符合的程度。二、分位數(shù)定義：分位數(shù)（Quantile），亦稱分位點，是指將一個隨機變量的概率分布范圍分為幾個等份的數(shù)值點，常用的有中位數(shù)（即二分位數(shù)）、四分位數(shù)、百分位數(shù)等。用途：分位數(shù)可以用于描述數(shù)據(jù)的分布特征，例如中位數(shù)可以表示數(shù)據(jù)的中心位置，四分位數(shù)可以表示數(shù)據(jù)的分布形態(tài)等。特點：分位數(shù)能夠更細致地描述數(shù)據(jù)的分布特征，比極差更能反映數(shù)據(jù)的整體情況。三、方差定義：方差是用來衡量一組觀測值分散程度的統(tǒng)計量，是樣本方差的簡稱。公式：方差=(每個數(shù)據(jù)與平均數(shù)的差的平方和)/數(shù)據(jù)個數(shù)。用途：方差用于描述數(shù)據(jù)的離散程度，方差越大，說明數(shù)據(jù)的離散程度越大；方差越小，說明數(shù)據(jù)的離散程度越小。特點：方差能夠更全面地反映數(shù)據(jù)的離散程度，比極差和分位數(shù)更能揭示數(shù)據(jù)的內(nèi)在特性。同時，方差具有可加性、齊次變換性和可開方性等特點，便于進行進一步的統(tǒng)計分析和計算。綜上所述，極差、分位數(shù)和方差都是用于描述數(shù)據(jù)特征的統(tǒng)計量，但各自具有不同的定義、用途和特點。在實際應用中，需要根據(jù)數(shù)據(jù)的特性和分析目的來選擇合適的統(tǒng)計量。3數(shù)據(jù)預處理的主要方法有哪些？每個方法的主要內(nèi)容是什么？答案：數(shù)據(jù)預處理是數(shù)據(jù)分析和機器學習中的關(guān)鍵步驟，涉及對原始數(shù)據(jù)進行清洗、轉(zhuǎn)換和整理，以便數(shù)據(jù)能夠更好地適應模型訓練和分析需求。以下是數(shù)據(jù)預處理的主要方法及其主要內(nèi)容：一、數(shù)據(jù)清洗數(shù)據(jù)清洗是處理缺失值和異常值的過程，以提高數(shù)據(jù)質(zhì)量和模型性能。缺失值處理：刪除：刪除含有缺失值的樣本或特征。填補：使用插值、均值、中位數(shù)、眾數(shù)等方法填補缺失值。異常值處理：使用統(tǒng)計方法（如Z-Score）或基于模型的方法（如IQR）識別和處理異常值。異常值是否剔除，視具體情況而定，因為有些異常值可能蘊含著有用的信息。二、數(shù)據(jù)集成數(shù)據(jù)集成是將多個數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來并統(tǒng)一存儲的過程，建立數(shù)據(jù)倉庫的過程實際上就是數(shù)據(jù)集成。實體識別：從不同數(shù)據(jù)源識別出現(xiàn)實世界的實體，處理同名異義、異名同義、單位不統(tǒng)一等問題。冗余屬性識別：識別同一屬性多次出現(xiàn)或同一屬性命名不一致導致的重復，可以使用相關(guān)分析檢測，并用相關(guān)系數(shù)度量一個屬性在多大程度上蘊含另一個屬性。三、數(shù)據(jù)變換數(shù)據(jù)變換是對數(shù)據(jù)進行規(guī)范化處理，將數(shù)據(jù)轉(zhuǎn)化為適當?shù)男问剑赃m用于挖掘任務及算法的需要。規(guī)范化：標準化：將數(shù)據(jù)轉(zhuǎn)換為均值為0、標準差為1的分布，通常用于高斯分布的數(shù)據(jù)。標準化后的數(shù)據(jù)具有相同的尺度，減少特征之間量綱不一致的影響，有助于提高某些機器學習算法的性能。歸一化：將數(shù)據(jù)縮放到特定范圍（通常是[0,1]），特別適用于距離度量敏感的算法，如歸一化后的數(shù)據(jù)每個特征的取值范圍相同，有助于提高某些機器學習算法的性能。連續(xù)屬性離散化：將連續(xù)屬性的值用聚類算法（如K-Means算法）進行聚類，然后再將聚類得到的簇進行處理，合并到一個簇的連續(xù)屬性值并做同一標記。聚類分析的離散化方法也需要用戶指定簇的個數(shù)，從而決定產(chǎn)生的區(qū)間數(shù)。其他變換方法：簡單函數(shù)變換：對原始數(shù)據(jù)進行數(shù)學函數(shù)變換，如平方、開方、取對數(shù)（進行壓縮）、差分運算等。小波變換：一種新型數(shù)據(jù)分析工具，具有多分辨率的特點，在時域和頻域都具有表征信號局部特征的能力，通過伸縮和平移等運算過程對信號進行多尺度聚焦分析，提供一種非平穩(wěn)信號的時頻分析手段。四、數(shù)據(jù)規(guī)約數(shù)據(jù)規(guī)約是在大數(shù)據(jù)集上進行復雜的數(shù)據(jù)分析和挖掘時，為了節(jié)省時間和空間，通過屬性規(guī)約、數(shù)值規(guī)約等方法產(chǎn)生更小但保持原數(shù)據(jù)完整性的新數(shù)據(jù)集。屬性規(guī)約：通過屬性合并來創(chuàng)建新的屬性維數(shù)，目標是尋找出最小的屬性子集并確保新數(shù)據(jù)子集的概率分布盡可能的接近原來數(shù)據(jù)集的概率分布。常用方法包括主成分分析（PCA）、線性判別分析（LDA）等。數(shù)值規(guī)約：有參數(shù)方法：使用一個模型來評估數(shù)據(jù)，只要存放參數(shù)，不需要存放實際數(shù)據(jù)，例如線性回歸、多元回歸、對數(shù)線性模型等。無參數(shù)方法：需要存放實際數(shù)據(jù)，例如直方圖、聚類、抽樣等。五、其他方法類別編碼：將類別特征轉(zhuǎn)換為數(shù)值形式，以便機器學習算法能夠處理。常用的方法包括獨熱編碼（One-HotEncoding），將類別特征轉(zhuǎn)換為二進制向量，其中只有一個位置為1，其余為0。特征選擇：選擇對模型訓練最重要的特征，去除冗余或不相關(guān)特征，提高模型性能。常用的方法包括過濾法（FilterMethod）、包裹法（WrapperMethod）和嵌入法（EmbeddedMethod）。特征縮放：調(diào)整特征的尺度，使其在相似的范圍內(nèi)，常用于標準化和歸一化之外的方法。減少特征值范圍的差異，幫助某些算法更快收斂。特征構(gòu)造：從現(xiàn)有數(shù)據(jù)中創(chuàng)建新的特征，以揭示數(shù)據(jù)中的隱藏關(guān)系，提高模型表現(xiàn)。例如，對于兩個特征可以構(gòu)造交互特征。數(shù)據(jù)增強：通過對數(shù)據(jù)進行變換增加數(shù)據(jù)的多樣性，提高模型泛化能力，常用于圖像和文本處理任務。通過數(shù)據(jù)增強生成更多樣本，提高模型泛化能力。數(shù)據(jù)平衡：處理類別不平衡問題，可以使用過采樣（如SMOTE）、欠采樣等方法。通過過采樣、欠采樣等方法平衡類別分布，提高模型在少數(shù)類上的表現(xiàn)。綜上所述，數(shù)據(jù)預處理的主要方法包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約以及其他方法（如類別編碼、特征選擇、特征縮放、特征構(gòu)造、數(shù)據(jù)增強和數(shù)據(jù)平衡等）。每種方法都有其適用的場景和優(yōu)缺點，選擇合適的方法對數(shù)據(jù)進行預處理，能夠顯著提升模型的效果和數(shù)據(jù)分析的質(zhì)量。4簡述均值、中位數(shù)、眾數(shù)和中列數(shù)的定義。答案：均值、中位數(shù)、眾數(shù)和中列數(shù)是統(tǒng)計學中用于描述數(shù)據(jù)集中趨勢的幾種重要指標。以下是它們的定義：均值（Mean）：均值是所有數(shù)據(jù)的和除以數(shù)據(jù)的個數(shù)，它反映了數(shù)據(jù)的平均水平。在統(tǒng)計學中，均值是最常用的集中趨勢量數(shù)，用于描述一組數(shù)據(jù)的中心位置。對于數(shù)值型數(shù)據(jù)，均值能夠給出一個直觀的平均水平，但需要注意的是，均值對極端值較為敏感，極端值的存在可能會使均值偏離大多數(shù)數(shù)據(jù)的真實水平。中位數(shù)（Median）：中位數(shù)是將一組數(shù)據(jù)從小到大排序后，位于中間位置的數(shù)值。如果數(shù)據(jù)量是奇數(shù)，則中位數(shù)就是中間那個數(shù)；如果數(shù)據(jù)量是偶數(shù)，則中位數(shù)是中間兩個數(shù)的平均值。中位數(shù)是一種位置平均數(shù)，它不受極端值的影響，因此在處理偏態(tài)分布的數(shù)據(jù)時，中位數(shù)能夠給出一個更為穩(wěn)健的中心位置估計。眾數(shù)（Mode）：眾數(shù)是一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的數(shù)值。眾數(shù)可以是一個或多個（如果存在多個數(shù)值出現(xiàn)次數(shù)相同且都是最多的），也可以是沒有（如果所有數(shù)據(jù)出現(xiàn)的次數(shù)都相同）。眾數(shù)主要用于描述數(shù)據(jù)的集中趨勢，但它并不總是存在，且對于定量數(shù)據(jù)來說，眾數(shù)的意義通常不如均值和中位數(shù)重要。然而，在描述某些定性數(shù)據(jù)（如類別數(shù)據(jù)）時，眾數(shù)卻是一個非常重要的指標。中列數(shù)在統(tǒng)計學中的定義是指樣本中極大值與極小值的平均。這個定義有時也被用作對稱分布的均值的粗略估計。簡單來說，如果有一個數(shù)據(jù)集，中列數(shù)就是該數(shù)據(jù)集中最大值和最小值之和的一半。例如，在數(shù)據(jù)集{1,3,7,9,0,3,5}中，最大值為9，最小值為0，因此該數(shù)據(jù)集的中列數(shù)為(0+9)/2=4.5。需要注意的是，中列數(shù)作為數(shù)據(jù)集中趨勢的一種度量，其適用范圍相對有限。在大多數(shù)情況下，均值和中位數(shù)是更為常用的數(shù)據(jù)集中趨勢度量指標。均值能夠給出一個直觀的平均水平，但易受極端值影響；而中位數(shù)則是一種位置平均數(shù)，不受極端值影響，在處理偏態(tài)分布的數(shù)據(jù)時能夠給出一個更為穩(wěn)健的中心位置估計。綜上所述，均值、中位數(shù)和眾數(shù)是描述數(shù)據(jù)集中趨勢的三種主要指標，它們各自具有不同的特點和適用場景。在實際應用中，需要根據(jù)數(shù)據(jù)的特性和分析目的來選擇合適的指標。而“中列數(shù)”可能是一個非標準術(shù)語或特定上下文中的術(shù)語，需要具體情境來解讀。5什么是數(shù)據(jù)分析和數(shù)據(jù)挖掘？簡單論述他們之間的區(qū)別和聯(lián)系。答案：數(shù)據(jù)分析和數(shù)據(jù)挖掘都是從數(shù)據(jù)中提取有價值信息的過程，但它們在方法、目標和應用場景上存在顯著差異。以下是對數(shù)據(jù)分析和數(shù)據(jù)挖掘的簡單論述，以及它們之間的區(qū)別和聯(lián)系：一、數(shù)據(jù)分析數(shù)據(jù)分析是廣義上通過收集、整理、清洗、分析等操作，提取出有價值的信息的過程。狹義的數(shù)據(jù)分析則是指以探索數(shù)據(jù)內(nèi)在的規(guī)律、解決業(yè)務需求為目的，以數(shù)據(jù)為對象進行的分析過程。它主要依賴于統(tǒng)計學和數(shù)學方法，如描述性統(tǒng)計、推斷性統(tǒng)計、回歸分析和時間序列分析等。數(shù)據(jù)分析的主要目標是通過數(shù)據(jù)的描述和解釋來支持決策制定，通常處理的是結(jié)構(gòu)化或半結(jié)構(gòu)化的數(shù)據(jù)。數(shù)據(jù)分析的結(jié)果一般為指標統(tǒng)計量，如總和、平均值等，這些指標需要結(jié)合業(yè)務背景進行解讀，以發(fā)揮數(shù)據(jù)的最大價值。二、數(shù)據(jù)挖掘數(shù)據(jù)挖掘是一種跨學科的計算機科學分支，它使用人工智能、機器學習、統(tǒng)計學和數(shù)據(jù)庫的交叉方法在相對較大型的數(shù)據(jù)集中發(fā)現(xiàn)模式。數(shù)據(jù)挖掘可以理解為從大量的數(shù)據(jù)中，通過統(tǒng)計學、人工智能、機器學習等方法，挖掘出未知的、且有價值的信息和知識的過程。它涉及的技術(shù)和方法包括分類、聚類、關(guān)聯(lián)規(guī)則挖掘、序列模式挖掘等。數(shù)據(jù)挖掘更側(cè)重于從大量數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和知識，旨在預測未來事件或識別異常情況，適用于大規(guī)模數(shù)據(jù)集的探索。三、區(qū)別與聯(lián)系區(qū)別：方法：數(shù)據(jù)分析主要依賴于統(tǒng)計學和數(shù)學方法，而數(shù)據(jù)挖掘則更多地使用人工智能、機器學習和數(shù)據(jù)庫技術(shù)。目標：數(shù)據(jù)分析的主要目標是描述和解釋數(shù)據(jù)，以支持決策制定；而數(shù)據(jù)挖掘的目標是發(fā)現(xiàn)數(shù)據(jù)中的隱藏模式和知識，以預測未來或識別異常。應用場景：數(shù)據(jù)分析通常用于處理結(jié)構(gòu)化或半結(jié)構(gòu)化的數(shù)據(jù)，并生成指標統(tǒng)計量；數(shù)據(jù)挖掘則更適用于大規(guī)模數(shù)據(jù)集的探索，發(fā)現(xiàn)未知的模式和知識。聯(lián)系：數(shù)據(jù)分析可以為數(shù)據(jù)挖掘提供基礎，例如通過數(shù)據(jù)分析提取特征、建模和預測等。數(shù)據(jù)挖掘可以進一步揭示數(shù)據(jù)中的模式和規(guī)律，為數(shù)據(jù)分析提供更深入的理解。在實際應用中，數(shù)據(jù)分析和數(shù)據(jù)挖掘常常相互配合，共同推動數(shù)據(jù)的有效利用和價值挖掘。綜上所述，數(shù)據(jù)分析和數(shù)據(jù)挖掘在方法、目標和應用場景上存在顯著差異，但它們在實際應用中常常相互配合，共同為企業(yè)和組織提供決策支持。

2024年秋江蘇開放大學數(shù)據(jù)挖掘技術(shù)060734第2次形考作業(yè)單選題1在抽樣方法中，當合適的樣本容量很難確定時，可以使用的抽樣方法是（）。A有放回的簡單隨機抽樣B無放回的簡單隨機抽樣C分層抽樣D漸進抽樣正確答案：D2下列哪個不是專門用于可視化時間空間數(shù)據(jù)的技術(shù)：（）A等高線圖B餅圖C曲面圖D矢量場圖正確答案：B3一所大學內(nèi)的各年紀人數(shù)分別為：一年級200人，二年級160人，三年級130人，四年級110人。則年級屬性的眾數(shù)是（）。A一年級B二年級C三年級D四年級正確答案：A4下列哪一項不是數(shù)據(jù)規(guī)范化的常用方法（）。A按小數(shù)定標規(guī)范化B最小-最大值規(guī)范化C、z-score規(guī)范化D按整數(shù)定標規(guī)范法正確答案：D5下列哪一個選項是數(shù)據(jù)立方體中的基本方體的概念（）。A不同層創(chuàng)建的數(shù)據(jù)立方體B最高層抽象的立方體C最低抽象層創(chuàng)建的立方體D每一個數(shù)據(jù)立方體正確答案：C6考慮值集{12243324556826}，其四分位數(shù)極差是（）。A31B24C55D3正確答案：A7假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組中age的值如下（按遞增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70,問題：使用按箱平均值平滑方法對上述數(shù)據(jù)進行平滑，箱的深度為3。第二個箱子值為（）。A18.3B22.6C26.8D27.9正確答案：A8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（）。A0.821B1.224C1.458D0.716正確答案：D9熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是（）。A1比特B2.6比特C3.2比特D3.8比特正確答案：B10下面（）屬于映射數(shù)據(jù)到新的空間的方法。A傅里葉變換B特征加權(quán)C漸進抽樣D維歸約正確答案：A11、OLAP技術(shù)的核心是（）。A在線性B對用戶的快速響應C互操作性D多維分析正確答案：D12在有關(guān)數(shù)據(jù)倉庫測試，下列說法不正確的是（）。A在完成數(shù)據(jù)倉庫的實施過程中,需要對數(shù)據(jù)倉庫進行各種測試.測試工作中要包括單元測試和系統(tǒng)測試.B當數(shù)據(jù)倉庫的每個單獨組件完成后,就需要對他們進行單元測試C系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進行大量的功能測試和回歸測試D在測試之前沒必要制定詳細的測試計劃正確答案：D13有關(guān)數(shù)據(jù)倉庫的開發(fā)特點,不正確的描述是（）。A數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā)B數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確C數(shù)據(jù)倉庫的開發(fā)是一個不斷循環(huán)的過程,是啟發(fā)式的開發(fā)D在數(shù)據(jù)倉庫環(huán)境中,并不存在操作型環(huán)境中所固定的和較確切的處理流,數(shù)據(jù)倉庫中數(shù)據(jù)分析和處理更靈活,且沒有固定的模式正確答案：A14下面關(guān)于數(shù)據(jù)粒度的描述不正確的是（）。A粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別B數(shù)據(jù)越詳細,粒度就越小,級別也就越高C數(shù)據(jù)綜合度越高,粒度也就越大,級別也就越高D粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量正確答案：C15關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指（）。A基本元數(shù)據(jù)與數(shù)據(jù)源，數(shù)據(jù)倉庫，數(shù)據(jù)集市和應用程序等結(jié)構(gòu)相關(guān)的信息B基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息C基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息D基本元數(shù)據(jù)包括關(guān)于裝載和更新處理,分析處理以及管理方面的信息正確答案：D16數(shù)據(jù)倉庫是隨著時間變化的，下面的描述不正確的是（）。A數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內(nèi)容B捕捉到的新數(shù)據(jù)會覆蓋原來的快照C數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容D數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù)，這些綜合數(shù)據(jù)會隨著時間的變化不斷地進行重新綜合正確答案：C17數(shù)據(jù)倉庫設計的三級數(shù)據(jù)模型不包括（）。A概念模型B邏輯模型C物理模型D數(shù)據(jù)模型正確答案：D18數(shù)據(jù)倉庫的三層體系結(jié)構(gòu)不包括（）。A數(shù)據(jù)倉庫服務器B、OLAP服務器C前端工具D、SMTP服務器正確答案：D19下列哪一項不是數(shù)據(jù)倉庫的關(guān)鍵性質(zhì)（）。A面向主題B與時間相關(guān)C與空間相關(guān)D集成性正確答案：C20將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務（）。A頻繁模式挖掘B分類和預測C數(shù)據(jù)預處理D數(shù)據(jù)流挖掘正確答案：C21未來房價的預測，這種屬于數(shù)據(jù)挖掘的哪類問題（）。A分類B聚類C關(guān)聯(lián)規(guī)則D回歸分析正確答案：D22在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務稱為（）。A頻繁子集挖掘B頻繁子圖挖掘C頻繁數(shù)據(jù)項挖掘D頻繁模式挖掘正確答案：B23考慮下面的頻繁3-項集的集合：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}假定數(shù)據(jù)集中只有5個項，采用合并策略，由候選產(chǎn)生過程得到4-項集不包含（）。A1，2，3，4B1，2，3，5C1，2，4，5D1，3，4，5正確答案：C24頻繁項集、頻繁閉項集、最大頻繁項集之間的關(guān)系是（）A頻繁項集頻繁閉項集=最大頻繁項集B頻繁項集=頻繁閉項集最大頻繁項集C頻繁項集頻繁閉項集最大頻繁項集D頻繁項集=頻繁閉項集=最大頻繁項集正確答案：C25概念分層圖是（）圖。A無向無環(huán)B有向無環(huán)C有向有環(huán)D無向有環(huán)正確答案：B26設X={1，2，3}是頻繁項集，則可由X產(chǎn)生（）個關(guān)聯(lián)規(guī)則。A4B5C6D7正確答案：C27關(guān)于OLAP和OLTP的說法,下列不正確的是（）。A、OLAP事務量大,但事務內(nèi)容比較簡單且重復率高B、OLAP的最終數(shù)據(jù)來源與OLTP不一樣C、OLTP面對的是決策人員和高層管理人員D、OLTP以應用為核心,是應用驅(qū)動的正確答案：A28、OLAM技術(shù)一般簡稱為”數(shù)據(jù)聯(lián)機分析挖掘”,下面說法正確的是（）。A、OLAP和OLAM都基于客戶機/服務器模式,只有后者有與用戶的交互性B、由于OLAM的立方體和用于OLAP的立方體有本質(zhì)的區(qū)別C、基于WEB的OLAM是WEB技術(shù)與OLAM技術(shù)的結(jié)合D、OLAM服務器通過用戶圖形借口接收用戶的分析指令,在元數(shù)據(jù)的知道下,對超級立方體作一定的操作正確答案：D29關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是（）。A、OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應用程序不同B、與OLAP應用程序不同,OLTP應用程序包含大量相對簡單的事務C、OLAP的特點在于事務量大,但事務內(nèi)容比較簡單且重復率高D、OLAP是以數(shù)據(jù)倉庫為基礎的,但其最終數(shù)據(jù)來源與OLTP一樣均來自底層的數(shù)據(jù)庫系統(tǒng),兩者面對的用戶是相同的正確答案：C30關(guān)于OLAP的特性,下面正確的是（）。(1)快速性(2)可分析性(3)多維性(4)信息性(5)共享性A(1)(2)(3)B(2)(3)(4)C(1)(2)(3)(4)D(1)(2)(3)(4)(5)正確答案：D填空題1相關(guān)性分析有正確答案：提升度；杠桿度；皮爾森相關(guān)系數(shù)；IS度量；確信度2項集包含或_項的集合正確答案：0個；多個3回歸分析的步驟。正確答案：確定變量；建立預測模型；進行相關(guān)分析；計算預測誤差；確定預測值4變量之間的關(guān)系可分為正確答案：確定性關(guān)系；非確定性關(guān)系題型：填空題客觀題答案不允許亂序分值3分難度：簡單得分：35多維數(shù)據(jù)模型主要分為。正確答案：星型模型；雪花模型；事實星座模型簡答題1變量間的確定性關(guān)系和非確定性關(guān)系分別指的是什么？答案：變量間的關(guān)系主要可以分為兩大類：確定性關(guān)系和非確定性關(guān)系。以下是這兩種關(guān)系的詳細解釋：一、確定性關(guān)系確定性關(guān)系，也稱為函數(shù)關(guān)系，指的是變量之間的依賴關(guān)系可以通過某種明確的數(shù)學公式或邏輯規(guī)則來描述。在這種關(guān)系中，給定一組輸入值，總能得到確定的輸出值。這種關(guān)系的特點包括：唯一性：對于每一個輸入值，輸出值是唯一確定的?？深A測性：基于給定的數(shù)學公式或邏輯規(guī)則，可以準確地預測輸出值。精確性：輸出值不受隨機或偶然因素的影響，具有高度的精確性。在實際應用中，確定性關(guān)系常見于物理定律、數(shù)學函數(shù)等場景。例如，牛頓運動定律描述了物體運動狀態(tài)與所受合力的關(guān)系，這種關(guān)系就是確定性的。二、非確定性關(guān)系非確定性關(guān)系指的是變量之間的依賴關(guān)系不能通過明確的公式或規(guī)則來描述，可能存在隨機性或不確定性。在這種關(guān)系中，給定相同的輸入值，可能會得到不同的輸出值。這種關(guān)系的特點包括：非唯一性：對于每一個輸入值，輸出值不是唯一確定的，可能有多個輸出值與之對應。不可預測性：由于隨機或偶然因素的影響，輸出值難以準確預測。波動性：輸出值在一定范圍內(nèi)波動，但總是圍繞某個平均值或趨勢線變動。非確定性關(guān)系在統(tǒng)計學、經(jīng)濟學、社會學等領域中廣泛存在。例如，在統(tǒng)計學中，相關(guān)性和回歸分析描述的就是變量之間的非確定性關(guān)系。這種關(guān)系通常用概率模型來表征，如線性回歸模型、邏輯回歸模型等。這些模型可以從數(shù)據(jù)中學習到輸入變量與輸出變量之間的統(tǒng)計關(guān)系，但無法給出確定性的輸出值。三、區(qū)別與聯(lián)系確定性關(guān)系和非確定性關(guān)系在變量間的依賴關(guān)系上存在顯著差異。確定性關(guān)系具有唯一性、可預測性和精確性等特點，而非確定性關(guān)系則具有非唯一性、不可預測性和波動性等特點。然而，這兩種關(guān)系在實際應用中并不是孤立的，它們往往相互交織、相互影響。例如，在物理學中，雖然牛頓運動定律描述了物體運動狀態(tài)的確定性關(guān)系，但在實際測量中，由于測量誤差、環(huán)境因素等的影響，這種關(guān)系可能表現(xiàn)出一定的非確定性特征。綜上所述，變量間的確定性關(guān)系和非確定性關(guān)系是統(tǒng)計學和數(shù)據(jù)分析中的基本概念。理解這兩種關(guān)系的差異和聯(lián)系有助于更好地把握數(shù)據(jù)之間的內(nèi)在聯(lián)系和規(guī)律，從而做出更準確的預測和決策。2簡述數(shù)據(jù)倉庫概念模型與邏輯模型的設計步驟。答案：數(shù)據(jù)倉庫概念模型與邏輯模型的設計是數(shù)據(jù)庫建模過程中的關(guān)鍵步驟，它們分別對應著從抽象到具體的不同階段。以下是這兩個階段的設計步驟：一、數(shù)據(jù)倉庫概念模型的設計步驟明確業(yè)務需求：這包括了解企業(yè)各部門的數(shù)據(jù)使用場景、分析需求以及未來可能的數(shù)據(jù)增長趨勢。通過訪談業(yè)務用戶、分析現(xiàn)有報告和查詢模式，可以收集到關(guān)于數(shù)據(jù)內(nèi)容、格式、訪問頻率及性能要求等方面的具體信息。深入理解企業(yè)的業(yè)務流程是設計高效數(shù)據(jù)模型的基礎。確定數(shù)據(jù)主題域：主題域是數(shù)據(jù)倉庫中邏輯上相關(guān)聯(lián)的一組數(shù)據(jù)集合，如客戶、產(chǎn)品、銷售等。每個主題域應圍繞一個核心業(yè)務流程展開，確保數(shù)據(jù)的完整性和一致性。這一步驟對應著概念模型設計階段的核心任務。繪制實體-關(guān)系圖（ER圖）：在確定了主題域后，接下來是繪制ER圖，以圖形化的方式展示各主題域內(nèi)的實體（如客戶、訂單）、屬性（如客戶姓名、訂單金額）以及它們之間的關(guān)系（如一對多、多對多）。ER圖不僅有助于識別數(shù)據(jù)間的關(guān)聯(lián)，還能為后續(xù)的邏輯模型設計提供基礎。二、數(shù)據(jù)倉庫邏輯模型的設計步驟設計星型或雪花模型：邏輯模型設計階段的核心是將概念模型轉(zhuǎn)化為具體的數(shù)據(jù)庫表結(jié)構(gòu)。在這一過程中，需要設計星型或雪花模型等具體的數(shù)據(jù)模型。星型模型將事實表和維度表直接連接，結(jié)構(gòu)簡單，查詢效率高；而雪花模型則對維度表進行進一步規(guī)范化，可能包含多個層次的維度，結(jié)構(gòu)較為復雜，但在某些場景下更具靈活性。選擇哪種模型需要根據(jù)實際的業(yè)務需求、數(shù)據(jù)量和查詢復雜度來決定。定義數(shù)據(jù)表和字段：為每個數(shù)據(jù)表選擇合適的名稱，并為每個字段定義合適的數(shù)據(jù)類型和長度。這既能節(jié)省存儲空間，又能保證數(shù)據(jù)的準確性和完整性。例如，對于日期字段，應使用DATE或DATETIME類型而非文本類型；對于金額字段，應確保其精度足夠以避免舍入誤差。設置主鍵和外鍵：為每個表設定唯一的主鍵，以唯一標識表中的每一行數(shù)據(jù)。同時，根據(jù)ER圖中定義的實體關(guān)系，設置外鍵以維護表間的一致性。良好的主鍵和外鍵設計是確保數(shù)據(jù)完整性和實現(xiàn)數(shù)據(jù)關(guān)聯(lián)查詢的基礎。細化需求：邏輯模型還需要將概念模型具體化，包括實現(xiàn)概念模型所描述的內(nèi)容所需的具體功能和處理的具體信息。這涉及對實體屬性的詳細定義、關(guān)系的進一步明確以及數(shù)據(jù)表結(jié)構(gòu)的詳細設計?？偟膩碚f，數(shù)據(jù)倉庫概念模型與邏輯模型的設計是一個從抽象到具體、不斷細化和完善的過程。通過這兩個階段的設計，可以構(gòu)建出一個既滿足當前業(yè)務需求又具備良好擴展性和高性能的數(shù)據(jù)倉庫模型。3【案例分析題】某公司存儲員工信息的數(shù)據(jù)庫中表示收入的字段income排序后的值（元）為：900，1000，1300，1600，1600，1900，2000，2400，2600，2900，3000，3600，4000，4600，4900，5000。1.按照等深分箱法進行分箱。2.按照等寬分箱法進行分箱。答案：針對給定的員工收入數(shù)據(jù)，我們可以按照等深分箱法和等寬分箱法分別進行分箱處理。一、等深分箱法等深分箱法，也稱統(tǒng)一權(quán)重分箱法，是將數(shù)據(jù)集按記錄行數(shù)分箱，每箱具有相同的記錄數(shù)，稱為箱子的深度。給定的收入數(shù)據(jù)排序后為：900，1000，1300，1600，1600，1900，2000，2400，2600，2900，3000，3600，4000，4600，4900，5000。假設我們要將這些數(shù)據(jù)分成4個箱子，那么每個箱子應包含4個數(shù)據(jù)點（因為16/4=4）。箱1：900，1000，1300，1600箱2：1600（重復值，但在此方法中仍計入一箱），1900，2000，2400箱3：2600，2900，3000，3600箱4：4000，4600，4900，5000注意：在實際應用中，如果數(shù)據(jù)集中存在重復值，并且希望避免將重復值分入同一箱，可以考慮對數(shù)據(jù)進行預處理，如去除重復值或調(diào)整分箱數(shù)量。但在此案例分析中，我們保留了重復值以展示等深分箱法的基本操作。二、等寬分箱法等寬分箱法是將數(shù)據(jù)集在整個屬性值的區(qū)間上平均分布，每個箱子的區(qū)間范圍是一個常量，稱為箱子寬度。首先，我們需要確定箱子的寬度。給定的收入數(shù)據(jù)范圍是900到5000，共有16個數(shù)據(jù)點。假設我們要將這些數(shù)據(jù)分成4個箱子，那么箱子的寬度為（5000-900）/4=1025（元）（結(jié)果四舍五入到整數(shù)）。箱1：900~1924元（包含900，1000，1300，1600，其中1600雖稍大于上界但按等寬法仍計入此箱）箱2：1925~2949元（包含1900，2000，2400，其中2400雖稍大于上界但按等寬法仍計入此箱，1600的重復值不計入此箱，因為它已在箱1中）箱3：2950~3974元（包含2600，2900，3000，3600）箱4：3975~5000元（包含4000，4600，4900，5000）注意：在等寬分箱法中，對于邊界值的處理可能因具體實現(xiàn)而異。例如，有的實現(xiàn)可能將邊界值嚴格歸入下一個箱子，而有的實現(xiàn)則可能允許邊界值在當前箱子中有一定的“溢出”。在此案例分析中，我們采用了較為寬松的邊界值處理策略，即允許邊界值在當前箱子中有一定的“溢出”，以更好地展示等寬分箱法的基本操作。然而，在實際應用中，應根據(jù)具體需求和場景選擇合適的邊界值處理策略。綜上所述，等深分箱法和等寬分箱法各有特點，適用于不同的場景和需求。在選擇分箱方法時，應充分考慮數(shù)據(jù)的分布特性、業(yè)務需求以及后續(xù)的數(shù)據(jù)處理和分析目標。

2024年秋江蘇開放大學數(shù)據(jù)挖掘技術(shù)060734第3次形考作業(yè)單選題1以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法（）。A、BIRCHB、MAFIAC、WaveClusterD、STING學生答案：A2一般，K-NN最近鄰方法在（）的情況下效果較好。A樣本較多但典型性不好B樣本較少但典型性好C樣本呈鏈狀分布D樣本呈團狀分布學生答案：B3以下哪項關(guān)于決策樹的說法是錯誤的（）。A決策樹算法對于噪聲的干擾非常敏感B尋找最佳決策樹是NP完全問題C冗余屬性不會對決策樹的準確率造成不利的影響D子樹可能在決策樹中重復多次學生答案：A4以下哪種技術(shù)對于減少數(shù)據(jù)集的維度會更好（）。A刪除數(shù)據(jù)差異較大的列B刪除缺少值太多的列C都不是D刪除不同數(shù)據(jù)趨勢的列學生答案：B5一監(jiān)獄人臉識別準入系統(tǒng)用來識別對待進入人員的身份，此系統(tǒng)一共包括識別4種不同的人員：獄警，小偷，送餐員，其他。下面哪種學習方法最適合此種應用需求（）。A層次聚類問題B多分類問題CK-中心點聚類問題D二分類問題學生答案：B6下列哪個描述是正確的（）。A回歸是無指導的學習，聚類是有指導的學習B回歸是有指導的學習，聚類是無指導的學習C回歸和聚類都是有指導的學習D回歸和聚類都是無指導的學習學生答案：B7以下哪個分類方法可以較好地避免樣本的不平衡問題（）。A、KNNB、SVMC、神經(jīng)網(wǎng)絡D、Bayes學生答案：A8決策樹中不包含以下哪種節(jié)點（）。A葉結(jié)點B內(nèi)部節(jié)點C根節(jié)點D外部節(jié)點學生答案：D9以下哪個算法是分類算法（）。A、DBSCANB、K-MeanC、EMD、C4.5學生答案：D10、BIRCH是一種（）。A特征選擇算法B關(guān)聯(lián)分析算法C分類器D聚類算法學生答案：D11影響基本K-均值算法的主要因素有（）。A樣本的數(shù)量B聚類準則C模式相似性測度D樣本輸入順序?qū)W生答案：C12簡單地將數(shù)據(jù)對象集劃分成不重迭的子集，使得每個數(shù)據(jù)對象恰在一個子集中，這種聚類類型稱作（）。A層次聚類B劃分聚類C非互斥聚類D模糊聚類學生答案：B13下列關(guān)于凝聚層次聚類的說法，說法正確的是（）。A算法的終止條件是僅剩下一個簇B具有全局優(yōu)化目標函數(shù)C一旦兩個簇合并，該操作還能撤銷D空間復雜度學生答案：A14我們想在大數(shù)據(jù)集上訓練決策樹，為了使用較少時間，我們可以（）。A增加學習率B減少樹的深度C減少樹的數(shù)量D增加樹的深度學生答案：B15以下不屬于影響聚類算法結(jié)果的主要因素有（）。A模式相似性測度B特征選取C已知類別的樣本質(zhì)量D分類準則學生答案：C16關(guān)于欠擬合，下面哪個說法是正確的（）。A訓練誤差較大，測試誤差較大B訓練誤差不變，測試誤差較大C訓練誤差較小，測試誤差較大D訓練誤差較大，測試誤差較小學生答案：A17以下（）算法是關(guān)聯(lián)規(guī)則挖掘。A、ID3B、K-MeansC、AprioriD、DBSCAN學生答案：C18“點擊率問題”是這樣一個預測問題，99%的人是不會點擊的，而1%的人是會點擊進去的，所以這是一個非常不平衡的數(shù)據(jù)集。假設，現(xiàn)在我們已經(jīng)建了一個模型來分類，而且有了99%的預測準確率，我們可以下的結(jié)論是（）。A模型預測準確率不高，我們需要做點什么改進模型B模型預測準確率已經(jīng)很高了，我們不需要做什么了C無法下結(jié)論D以上都不對學生答案：C19關(guān)聯(lián)規(guī)則的評價指標是（）。A、平均絕對誤差、相對誤差B、均方誤差、均方根誤差C、Kappa統(tǒng)計、顯著性檢驗D、支持度、置信度學生答案：D20、當分析顧客消費行業(yè)，以便有針對性的向其推薦感興趣的服務，屬于什么問題（）。A分類B聚類C主成分分析D關(guān)聯(lián)規(guī)則學生答案：D填空題1、回歸分析的步驟。學生答案：確定變量；建立預測模型；進行相關(guān)分析；計算預測誤差；確定預測值2層次聚類方法可分為：學生答案：凝聚層次聚類；分裂層次聚類3分類的基本過程：學生答案：學習階段；分類階段4支持向量機的3種模型可分為：學生答案：線性可分支持向量機；線性支持向量機；非線性支持向量機5惰性學習法主要包括：學生答案：K最近鄰分類法（KNN）；局部加權(quán)回歸法；基于案例的推理簡答題1【案例分析題】聚類評價指標的計算：某池塘有1400條鯉魚、300只蝦、300只鱉。1.現(xiàn)在以捕到鯉魚為目的，若撒網(wǎng)后捕捉到700條鯉魚、200只蝦、100只鱉，那么評價指標：正確率、召回率和F值分別是多少？參考答案：70%；50%；58.3%為了計算正確率（Precision）、召回率（Recall）和F值，首先需要明確幾個關(guān)鍵的數(shù)量：真正例（TruePositives,TP）：實際是鯉魚且被捕捉到的鯉魚數(shù)量。假正例（FalsePositives,FP）：實際不是鯉魚但被捕捉到的數(shù)量（蝦和鱉的總數(shù)）。假負例（FalseNegatives,FN）：實際是鯉魚但未被捕捉到的鯉魚數(shù)量。根據(jù)題目，有以下數(shù)據(jù)：總鯉魚數(shù)：1400條捕捉到的鯉魚數(shù)：700條捕捉到的蝦數(shù)：200只捕捉到的鱉數(shù)：100只可以計算出：TP=700FP=200+100=300FN=1400-700=700正確率（Precision）：正確率是指捕捉到的鯉魚在所有捕捉到的生物中所占的比例。召回率（Recall）：召回率是指捕捉到的鯉魚在所有實際鯉魚中所占的比例。F值（F-measure）：F值是正確率和召回率的調(diào)和平均數(shù)，通常用于綜合評估模型的性能。因此，評價指標為：正確率（Precision）：0.7召回率（Recall）：0.5F值（F-measure）：約0.58332.如果把池子里的所有的鯉魚、蝦和鱉都一網(wǎng)打盡，則此時評價指標：正確率、召回率和F值分別是多少？答案：在這個特殊的案例中，如果把池子里的所有的鯉魚、蝦和鱉都一網(wǎng)打盡，那么實際上我們捕捉到了所有的目標（鯉魚）以及所有的非目標（蝦和鱉）。這種情況下，我們需要重新考慮正確率、召回率和F值的計算。首先，我們明確幾個關(guān)鍵的數(shù)量：總鯉魚數(shù)：1400條總蝦數(shù)：300只總鱉數(shù)：300只捕捉到的鯉魚數(shù)：1400條（因為全部捕捉，所以鯉魚全部被捕捉到）捕捉到的蝦數(shù)：300只捕捉到的鱉數(shù)：300只接下來，我們計算真正例（TP）、假正例（FP）和假負例（FN）：TP=1400（所有鯉魚都被捕捉到）FP=300（蝦的數(shù)量，因為蝦不是鯉魚但被捕捉到）+300（鱉的數(shù)量，因為鱉不是鯉魚但被捕捉到）=600FN=0（因為沒有鯉魚被遺漏）然而，在這種特殊情況下，由于我們捕捉到了所有的鯉魚以及所有的非鯉魚生物，正確率的計算變得有些微妙。正確率通常定義為“被正確分類的正例數(shù)量除以所有被分類為正例的數(shù)量”。但在這里，所有的生物都被“分類”為“被捕捉到”，這包括鯉魚和非鯉魚。因此，如果我們把“被捕捉到且是鯉魚”視為“正確分類的正例”，那么：正確率（Precision）：但這里需要注意的是，這種計算方式可能不是最直觀的，因為通常我們不會把非目標生物計入假正例來計算正確率（因為正確率是針對目標類別而言的）。然而，為了符合題目要求并給出一個答案，我們暫時采用這種計算方式。在實際應用中，如果目標是評估鯉魚捕捉的準確性，我們可能會忽略非鯉魚生物的存在，只計算鯉魚中的真正例和假負例。召回率（Recall）：由于我們捕捉到了所有的鯉魚，所以召回率為1。F值（F-measure）：F值是正確率和召回率的調(diào)和平均數(shù)。但再次強調(diào)，這種計算方式可能不是最符合直覺的，特別是在這種特殊情況下。通常，在聚類或分類任務中，我們會更關(guān)注目標類別（在這里是鯉魚）的正確分類情況，并據(jù)此來計算評價指標。綜上所述，如果把池子里的所有的鯉魚、蝦和鱉都一網(wǎng)打盡，則此時的評價指標（采用上述計算方式）為：正確率（Precision）：約0.7召回率（Recall）：1F值（F-measure）：約0.82352闡述統(tǒng)計方法的離群點檢測的優(yōu)缺點。答案：統(tǒng)計方法的離群點檢測是一種基于數(shù)據(jù)分布特性的技術(shù)，其優(yōu)缺點可以歸納如下：優(yōu)點堅實的理論基礎：統(tǒng)計方法通常擁有扎實的數(shù)學理論作為支撐，如概率論和統(tǒng)計學原理。這些理論為離群點檢測提供了明確和可靠的依據(jù)。適用于低維數(shù)據(jù)：對于低維數(shù)據(jù)，統(tǒng)計方法能夠高效地檢測出離群點。因為低維數(shù)據(jù)的分布特性相對簡單，統(tǒng)計模型能夠更容易地捕捉這些特性。模型簡潔：一旦統(tǒng)計模型建立，它通常只需要少量的信息來描述數(shù)據(jù)分布，這使得模型相對簡潔且易于理解。缺點數(shù)據(jù)分布假設嚴格：統(tǒng)計方法通常要求數(shù)據(jù)對象服從某種特定的數(shù)據(jù)分布，如正態(tài)分布。然而，在實際應用中，數(shù)據(jù)分布往往是未知的或復雜的，這限制了統(tǒng)計方法的應用范圍。高維數(shù)據(jù)處理困難：對于高維數(shù)據(jù)，統(tǒng)計方法的檢測效