20秋学期（1709、1803、1809、1903、1909、2003、2009 ）《数据科学导论》在线作业(一)

20秋学期（1709、1803、1809、1903、1909、2003、2009 ）数据科学导论在线作业(一)共50道题 总分：100分一、单选题共20题，40分1. 以下哪一项不是特征选择常见的方法()A过滤式B封装式C嵌入式D开放式2. 利用最小二乘法对多元线性回归进行参数估计时,其目标为()。A最小化方差#最小化标准差B最小化残差平方和C最大化信息熵3. 以下哪些不是缺失值的影响()A数据建模将丢失大量有用信息B数据建模的不确定性更加显著C对整体总是不产生什么作用D包含空值的数据可能会使建模过程陷入混乱，导致异常的输出4. 下列两个变量之间的关系中,哪个是函数关系()。A人的性别和他的身高B人的工资与年龄C正方形的面积和边长D温度与湿度5. 哪一项不属于规范化的方法()A最小-最大规范化B零-均值规范化C小数定标规范化D中位数规范化6. 某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的哪类问题?()A关联规则发现B聚类C分类D自然语言处理7. 考虑下面的频繁3-项集的集合:1,2,3,1,2,4,1,2,5,1,3,4,1,3,5,2,3,4,2,3,5,3,4,5假定数据集中只有5个项,采用 合并策略,由候选产生过程得到4-项集不包含()A1,2,3,4B1,2,3,5C1,2,4,5D1,3,4,58. 为了解决任何复杂的分类问题,使用的感知机结构应至少包含()个隐含层。A1B2C3D49. 设X=1,2,3是频繁项集,则可由X产生()个关联规则。A4B5C6D710. 以下哪一项不属于数据变换()A简单函数变换B规范化C属性合并D连续属性离散化11. 一元线性回归中,真实值与预测值的差称为样本的()。A误差B方差C测差D残差12. 聚类的最简单最基本方法是()。A划分聚类B层次聚类C密度聚类D距离聚类13. 单层感知机模型属于()模型。A二分类的线性分类模型B二分类的非线性分类模型C多分类的线性分类模型D多分类的非线性分类模型14. 在一元线性回归中,通过最小二乘法求得的直线叫做回归直线或()。A最优回归线B最优分布线C最优预测线D最佳分布线15. 在k近邻法中,选择较小的k值时,学习的“近似误差”会(),“估计误差”会()。A减小，减小B减小，增大C增大，减小D增大，增大16. 某商品的产量(X,件)与单位成本(Y,元/件)之间的回归方程为Y=100-1.2X,这说明()。A产量每增加一台，单位成本增加100元B产量每增加一台，单位成本减少1.2元C产量每增加一台，单位成本平均减少1.2元D产量每增加一台，单位平均增加100元17. 对于k近邻法,下列说法错误的是()。A不具有显式的学习过程B适用于多分类任务Ck值越大，分类效果越好D通常采用多数表决的分类决策规则18. 实体识别属于以下哪个过程()A数据清洗B数据集成C数据规约D数据变换19. 在回归分析中,自变量为(),因变量为()。A离散型变量，离散型变量B连续型变量，离散型变量C离散型变量，连续型变量D连续型变量，连续型变量20. 在有统计学意义的前提下,标准化偏回归系数的绝对值越大,说明相应的自变量对y的作用()。A越小B越大C无关D不确定二、多选题共10题，20分1. K-means聚类中K值选取的方法是()。A密度分类法B手肘法C大腿法D随机选取2. 系统日志收集的基本特征有()A高可用性B高可靠性C可扩展性D高效率3. Apriori算法的计算复杂度受()影响。A支持度阈值B项数C事务数D事务平均宽度4. 距离度量中的距离可以是()A欧式距离B曼哈顿距离CLp距离DMinkowski距离5. k近邻法的基本要素包括()。A距离度量Bk值的选择C样本大小D分类决策规则6. 多层感知机的学习过程包含()。A信号的正向传播B信号的反向传播C误差的正向传播D误差的反向传播7. 一元回归参数估计的参数求解方法有()。A最大似然法B距估计法C最小二乘法D欧式距离法8. 什么情况下结点不用划分()A当前结点所包含的样本全属于同一类别B当前属性集为空，或是所有样本在所有属性上取值相同C当前结点包含的样本集为空D还有子集不能被基本正确分类9. 数据科学具有哪些性质()A有效性B可用性C未预料D可理解10. 下面例子属于分类的是()A检测图像中是否有人脸出现B对客户按照贷款风险大小进行分类C识别手写的数字D估计商场客流量三、判断题共20题，40分1. 剪枝是决策树学习算法对付“过拟合”的主要手段A对B错2. 给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员可以相同。A对B错3. 相关性分析主要是分析个别独立变量之间线性相关程度的强弱,并用适当的统计指标表示出来的过程。A对B错4. 分拆方法是自底向上的方法。A对B错5. 探索性数据分析的特点是研究从原始数据入手,完全以实际数据为依据。A对B错6. 在数据预处理时,无论什么情况,都可以直接将异常值删除A对B错7. 对于项集来说,置信度没有意义。A对B错8. 给定关联规则AB,意味着:若A发生,B也会发生。A对B错9. 信息熵越小,样本结合的纯度越低A对B错10. 聚合方法是自底向上的方法。A对B错11. BFR聚类簇的坐标可以与空间的坐标保持一致。A对B错12. 集中趋势能够表明在一定条件下数据的独特性质与差异A对B错13. 利用K近邻法进行分类时,使用不同的距离度量所确定的最近邻点都是相同的。A对B错14. 朴素贝叶斯分类器有简单、高效、健壮的特点,但某些属性可能会降低分类器的性能A对B错15. 数据科学运用科学方法分析数据,位于几个学科的交叉点并利用领域特定的知识,使大数据的分析成为可能。A对B错16. 使用SVD方法进行图像压缩不可以保留图像的重要特征。A对B错17. K均值(K-Means)算法是密度聚类。A对B错18. K-means算法采用贪心策略,通过迭代优化来近似求解。A对B错19. 获取数据为数据分析提供了素材和依据,这里的数据只包括直接获取的数据。A对B错20. 特征的信息增益越大,则其越不重要。A对B错