南开20秋学期《数据科学导论》在线作业答案

1、20秋学期（1709、1803、1809、1903、1909、2003、2009 ）数据科学导论在线作业试卷总分:100 得分:100一、单选题 (共 20 道试题,共 40 分)1.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C.k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答案:C2.以下哪个不是处理缺失值的方法()A.删除记录B.按照一定原则补充C.不处理D.随意填写答案:D3.在一元线性回归模型中,残差项服从()分布。A.泊松B.正态C.线性D.非线性答案:B4.一元线性回归中,真实值与预测值的差称为样本的()。A.误差B.方差C.测差D.

2、残差答案:D5.Apriori算法的加速过程依赖于以下哪个策略( )A.抽样B.剪枝C.缓冲D.并行答案:B6.数据库中相关联的两张表都存储了用户的个人信息,但在用户的个人信息发生改变时只更新了一张表中的数据,这时两张表中就有了不一致的数据,这属于()A.异常值B.缺失值C.不一致的值D.重复值答案:C7.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答案:A8.层次聚类适合规模较()的数据集A.大B.中C.小D.所有答案:C9.通过构造新的指标-线损率,当超出线损率的正常范围, 则可以判断这条线路的用户可能存在

3、窃漏电等异常行为属于数据变换中的()A.简单函数变换B.规范化C.属性构造D.连续属性离散化答案:C10.例如将工资收入属性值映射到-1,1或者0,1内属于数据变换中的()A.简单函数变换B.规范化C.属性构造D.连续属性离散化答案:B11.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.不确定答案:B12.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()A.1,2,3,4B.1

4、,2,3,5C.1,2,4,5D.1,3,4,5答案:C13.具有偏差和至少()个S型隐含层加上一个()输出层的网络能够逼近任何有理数。A.1,线性B.2,线性C.1,非线性D.2,非线性答案:A14.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.数据变换答案:B15.通过变量标准化计算得到的回归方程称为()。A.标准化回归方程B.标准化偏回归方程C.标准化自回归方程D.标准化多回归方程答案:A16.我们需要对已生成的树()进行剪枝,将树变得简单,从而使它具有更好的泛化能力。A.自上而下B.自下而上C.自左而右D.自右而左答案:B17.聚类是一种()。A.有监督学习B.无

5、监督学习C.强化学习D.半监督学习答案:B18.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.最大化信息熵答案:C19.实体识别的常见形式()A.同名异义B.异名同义C.单位不统一D.属性不同答案:D20.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.连续属性离散化答案:C二、多选题 (共 10 道试题,共 20 分)21.距离度量中的距离可以是()A.欧式距离B.曼哈顿距离C.Lp距离D.Minkowski距离答案:ABCD22.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

6、.事务平均宽度答案:ABCD23.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.随机选取答案:AB24.聚类的主要方法有()。A.划分聚类B.层次聚类C.密度聚类D.距离聚类答案:ABC25.对于多层感知机,()层拥有激活函数的功能神经元。A.输入层B.隐含层C.输出层答案:BC26.什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答案:ABC27.下列选项是BFR的对象是()A.废弃集B.临时集C.压缩集D.留存集答案:ACD28.系

7、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.高效率答案:ABC29.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.估计商场客流量答案:ABC30.k近邻法的基本要素包括()。A.距离度量B.k值的选择C.样本大小D.分类决策规则答案:ABD三、判断题 (共 20 道试题,共 40 分)31.一般而言,信息增益越大,则意味着使用属性a来进行划分所获得的“纯度提升越大”,因此我们可用信息增益来进行决策树的最优特征选择。答案:正确32.给定一个数据集,如果存在某个超平面S能够将数据集的部分正实例点和负实例点正确的划分

8、到超平面的两侧,则称该数据集是线性可分数据集。答案:错误33.Pearson相关系数是判断特征之间、以及特征和目标变量之间线性相关关系的统计量。答案:正确34.特征选择和降维都是用于减少特征数量,进而降低模型复杂度、防止过度拟合。答案:正确35.两个对象越相似,他们的相异度就越高。答案:错误36.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答案:正确37.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。答案:错误38.选择较小的k值,相当于用较小的邻域中的训练实例进行预测,学习的“近似误差”会减小,“估计误差”会增大,预测结果会对近邻的点实例点

9、非常敏感。答案:正确39.K均值(K-Means)算法是密度聚类。答案:错误40.K-means算法采用贪心策略,通过迭代优化来近似求解。答案:正确41.赤池信息准则是衡量统计模型拟合优良性的一种标准。答案:正确42.平均减少的不纯度越大,则特征重要度越高。答案:正确43.标准BP算法是在读取全部数据集后,对参数进行统一更新的算法。答案:错误44.子集产生本质上是一个搜索过程,该过程可以从空集、随机产生的一个特征子集或者整个特征集开始。答案:正确45.数据科学具有广泛的应用领域,可以应用在社交网络、职业体育、政治竞选答案:正确46.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。答案:正确47.决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得