學(xué)年第1學(xué)期；課號(hào)課程名稱Python經(jīng)濟(jì)大數(shù)據(jù)分析（B閉卷）；適用班級(jí)（或年級(jí)、專業(yè)）（每位考生需要答題紙（8k）1張、草稿紙（16k）1張）考試時(shí)間120分鐘班級(jí)學(xué)號(hào)姓名題號(hào)一二三四五六七八九十成績(jī)滿分30202030得分評(píng)卷人一、單項(xiàng)選擇題（每道題2分，共30分）1.在進(jìn)行數(shù)據(jù)抽樣時(shí)候的標(biāo)準(zhǔn)不包括：（）A.可靠性B.有效性C.一致性D.相關(guān)性2.以下代碼的運(yùn)行結(jié)果是？（）defInputInt(a):a=15b=2InputInt(b)print(b)15B.2C.15.2D.b3.對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，不需要考慮的問(wèn)題包括（）。A.錯(cuò)誤值B.重復(fù)C.不完整D.數(shù)據(jù)產(chǎn)生的人4.對(duì)于不服從正態(tài)分布的變量、分類或等級(jí)變量之間的關(guān)聯(lián)性常采用：（）A.Spearman相關(guān)系數(shù)B.判定系數(shù)C.Pearson相關(guān)系數(shù)D.Gamma系數(shù)5.在進(jìn)行數(shù)據(jù)探索時(shí)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(duì)比基礎(chǔ)不同，在進(jìn)行相對(duì)數(shù)比較時(shí)采用的方法不包括（）A.結(jié)構(gòu)相對(duì)數(shù)B.比例相對(duì)數(shù)C.過(guò)程相對(duì)數(shù)D.強(qiáng)度相對(duì)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(fù)雜度B.增大正則化系數(shù)C.增加新的特征D.對(duì)特征進(jìn)行變換,使用組合特征或高維特征10.以下那種說(shuō)法是錯(cuò)誤的()。A.一個(gè)系統(tǒng)越是有序,信息熵就越低B.中國(guó)足球隊(duì)?wèi)?zhàn)勝巴西足球隊(duì)的信息熵要小于中國(guó)乒乓球隊(duì)?wèi)?zhàn)勝巴西乒乓球隊(duì)的信息熵C.信息增益=信息熵-條件熵D.一個(gè)系統(tǒng)越是混亂,隨機(jī)變量的不確定性就越大,信息熵就越高11.關(guān)于CART算法,錯(cuò)誤的是()。A.CART算法既可以處理分類問(wèn)題,也可以處理回歸問(wèn)題B.可以處理樣本不平衡問(wèn)題C.CART算法采用信息增益率的大小來(lái)度量特征的各個(gè)劃分點(diǎn)D.CART分類樹采用基尼系數(shù)的大小來(lái)度量特征的各個(gè)劃分點(diǎn)12.某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘中的（）。A.關(guān)聯(lián)規(guī)則B.聚類C.分類D.自然語(yǔ)言處理13.有關(guān)數(shù)據(jù)挖掘預(yù)處理不正確的說(shuō)法是（）。A.預(yù)處理是數(shù)據(jù)挖掘一個(gè)不可少的環(huán)節(jié)B.數(shù)值規(guī)約可以使用聚類進(jìn)行C.預(yù)處理涉及缺失值分析、異常值分析等很多工作D.預(yù)處理的過(guò)程可能本身就是一個(gè)數(shù)據(jù)挖掘過(guò)程14.假設(shè)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(duì)屬性income的73600元將被轉(zhuǎn)化為：（）A.0.821B.1.224C.1.458D.0.71615.當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離?A.分類B.聚類C.關(guān)聯(lián)分析D.協(xié)同過(guò)濾二、填空題（每空2分，共20分）1.數(shù)據(jù)抽樣的標(biāo)準(zhǔn)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(cè)方法是簡(jiǎn)單統(tǒng)計(jì)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(shí)現(xiàn)分類與預(yù)測(cè)的常用算法有回歸分析、__________、人工神經(jīng)網(wǎng)絡(luò)、___________和支持向量機(jī)。三、名詞解釋題（每道題5分，共20分）1.分類2.決策樹3.預(yù)測(cè)4.純隨機(jī)序列四、簡(jiǎn)答題（每道題6分，共30分）1.簡(jiǎn)述什么是異常值分析，以及進(jìn)行異常值探測(cè)的方法。2.簡(jiǎn)述為什么要做數(shù)據(jù)預(yù)處理，數(shù)據(jù)預(yù)處理的主要內(nèi)容。3.常見(jiàn)的分類算法有哪些？4.簡(jiǎn)述分類的概念，以及分類算法的實(shí)現(xiàn)過(guò)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(guān)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(bǔ)、不處理。6.決策樹、貝葉斯網(wǎng)絡(luò)名詞解釋題1.分類是構(gòu)建一個(gè)分類模型，輸入樣本的屬性值，輸出對(duì)應(yīng)的類別，將每個(gè)樣本映射到預(yù)先定義好的類別。2.決策樹（DecisionTree）通過(guò)對(duì)訓(xùn)練樣本的學(xué)習(xí)，并建立分類規(guī)則，然后依據(jù)分類規(guī)則，對(duì)新樣本數(shù)據(jù)進(jìn)行分類預(yù)測(cè)，屬于有監(jiān)督學(xué)習(xí)。3.預(yù)測(cè)是建立兩種或兩種以上變量間相互以來(lái)的函數(shù)模型，然后進(jìn)行預(yù)測(cè)和控制。4.純隨機(jī)序列又稱白噪聲序列，序列的各項(xiàng)之間沒(méi)有任何相關(guān)性，序列在進(jìn)行完全無(wú)序的隨機(jī)波動(dòng)。問(wèn)答題1.異常值分析是檢驗(yàn)數(shù)據(jù)是否有錄入錯(cuò)誤，是否含有不合常理的數(shù)據(jù)。常用的方法有簡(jiǎn)單統(tǒng)計(jì)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(yán)重影響到數(shù)據(jù)挖掘建模的執(zhí)行效率，甚至可能導(dǎo)致挖掘結(jié)果的偏差，所以需要進(jìn)行數(shù)據(jù)的預(yù)處理。3.答：SVM、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、邏輯回歸、KNN、貝葉斯4.分類是構(gòu)建一個(gè)分類模型，輸入樣本的屬性值，輸出對(duì)應(yīng)的類別，將每個(gè)樣本映射到預(yù)先定義好的類別。分類算法的過(guò)程有兩步：第一步是學(xué)習(xí)步，通過(guò)歸納分析訓(xùn)練樣本集來(lái)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(cè)試樣本集評(píng)估分類規(guī)則的準(zhǔn)確率，如果準(zhǔn)確率是可以接受的，則使用模型對(duì)未知類標(biāo)號(hào)的待測(cè)樣本集進(jìn)行預(yù)測(cè)。5.聯(lián)系：LR和SVM都可以處理分類問(wèn)題，且一般都用于處理線性二分類問(wèn)題（在改進(jìn)的情況下可以處理多分類問(wèn)題）兩個(gè)方法都可以增加不同的正則化項(xiàng)，如L1、L2等等。所以在很多實(shí)驗(yàn)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(biāo)函數(shù)來(lái)看，區(qū)別在于邏輯回歸采用的是LogisticalLoss，SVM采用的是hingeloss.這兩個(gè)損失函數(shù)的目的都是增加對(duì)分類影響較大的數(shù)據(jù)點(diǎn)的權(quán)重，減少與分類關(guān)系較小的數(shù)據(jù)點(diǎn)的權(quán)重。SVM的處理方法是只考慮SupportVectors，也就是和分類最相關(guān)的少數(shù)點(diǎn)，去學(xué)習(xí)分類器。而邏輯回歸通過(guò)非線性映射，大大減小了離分類平面較遠(yuǎn)的點(diǎn)的權(quán)重，相對(duì)提升了與分類最相關(guān)的數(shù)據(jù)點(diǎn)