国家开放大学《大数据分析与挖掘技术》形考任务1-3参考答案.docx

《国家开放大学《大数据分析与挖掘技术》形考任务1-3参考答案.docx》由会员分享，可在线阅读，更多相关《国家开放大学《大数据分析与挖掘技术》形考任务1-3参考答案.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、国家开放大学大数据分析与挖掘技术形考任务1-3参考答案形考任务1一、选择题1.请问在Python中缺失值通常用（）来记号。A.NaNB.?C.NAD.na2.请问不是缺失值通常用的处理方式是（）。A.填补B.删除C.插补D.提取3.数据整合后（）。A.数据量会增加B.数据量会不变C.数据的波动性增加D.数据波动性减小4.数据离散化可以采用（）方式。A.等宽或者等频B.插补C.抽样D.查询5.下面关于主成分分析说法错误的是（）。A.主成分是相互正交（垂直）的B.主成分捕获了数据差异最大的方向C.是线性降维方法D.是非线性降维方法6.数据经过标准化处理后（）。A.数据的波动性将会增加B.数据的波动

2、单位为1C.数据的波动性将会减小D.数据值将被放大7.白化是指（）。A.从相关矩阵出发求解主成分B.从协方差矩阵出发求解主成分C.将数据进行标准化D.剔除数据中的异常值8.分类模型评价时，通常采用（）损失。A.0-1损失B.指数C.绝对值D.平方9.不是回归模型常采用的评价指标是（）。A.MAEB.MSEC.R2D.准确率10.期望预测误差是指（）。A.真实值与预测值在某种损失函数下的平均值B.真实值与预测值之差C.真实值与预测值在某种损失函数下的值D.真实值与预测值之比11.缺失数据的处理方法包括（）。A.填补B.删除C.插补D.提取12.数据抽样后（）。A.数据量会增加B.数据量会减少C.

3、数据的波动性可能增加D.数据波动性可能减小13.下面关于主成分分析说法正确的是（）。A.主成分是相互正交（垂直）的B.主成分捕获了数据差异最大的方向C.是线性降维方法D.是非线性降维方法14.期望预测误差中的方差部分是由（）带来的。A.最优解所在空间假设失误B.数据的随机性C.估计值自身的波动D.估计值的平均可能偏离了真实值15.聚类分析的外部评价指标通常有（）。A.DBIB.兰德指数C.Jaccard系数D.FM指数E.DI16.分类任务的评价指标通常采用（）。A.准确度B.ROC曲线C.特效度D.灵敏度E.错分成本二、判断题17.主成分分析中最大的特征值对应的特征向量也就是是数据差异最大的

4、的方向。（）18.白化是指将数据进行标准化。（）19.数据经过标准化处理后，数据的波动性将会减小。（）20.在Python中缺失值通常用NA来记号。（）21.主成分是相互正交（垂直）的。（）22.回归模型评价时，通常采用0-1损失。（）23.兰德指数是聚类分析的内部评价指标。（）24.期望预测误差中的偏差部分是由估计值的平均可能偏离了真实值带来的。（）25.分类模型评价时，通常采用平方损失。（）26.由于最优解所在空间假设失误将会造成期望预测误差中的方差部分。（）形考任务2一、选择题1.在关联分析中，下面哪个有可能是频繁3项集（）A.面包，牛奶B.面包，牛奶，啤酒C.面包D.面包，牛奶，花生，

5、啤酒2.从下面两个变量的相关系数图可以看出（）A.左图相关系数大于0B.右图相关系数小于0C.左图相关系数等于0D.右图相关系数等于03.要考虑“储蓄水平”与“人口水平”之间的相关。“储蓄水平”收集了储蓄比率（sr）、人均可支配收入（dpi）、人均可支配收入变化的百分率（ddpi）3个变量，“人口水平”收集了15岁以下人口的百分比、75岁以上人口百分比2个变量。请问采用下面哪种分析方法更合适（）。A.单向关B.典型相关C.偏相关D.点二列（点双列）相关4.关于设定虚拟变量时应当遵循如下原则，下列说法错误的是：（）A.对于有k个表现值的定性变量，只设定（k-1）个虚拟变量；B.虚拟变量的值通常用

6、“0”或“1”来表示；C.对于每个样本而言，同一个定性变量对应虚拟变量的值之和不超过1；D.对于季节变量而言，四个季节需要设定4个虚拟变量5.如果要解决随着员工职位的变动，员工报酬会变动多大的问题，下面说法不正确的是（）A.员工职位需要考虑成是分类变量B.员工职位需要引入虚拟变量来处理C.如果员工职位有5个类别，那么需要引入5个虚拟变量来表示D.员工报酬需要考虑成被解释变量6.为研究电商注册用户数量与其销售收入之间的关系，收集数据得到下面的散点图。请问这样的散点图适用建立下面哪种回归模型（）。A.线性回归模型B.非线性回归模型C.对数线性模型D.Logistic回归模型7.当因变量数据具有尖峰

7、厚尾的分布特征或有离群点（即异常值）时，更合适的回归模型是（）。A.线性回归模型B.Logistic回归模型C.分位数回归D.非线性回归8.为监测某厂家生产的某款激光打印机的质量问题，考察该款打印机发生故障的次数。其发生故障的次数可能会受到打印纸张数量（千页）、打印机使用时长（千小时）、硒鼓（原装/兼容）等因素的影响。收集数据后的分析结果如下：请问关于上面的结果说法不正确的是：（）A.此次分析构建了一个计数模型B.收集了30个观测数据C.对数似然值为-39.804D.自变量都不显著9.近邻分类中的近邻个数说法正确的是：（）A.1-近邻的复杂度最高B.随着近邻个数的增加，模型的复杂度增加C.近邻

8、个数不会影响模型的预测能力D.近邻个数需要人为确定10.关于下面的决策树说法不正确的是（）。A.此决策树根节点的gini为0.145B.落入此决策树根节点中的数据有35个C.此次划分的gini增益为0.058D.落入Petal.Length5.05的数据将为判为versicolor一类11.从下面两个变量的相关系数图可以看出（）A.左图相关系数大于0B.右图相关系数小于0C.左图相关系数大于右图D.右图相关系数等于012.定性数据之间的相关通常采用（）来度量。A.Pearson相关系数B.Spearman相关系数C.Kendalltau-b相关系数D.HoeffdingsD相关系数13.关于分

9、位数回归，下面说法正确的是（）A.当数据具有尖峰厚尾的分布特征或有离群点（即异常值）时，采用分位数回归更稳健。B.分位数回归不需要进行残差检验C.分位数回归会给出因变量不同分位数水平下的参数估计D.分位数回归不需要做模型检验14.关于马氏距离说法正确的是：（）A.马氏距离不受总体空间大小的影响B.受计量单位的影响C.反映了按平均水平计算被判定样本到中心的相对距离（该距离以方差为单位）D.是标准化的变量的欧氏距离15.决策树中结点的最优划分是依据（）来确定的。A.局部最优性B.信息增益大的划分C.信息增益小的划分D.GINI增益大的划分16.由下图中两类数据（红色一类，黄色一类）的划分问题引出的

10、关于线性可分与不可分的概念正确的是（）。A.左图两类数据的划分是一个线性可分问题B.右图的两类数据的划分是一个线性不可分问题C.左图两类数据的划分是一个线性不可分问题D.右图的两类数据的划分是一个线性可分问题二、判断题17.典型相关分析解决的问题是两组变量之间的非线性相关关系。（）18.按考虑相关因素（变量）的多少，相关关系分为正相关和负相关。（）19.Pearson相关系数取值为0时，表现为变量无相关。（）20.偏相关系数总是比相关系数高。（）21.线性回归模型的拟合优度的判定系数越大，说明回归方程预测能力较好。（）22.Poisson回归模型假设观测因变量数据服从Poisson分布。（）2

11、3.对于有k个表现值的定性变量，需设定k个虚拟变量。（）24.二元选择模型通常假设观测数据与一个隐藏的标准正态分布或者Logistic分布有关。（）25.线性回归模型显著性检验的P值越小，说明对应的自变量与因变量的相关程度越高。（）26.马氏距离不受总体空间大小的影响，也不受计量单位的影响。（）形考任务3一、选择题1.聚类分析的原则不可能是：（）A.个体与个体之间的距离越近越有可能是一类B.同一类的个体的相似性可能也越大C.不同类的个体之间的距离越远D.不同类的个体之间的相似性更高2.下面关于DBSCAN聚类说法错误的是：（）A.DBSCAN是具有噪声的基于密度的空间聚类方法B.DBSCAN算

12、法不能发现任意形状的空间聚类C.DBSCAN聚类有一个参数是半径（Eps）D.DBSCAN聚类还有一个参数是以点P为中心的邻域内最少点的数量（MinPts）3.来源于方差分析的类间距的定义方法是（）A.最短距离法（singlelinkage）B.中间距离法（medianmethod）C.类平均法（averagelinkage）D.离差平方和法（WARD）4.用类内样本各指标的均值之间的距离作为类间距离的定义方法是（）A.重心法（centroidmethod）B.中间距离法（medianmethod）C.类平均法（averagelinkage）D.离差平方和法（WARD）5.下面关于K-MEAN

13、S（K-均值）聚类描述不正确的是（）A.对于研究的对象事先需要确定最终分为几类B.又被称为快速聚类C.每一步都要更新聚类种子的中心D.一般用于小样本情况下的样品聚类6.下面的距离度量中，欧氏距离是（）A.公式AB.公式BC.公式CD.公式D7.DBSCAN算法中的核心对象是（）A.对给定对象邻域内的样本点数小于MinPts的对象B.对给定对象邻域内的样本点数大于等于MinPts的对象C.对给定对象邻域内的样本点数小于等于MinPts的对象D.对给定对象邻域内的样本点数大于MinPts的对象8.DBSCAN算法中的直接密度可达、密度可达与密度相连理解不正确的是（）A.只有核心对象之间相互密度可达

14、B.密度相连是对称关系C.DBSCAN目的是找到密度相连对象的最大集合D.密度可达也是对称关系9.下面关于将非平稳的时间序列平稳化的说法错误的是：（）A.差分用于将非平稳的时间序列平稳化B.对时间序列的数值取对数可以将非平稳的时间序列平稳化C.对时间序列的数值取对数后不能再做差分了D.对时间序列的数值取对数后再进行差分也可以将非平稳的时间序列平稳化10.关于模型识别说法正确的是：（）A.自相关系数图拖尾，偏自相关系数图p阶截尾，可以识别为MA(p)模型B.自相关系数图拖尾，偏自相关系数图拖尾，可以识别为AR模型C.自相关系数图p阶截尾，偏自相关系数图拖尾，可以识别为AR(p)模型D.自相关系数

15、图拖尾，偏自相关系数图拖尾，可以识别为ARMA模型11.采用AIC准则找最优模型得到如下的结果：TheAICofARMA(0，0)is13679.401951273543TheAICofARMA(0，1)is13332.135879407648TheAICofARMA(0，2)is13289.758498467238TheAICofARMA(1，0)is13458.95993448334TheAICofARMA(1，1)is13266.651183460379TheAICofARMA(1，2)is13241.110101949496TheAICofARMA(2，0)is13396.594961

16、413079TheAICofARMA(2，1)is13245.885887026114TheAICofARMA(2，2)is13242.201821971108请问哪个模型最优（）A.ARMA(0，2)B.ARMA(2，2)C.ARMA(1，0)D.ARMA(1，2)12.从下面的时序图一定可以得到的结论是（）A.该序列具有零均值B.该序列具有同方差性C.这是一个白噪声序列D.这是一个平稳时间序列13.空调销售量随着季节不同而发生较大变动，夏季的销售量一般高于冬季的销售量。空调销售量数据的这种变动称为（）A.长期趋势变动B.季节变动C.循环波动D.不规则变动14.单位根检验在Python中实现

17、时，下面的选项（）不是regressioncans参数的设定值。A.c(仅常数，默认)B.ctt(常数，线性和二次曲线趋势)C.ct(常数和长期趋势)D.nct(无常数无趋势)15.自相关系数图与偏自相关图如下。下面的说法不正确的是（）A.自相关系数具有截尾性B.偏自相关系数具有拖尾性C.此序列可以认为是AR(1)模型D.此序列可以认为是MA(1)模型16.动物学家有的时候需要通过对新发现的物种进行归类。这里收集到了15种动物生理特征的数据。根据Warm-blooded、GivesBirth、AquaticCreature、AerialCreature、HasLegs、Hibernates等六

18、个指标综合对样本进行聚类分析，考虑采用系统聚类法进行聚类。聚类后的谱系图如下所示。请问如果最终聚为两类，关于聚类结果说法正确的是：A.porcupine、bat、cat、human、pigeon一类B.turtle、komodo、salamander、frog、penguin、eel、salmon、leopardshark、whale、python一类C.porcupine、bat、cat、human、pigeonpython一类D.turtle、komodo、salamander、frog、penguin、eel、salmon、leopardshark、whale一类17.下面关于聚类类型说

19、法正确的是：（）A.Q型分类是对样本进行分类B.R型分类是对样本进行分类C.Q型分类是对指标或变量进行分类D.R型分类是对指标或变量进行分类18.设dij表示第i个样本与第j个样本之间的距离。那么距离必须满足的原则有：（）A.dij0，对一切i，jB.dij=0，等价于i，jC.dij=dji，对一切i，jD.dijdik+dkj，对一切i，j，k19.个体之间的距离必须满足的原则有：（）A.非负性B.个体自身与自身的距离为0C.对等性D.两点之间直线距离最小20.聚类任务中，衡量个体之间的相似性通常使用下面哪些度量（）A.距离B.相关系数C.相似系数D.匹配系数21.非平稳的时间序列：（）A

20、.在整体上有明显的上升的趋势B.在局部上有明显的上升的趋势C.在整体上有明显的下降的趋势D.在局部上有明显的下降的趋势22.构成时序的各个组成元素的相关系数：（）A.取值在-1到1之间B.其绝对值越接近于1，说明时间序列的自相关程度越高C.被称为自相关系数D.时间间隔为的两部分数据之间的相关性被称为阶自相关系数23.所谓截尾，是指在自相关系数图或偏自相关系数图中（）A.自相关系数或偏自相关系数在滞后的前几期可能处于置信区间之外B.自相关系数或偏自相关系数在某期之后的系数基本上都落入置信区间内C.自相关系数或偏自相关系数在某期之后的系数逐渐趋于零D.自相关系数或偏自相关系数有指数型波动 11 / 11