大数据分析与应用智慧树知到期末考试答案章节答案2024年西安理工大学

大数据分析与应用智慧树知到期末考试答案+章节答案2024年西安理工大学计量经济模型中的被解释变量一定是，内生变量。（）

答案:对兰氏距离不仅克服了明氏距离与各指标的量纲有关的缺点，而且也考虑了变量间的相关性。（）

答案:对在讨论模型的准确度时，通常对整个样本外的区间进行预测，然后将其实际值比较，把它们的差异用某种方法加总。（）。

答案:对预测填充通过预测模型利用不存在缺失值的属性来预测缺失值，分类方法填充数值属性，回归方法填充类别属性。（）

答案:错Apriori算法产生的关联规则总是确定的。（）

答案:对数据仓库的管理中不包括安全性管理。（）

答案:错Aprior算法的优点是算法步骤的时间比较长。（）

答案:错密度可达是不具有传递性的。（）

答案:错用户喜好矩阵的两个维度分别是用户维度和产品维度。（）。

答案:对词嵌入方法使用低维、稠密、实值的词向量来表示每一个词，从而赋予词语丰富的语义含义，并使得计算词语相关度成为可能。（）

答案:对在文本分析中，常使用数字来表示文本中的数据。（）

答案:错K-Medoids是对K-means聚类算法的优化，因此比K-means聚类法应用更为广泛。（）

答案:错用户满意度可通过用户问卷或者监测用户线上行为数据获得。（）。

答案:对数据集市包含的数据量比较多。（）

答案:错数据归一化和标准化的区别是，数据归一化是将数据缩放到特定区间，而数据标准化则没有区间限制。（）

答案:对对于项集来说，置信度没有意义。（）

答案:对属于数据仓库的基本组成的是（）。

答案:数据提前;数据应用;数据定义;数据管理下列可以产生频繁项集的算法有()

答案:Aprior算法；;FP-growth算法；在DBSCAN算法中，数据点分为哪几类（）。

答案:核心点;噪音点;边界点常见的权重组合的方法有（）。

答案:IC均值加权;IR_IC加权;等权加权数据归一化作用？（）

答案:消除不同量变之间数量级差异;消除不同量变之间性质差异;消除不同量变之间量纲差异以下关于聚类分析的陈述，哪些是正确的（）。

答案:不同的类间距会产生不同的递推公式;进行聚类分析的统计数据有关于类的变量;递推公式有利于运算速度的提高依据分析的数据类型，可将大数据分析模型分为（）。

答案:面向结构化多维数据的多元分析;面向半结构化图数据的图分析;面向非结构化文本数据的文本分析决策树算法的优点？。（）

答案:以最大信息增益选择分裂变量，模型显示变量的相对重要性;面对大数据集可以处理的很好;可以处理连续型或类别型的变量;容易解释和理解聚类效果衡量方法种以内部指标进行衡量的方法有哪些（）。

答案:DB指标;SC指标;CH指标推荐部分主要学了什么算法（）。

答案:基于人口统计学的推荐;基于用户的推荐；;基于内容的推荐；;基于物品的推荐；大数据都包括哪些数据（）。

答案:公用设施所记录的数据;事业单位数据;科研设备数据;企业单位数据以下哪几项是常用的分词工具（）。

答案:jieba;THULAC;HanLP;SnowNLP数据抽样有哪些方法？（）

答案:加权抽样;系统抽样;随机抽样;分层抽样在聚类分析中，划分型聚类的特征是（）。

答案:属于各个簇的对象之间没有交集下列关于文本分析的说法错误的是（）。

答案:无监督关键词提取方法将关键词提取视为分类过程

答案:服从t(n-2)经典的Apriori算法是逐层扫描的，也就是说它是（）优先的。

答案:宽度；产生离群点的原因有？()

答案:其他三个选项均正确为什么基于统计和基于距离的离群点检测方法对于非均匀分布的数据集不能得到很好的检测效果？（）

答案:这两种方法都依赖于给定数据集的全局分布根据判定系数R2与F统计量的关系可知，当R2=1时有（）。

答案:F=∞距离判别法所用的距离是（）。

答案:马氏距离FP-Growth算法的优点是算法步骤的时间比较长。（）

答案:错为评论者打分目的是根据指定的人员对每个人进行打分，找出最接近的匹配结果。（）。

答案:对大数据分析就是指应用大数据分析的工具和方法对规模巨大的数据进行分析。（）

答案:对剩余变差，是未被回归直线解释的部分，是由解释变量以外的因素造成的。（）

答案:对先进行数据清洗，再进行数据仓库数据模型的优化。（）

答案:错在大数据分析中，想要从文本中获取信息首先要将其转换为结构化的数据。（）

答案:对离群点分析方法有哪些？()

答案:基于密度的离群点分析;基于统计的离群点分析;基于距离的离群点分析;基于聚类的离群点分析基于统计的离群点检测方法首先需要计算什么？()

答案:标准差;均值下列关于TF-IDF的说法正确的是（）。

答案:TF代表词频，表示某词条在文本中出现的频率;IDF代表逆向文件频率，值越大，类别区分能力越好Aprior算法的关键步骤是（）

答案:连接步；;减枝步；预测的准确度影响因素包括哪几点？（）。

答案:预测者的分析判断能力;影响预测对象的偶然因素;方法不恰当;资料的限制确定目标用户的相似用户群流程是怎样的（）。

答案:选取与目标用户相似度大于某一个门槛值的所有用户；;"选取与目标用户相似度最大的K位用户；;将用户按照他们的打分向量聚类，选择离目标用户最近的一类用户数据分析涉及的技术相当广泛，主要包括（）。

答案:数据理解与提取;数据采集在离群点检测中，对一维数据而言，使用基于什么的分析方法？()

答案:统计大数据分析并不是简单的数据分析的延伸，对大数据进行分析需要高性能的（）。

答案:计算结构和存储库以下哪种方法是定性预测方法？（）。

答案:主观概率法；决策树算法是一种贪心算法，是（）的逐次搜索方式，逐渐产生决策树模型结构。（）。

答案:由上至下训练数据集中对象的属性分为哪两类？（）。

答案:分类属性和类别属性按经典假设，线性回归模型中的解释变量应是非随机变量，且（）。

答案:与随机误差项不相关模型的作用是（），以适于用户使用的方式重新组织和展现。

答案:从数据中找到知识

答案:Y关于X的弹性以下使用标准统计分布且采用不和谐检验的分析方法是（）。

答案:基于统计的离群点分析LOF方法的核心思想是通过比较对象自己的密度与它领域中对象的平均密度来检测离群点，簇的内部越靠近核心点的对象相对密度越接近0。（）

答案:错分类分析是指在已知研究对象已经分为若干类的情况下，确定新的对象属于哪一类。（）

答案:对经典的计算用户相似度可以用（）方法。

答案:皮尔逊相关度;调整余弦相似性;余弦相似性属于数据仓库的体系结构的是（）。

答案:前端工具;数据模型;数据源和ETL工具;数据仓库和元数据数据可视化根据数据类型可以分为（）。

答案:多维数据可视化;时空数据可视化;文本可视化;网络可视化从二分类到多分类的三种策略？（）

答案:为C个类定义C个判别函数;构造C个两类分类器;构造C(C-1)个两类分类器马尔科夫过程具有以下哪几个特征（）。

答案:遍历性;平稳性;马尔科夫性数据预处理的步骤是（）

答案:数据抽样和过滤→数据标准化和归一化→数据清洗K-means算法中第二个循环做了什么（）。

答案:聚类中心的移动基于产品的协同过滤需要回答（）。

答案:其他三个选项均正确使用聚类方法确定最相似用户群的时候，使用离目标用户（）一类用户的中心处的打分。

答案:最近EM算法的引入是因为概率模型中包含（）。

答案:隐变量在具体的模型中，被认为是具有一定概率分布的随机变量是外生变量。（）

答案:错基于统计的离群点分析建立在标准的统计学技术之上，对数据分布满足某种概率分布的数值型单维数据集较为有效。（）

答案:对某一特定的X水平上，总体Y分布的离散度越大，即σ2越大，则是预测区间越窄，精度越低。（）

答案:错基于统计的离群点分析需要预先知道?()

答案:分布参数;数据集的统计分布;期望离群点的数目;离群点类型量化选股的模型有很多种，总的来说主要有（）。

答案:行业轮动模型;风格轮动模型;多因子模型;资金流模型基于产品的协同过滤方法缺点（）。

答案:算法可扩展性问题;打分稀疏性问题;冷启动问题离群点是指数值中，远离数值的一般水平的什么和什么？()

答案:极端大值;极端小值训练数据集的作用？（）。

答案:用于建立分类模型的数据置信度(confidence)是衡量兴趣度度量（）的指标。

答案:确定性；预测的准确度是指预测模型拟合的好坏程度。（）。

答案:对国家大型公用设备所产生的数据是大数据的一种。（）

答案:对EM算法一定收敛。（）

答案:错logistic回归适用于因变量为（）。

答案:连续型定量变量;多分类无序变量;多分类有序变量;二分类变量预测的基本原理包括系统性原理、连贯性原理之外，还有哪些原理？（）。

答案:相关性原理;概率推断原理;类推原理属于多维数据模型的是（）。

答案:星型模式预测的基本要素不包括以下哪点？（）。

答案:发展趋势符合度量属性类型是（）。

答案:数值型推荐是（）决策的一种手段。

答案:辅助一个主题即可构成数据仓库。（）

答案:错判别分析是多元统计分析中用于判别样本类型的一种统计分析方法。（）

答案:对预测方法选择原则（）。

答案:根据预测目标的要求选择预测方法;从经济、时间与适用性的角度选择预测方法;根据预测结果的准确程度选择预测方法;根据预测对象资料的特征和规律选择预测方法常用的决策树算法有？（）

答案:CART;C4.5;ID3;Hunt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？（）

答案:关联规则发现；下列属于格式内容清洗的是？（）

答案:非法字符检测大众化推荐是指在同样的外部条件下，不同用户获得的推荐是一样的。（）。

答案:对数据挖掘一般无需预先设定好的主题，主要是在现有数据上进行基于各种算法的计算，实现一些（）的需求。

答案:高级别数据分析推荐系统的构成有哪些（）。

答案:其他三个选项均正确离群点分析只能为用户提供可疑的数据，是否真正对应实际的异常行为，需要由领域专家来解释。（）

答案:对欧几里德距离通过判断两组数据与某一直线拟合程度来判断相似度。（）。

答案:错传统数据分析建模方法与大数据分析建模方法是对立的。（）

答案:错数据仓库的特点中包含查阅。（）

答案:对对大数据进行分析不需要高性能的计算架构和存储系统。（）

答案:错Apriori算法是一种典型的关联规则挖掘算法。（）

答案:对不确定性越大，得到的熵值越小。（）

答案:错在多元线性回归模型中，多重决定系数指回归平方和与总离差平方和的比值，也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重。（）

答案:对对于多元数据，很难同时对多维数据进行基于统计的离群点分析。（）

答案:对数据质量从一致性、完整性、时效性、同一性四个维度考虑。（）

答案:错文本分析可应用于垃圾邮件过滤系统。（）

答案:对过滤主要依赖随机化技术筛选样本，而抽样则依据条件限制选取符合要求的数据。（）

答案:错大数据的特点在于信息增长速度快，需要及时处理。（）

答案:错预测就是根据过去和现在估计未来。（）。

答案:对决策树中，所有的数据都会落到叶子节点上。（）

答案:对轮廓系数的值越趋近于1则代表紧密度和分离度都相对较优，即聚类效果越好。（）

答案:对决策树的剪枝策略通常有先剪枝和后剪枝两种方法。（）

答案:对离群点分析是发现数据集中异常的少量的离群点。（）

答案:对灰色预测的数据是通过生成数据的模型所得到的预测值的逆处理结果（）。

答案:对概率推断原理是指当被推断的结果能以较大的概率出现时，则认为该结果成立。（）。

答案:对分词结果极大依赖于分词词典的完备性。（）

答案:对回归分析中估计回归参数的方法主要有（）。

答案:矩估计法;最小二乘估计法;极大似然法常用的核函数有（）。（）

答案:Sigmoid核函数;多项式核函数;线性核函数;径向基核函数数据标准化与归一化方法？（）

答案:反正切函数;0-1标准化;Z-score标准化;log函数转换K-means聚类法的局限性体现在（）。

答案:K-means聚类法对噪声和离群点敏感;K-means聚类法对变量的要求也比较高;应用K-means聚类法需要预先直到聚类个数近邻距离度量的表示方法都有哪些？（）

答案:曼哈顿距离;切比雪夫距离;闵可夫斯基距离;欧氏距离离群点的类型有？()

答案:条件离群点;全局离群点;集体离群点属于度量的类型的有（）。

答案:不确定性度量;不可加性度量;可加性度量;半可加性度量常用于关键词提取的方法有（）。

答案:TF-IDF;TextRank;LDA主题模型数据仓库是一个（）的数据集合。

答案:面向主题的;稳定的;集成的;随时间变化的推荐系统可以（）角度评估。

答案:多样性;用户满意度;惊喜度;新颖性以下哪些属于非结构化数据（）。

答案:文本;视频;图像;音频对样本进行聚类，通常采用的相似性统计量（）。

答案:欧式距离;切比雪夫距离;绝对距离假设线性回归模型满足全部基本假设，则其参数的估计量具备（）。

答案:线性;有效性;无偏性以下哪几项属于分词的方法（）。

答案:双向最大匹配法;逆向最大匹配法;正向最大匹配法关联规则挖掘的算法主要有()

答案:FP-Growth算法；;Apriori算法；发现关联规则的算法通常要经过以下三个步骤：连接数据，作数据准备：给定（），利用数据挖掘工具提供的算法发现关联规则；可视化显示、理解、评估关联规则。

答案:最小可信度；;最小支持度；数据缺失值填充方法？（）

答案:删除;统一填充;预测填充;统计填充Apriori算法的计算复杂度受()影响?

答案:支持度阀值；;项数（维度)；;事务平均宽度生理状态；;事务数；实体识别解决的问题？（）

答案:冗余问题;重名问题以下哪几种方式灰色系统常用的数据处理方式？（）。

答案:累减;累加文本特征项需要具备哪些特性（）。

答案:能够标识文本内容ETL工具的功能有（）。

答案:其他三个选项均正确重名检测是利用（）技术，通过考察实体属性间的关联程度，判定相同名称的对象，是否属于同一实体类。

答案:聚类以下哪种方法是定量预测方法？（）。

答案:灰色预测下面哪项是数据分组的依据？（）。

答案:分位数大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（）

答案:FP-growth；系统性原理是指预测必须以系统的观点为指导，采用哪种方法实现预测的系统目标？()。

答案:系统分析；文本分析可应用于哪些场景（）。

答案:其他三个选项均正确下列说法正确的是？（）。

答案:分裂属性选择时，选择具有最小Ginisplit的属性为分裂属性数据仓库的优势是（）。

答案:查询性能高FP-tree对于Aprior算法的改进之处在于（）

答案:加速查找；基于产品的协同过滤方法优点（）。

答案:A和B都是常用的文本特征选取方式有（）。

答案:其他三个选项均正确以下哪种属于系统抽样？（）

答案:在100个人中选取第2、12....92人数据理解与提取包括（）。

答案:非结构化数据关于聚类算法K-means和DBSCAN的叙述中，不正确的是（）。

答案:当簇的密度变化较大时，DBSCAN不能很好地处理，而K-means可以大数据的采集是指利用（）来接收发自客户端的数据，并且用户可以通过数据库来进行简单的查询和处理工作。

答案:多个数据库发展系数a的有效区间为？（）。

答案:（-2，2）下列关于同义和多义的说法中，正确的是（）。

答案:同义是指不同词汇在一定背景下有着相同的意思抽样和过滤的目的？（）

答案:减少数据处理量基于人口统计学的推荐主要思想是什么（）。

答案:一个用户可能会喜欢与其相似的用户所喜欢的东西；基于产品的协同过滤算法的主要优点是计算量小，可以离线计算（）。

答案:对基于用户的方法适用于物品数量巨大且频繁更新的场景。（）。

答案:对基于内容的推荐主要思想是什么（）。

答案:一个用户可能会喜欢和他曾经喜欢过的物品相似的物品；多样性描述推荐系统对物品长尾的发掘能力。（）。

答案:错基于物品的方法适用于用户数量大大超过物品数量，且物品数量相对稳定，不必频繁更新的场景。（）。

答案:对收集用户信息的行为记录模块负责记录用户的喜好行为。（）。

答案:对推荐系统可以用于哪些应用（）。

答案:豆瓣;淘宝;腾讯;爱奇艺计算用户相似度常用的方法（）。

答案:皮尔逊相关度;欧几里德距离;accard系数;曼哈顿距离覆盖率描述推荐系统中推荐结果能否覆盖用户不同的兴趣领域。（）。

答案:错用于提取主题的文本分析方法包括（）。

答案:LDA;PLDA;LSA;PLSA中文分词的难点是什么？（）

答案:规范问题;歧义问题;未登录词问题;计算问题某词的IDF值越高，说明该词越不常见。（）

答案:对可以通过词汇来判断文档之间的相似度。（）

答案:对词嵌入方法将词表示为数值向量。（）

答案:对网络上的信息错综复杂，没有办法对文本进行分析。（）

答案:错词的同义和多义现象是文本分析中存在的问题。（）

答案:对基于统计的方法使用句子出现的概率对句子的合理性进行评估。（）

答案:对以下哪些属于文本分析模型？（）

答案:主题模型;统计语言模型;TextRank;TF-IDF主题抽取使得文本的处理大大简化。（）

答案:对当数据集包含不同密度的区域时，基于距离的离群点检测方法不能很好地识别离群点。（）

答案:对基于聚类的离群点检测可以分为几类？（）。

答案:两类；对于基于距离的离群点分析方法，其基本思想是一个对象如果远离大部分其它对象，那么它是离群的。（）

答案:对基于距离的离群点检测方案简单，不必知道数据的分布，计算量大。（）

答案:错对于基于原型的聚类，评估对象属于簇的程度主要有两种方法：一是度量对象到簇原型的距离，二是考虑到簇具有不同的密度，可以度量簇到原型的相对距离。（）

答案:对基于密度的离群点检测优点是？（）。

答案:可以处理拥有不同密度区域的数据集；基于聚类的离群点检测有什么缺点？（）。

答案:产生的离群点集非常依赖所用的簇的个数；基于聚类的离群点分析方法，在已有聚类结果的基础上，计算量小，效率高，但是它的有效性也非常依赖聚类的结果。（）

答案:对基于距离的离群点分析可以处理多维数据。（）

答案:对在基于聚类的离群点检测中，对象是否被认为是离群点可能高度依赖于簇的个数。（）

答案:对马尔科夫性中，n+1时刻的状态的条件概率只依存哪种时刻的状态（）。

答案:n预测分析的基本思路为：列出并分析现有数据-寻找计算手段-得出结论。（）。

答案:对在诸多的灰色模型中，哪种模型最常用？（）。

答案:GM(1，1)在马尔科夫过程中，在给定当前信息或知识时，过去对于预测未来是有关的。（）。

答案:错马尔科夫分析法是研究随机事件变化趋势的一种方法。（）。

答案:对预测分析主要对以下哪些方面的作用（）。

答案:绩效管理;成本控制;自适应管理;决策管理待定系数a称为灰色作用量（）。

答案:错预测的方法可以分为定性预测方法和定量预测方法。（）。

答案:对马尔科夫过程是具有马尔科夫性质的离散随机过程。（）。

答案:对以下哪几点是预测分析的关键点（）。

答案:数据在时间上的持续性;数据的全面性;数据的数量K-Means算法需要用初始随机种子点来做，不同起点结果不同，可能导致算法陷入局部最优。（）

答案:对哪个方法不是类间距离的度量方法（）。

答案:欧式距离聚类分析是将样品或变量按照它们在性质上的什么进行分类的（）。

答案:亲疏程度DBSCAN是基于密度的噪声应用空间聚类。（）

答案:对聚类与分类一样，具有预测功能。（）

答案:错紧密度和分离度是聚类分析评价的两个原则。（）

答案:对哪些属性可以通过取值的差来衡量相异度（）。

答案:比率属性;区间属性关于聚类分析下列说法正确的是（）。

答案:K-means属于无监督分类;系统几类并不适合数据量很大的情形根据簇之间的关系，聚类分析可以分为（）。

答案:重叠聚类;层次型聚类;划分型聚类闵可夫斯基距离λ可以取哪些值（）。

答案:其他三个选项均正确人工神经网络的结构包括？（）。

答案:输入层;隐含层;输出层随机森林的训练过程分为？（）。

答案:投票过程;生长过程影响随机森林分类性能的主要因素（）。

答案:单颗决策树的分类强度;森林中决策树的相关度朴素贝叶斯算法是贝叶斯算法中最简单的一个算法，假设它里边的各个类条件是（）。

答案:独立的随机森林结合策略有哪些？（）。

答案:加权平均法;简单平均法;投票法关于朴素贝叶斯算法，下列说法正确的是（）。

答案:假设样本各属性之间是相互独立的神经网络模型构思来源于对人脑的模拟。（）

答案:对深度学习模型有哪些？（）。

答案:卷积神经网络;循环神经网络;深度神经网络;生成-对抗神经网络神经网络的各层之间的初始参数是如何设定的？（）。

答案:随机产生单层神经网络有几层？（）。

答案:2在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫做（）

答案:负相关；购物篮分析中，数据是以（）的形式呈现

答案:不对称二元变量；以下不属于数据挖掘软件的是（）

答案:ApacheSpark；给定关联规则A-B，意味着：若A发生，B也会发生。（）

答案:错关联分析中表示关联关系的方法主要有（）

答案:项集；;关联规则；一个关联规则同时满足最小支持度和最小置信度，我们称之为（）

答案:强规则；频繁闭项集可用来无损压缩频繁项集。（）

答案:对关联规则的评价度量主要有（）

答案:支持度；;置信度；下面购物篮能够提取的最大项集和最小项集的数量是多少（）。ID购买项：1.牛奶，啤酒、2.面包，黄油，牛奶、3.牛奶，尿布，饼干、4.面包，黄油，饼干、5.啤酒，饼干，尿布、6.牛奶，尿布，面包，黄油、7.面包，黄油，尿布、8.啤酒，尿布、9.牛奶，尿布，面包，黄油、10.啤酒，饼干

答案:4；;3；不满足给定评价度量的关联规则是无趣的（）

答案:错Logistic回归可用于（）。

答案:其他三个选项均正确Logistic回归系数与优势比OR的关系为（）。

答案:其他三个选项均正确在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在（）。

答案:多重共线性

答案:回归变差，或回归平方和是指（）。

答案:被解释变量的回归值与平均值的离差平方和;被解释变量的总变差与剩余变差之差;解释变量变动所引起的被解释变量的变差在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为（）。

答案:0.8327剩余变差是指（）。

答案:被解释变量的实际值与回归值的离差平方和;被解释变量的变差中，回归方程不能做出解释的部分;被解释变量的总变差与回归平方和之差;随机因素影响所引起的被解释变量的变差解释变量的实际值与平均值的离差平方和Logistic回归中自变量如为多分类变量，宜将其按哑变量处理，与其他变量进行变量筛选时可用（）。

答案:应将几个哑变量作为一个因素，整体进出回归方程半对数模型中，参数1的含义是（）。

答案:X的相对变化，引起Y的期望值绝对量变化关于经济计量模型进行预测出现误差的原因，正确的说法是（）。

答案:既有随机因素，又有系