《大數(shù)據(jù)技術(shù)與應(yīng)用》作業(yè)4
共25道題 總分：100分
一、單選題(共15題，60分)
1.用訓(xùn)練好的隨機森林對樣本進行類別預(yù)測的語句是
A、from sklearn.tree import DecisionTreetClassifier
B、clf=DecisionTreetClassifier()
C、clf.fit(Xtrain,Ytrain)
D、predictions=clf.predict(Xtest)
2.以下不是數(shù)據(jù)可視化工具庫的是（）
A、pandas
B、matplotlib
C、matlab
D、seaborn
3.數(shù)據(jù)集{1,2,3,5,7,8,9}的中位數(shù)是
A、3
B、5
C、7
D、4
4.下面代碼能夠提取模糊C均值聚類算法類簇中心特征的語句是
A、from fcmeans import FCM
B、fcm=FCM(n_clusters=4)
C、fcm.fit(X)
D、fcm_centers=fcm.cednters
5.局部異常因子(LOF)算法屬于
A、基于統(tǒng)計的異常值檢測方法
B、基于密度的異常檢測方法
C、基于聚類的異常值檢測
D、基于決策樹的異常檢測
6.邏輯回歸中的“邏輯”是指
A、規(guī)則
B、Sigmoid函數(shù)
C、學(xué)者名字
D、以上都不對
7.數(shù)據(jù)集{1,2,2,2,3,4}的眾數(shù)是
A、1
B、2
C、3
D、4
8.利用pandas處理數(shù)據(jù)缺失值時，用于發(fā)現(xiàn)缺失值的函數(shù)為
A、isnull
B、head
C、tail
D、info
9.利用pandas處理數(shù)據(jù)缺失值時，用于填充缺失值的函數(shù)為
A、isnull
B、head
C、fillna
D、dropna
10.關(guān)聯(lián)規(guī)則最基礎(chǔ)的元素是
A、項
B、項集
C、超項集
D、子項集
11.from sklearn.neighbors import KNeighborsClassifiernknn = KNeighborsClassifier(n_neighbors=3) n上面代碼中可以看出，KNN分類器的k值設(shè)置為
A、1
B、2
C、3
D、4
12.決策樹生成過程中，以信息增益率作為特征選擇準(zhǔn)則生成決策樹的算法是
A、ID3
B、C4.5
C、CART
D、以上都不對
13.決策樹生成過程的停止條件
A、當(dāng)前結(jié)點包含的樣本全屬于同一類別，無需劃分
B、當(dāng)前屬性集為空，或是所有樣本在所有屬性上取值相同，無法劃分
C、當(dāng)前結(jié)點包含的樣本集合為空，不能劃分
D、以上都不對
14.用訓(xùn)練好的LOF實例判斷數(shù)據(jù)是否異常，正常樣本用1表示，異常樣本用-1表示的語句
A、from sklean.neighbors import LocalOutlierFactor
B、clf=LocalOutlierFactor(n_neighbors=20)
C、y_pred=clf.fit_predict(X)
D、X_scores = clf.negative_outlier_factor_
15.處理缺失值的方法有刪除和（）
A、替換
B、復(fù)制
C、修改
D、屏蔽
二、多選題(共5題，20分)
1.常用的分類方法包括
A、樸素貝葉斯分類器
B、決策樹
C、KNN
D、以上都不對
2.定性數(shù)據(jù)包括
A、有序數(shù)據(jù)
B、無序數(shù)據(jù)
C、定類等級數(shù)據(jù)
D、定性等級數(shù)據(jù)
3.數(shù)據(jù)挖掘（Data Mining）則是知識發(fā)現(xiàn)（KDD）的核心部分，它指的是從數(shù)據(jù)集合中自動抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為
A、規(guī)則
B、概念
C、規(guī)律
D、模式
4.異常檢測的難點
A、不能明確定義何為正常，何為異常，在某些領(lǐng)域正常和異常并沒有明確的界限
B、數(shù)據(jù)本身存在噪聲，致使噪聲和異常難以區(qū)分
C、正常行為并不是一成不變，也會隨著時間演化，如正常用戶被盜號之后，進行一系列的非法操作
D、難以獲取標(biāo)記數(shù)據(jù)，沒有數(shù)據(jù)，再好的算法也是無用
5.分箱法包括
A、等深分箱
B、眾數(shù)分箱
C、等寬分箱
D、以上都不對
三、判斷題(共5題，20分)
1.眾數(shù)在一組數(shù)據(jù)中只有一個
A、對
B、錯
2.因為 Bayes 理論能夠幫助理解基于概率估計的復(fù)雜現(xiàn)況，所以它成為了數(shù)據(jù)挖掘和概率論的基礎(chǔ)
A、對
B、錯
3.下四分位數(shù)是指 數(shù)據(jù)從大到小排列排在第25%位置的數(shù)字，即最小的四分位數(shù)(下四分位數(shù))
A、對
B、錯
4.高層次數(shù)據(jù)無法向低層次轉(zhuǎn)化，會出現(xiàn)F
A、對
B、錯
5.描述性數(shù)據(jù)分析屬于比較高級復(fù)雜的數(shù)據(jù)分析手段
A、對
B、錯
奧鵬，國開，廣開，電大在線，各省平臺，新疆一體化等平臺學(xué)習(xí)
詳情請咨詢QQ : 3230981406或微信:aopopenfd777
