Python数据分析实战知到智慧树章节测试课后答案2024年秋鲁东大学

Python数据分析实战知到智慧树章节测试课后答案2024年秋鲁东大学第一章单元测试

本课程特色包括

A:嵌入Python软件，培养算法落地能力B:精析数据分析算法，培养数据分析意识C:剖析20+精彩案例，培养综合实战技能

答案:嵌入Python软件，培养算法落地能力；精析数据分析算法，培养数据分析意识；剖析20+精彩案例，培养综合实战技能本课程包括的知识点包括

A:Python入门B:Python基本数据分析实战C:Python数据分析高级实战

答案:Python入门；Python基本数据分析实战；Python数据分析高级实战

本课程的Python入门部分中您将学习到的内容包括

A:Python简介B:Python基本编程C:Python三剑客（numpy,pandas,matplotlib）D:Python基本语法

答案:Python简介；Python基本编程；Python三剑客（numpy,pandas,matplotlib）；Python基本语法

本课程的Python高级数据分析部分中您将学习到的内容包括

A:无监督学习B:高级话题C:有监督学习（分类问题）D:有监督学习（回归问题）

答案:无监督学习；高级话题；有监督学习（分类问题）；有监督学习（回归问题）

本课程讲授六步法的基本目标是

A:软件熟练B:理论扎实C:落地精准D:算法清楚

答案:软件熟练；理论扎实；落地精准；算法清楚

第二章单元测试

下列关于Python语法叙述错误的是

A:Python中使用#号注释语句

B:Python使用括号组织代码

C:for循环中，冒号为缩进代码块的开始，冒号之后的所有代码的缩进量必须相同，直到代码块结束D:Python句尾不需要分号

答案:Python使用括号组织代码

下述代码的返回结果是

deffun(k):

y=2*k+k**2

returny

print(fun(3))

A:15B:13C:12D:14

答案:15Python语句中用于注释代码的符号是

A:#号B:%号C:!号D:$号

答案:#号下述代码返回的结果是

importnumpyasnpt=2.5868print(np.round(t,2))

A:2.58B:2.59C:2.60D:2.5

答案:2.59下述说法错误的是

A:可对字典数据类型进行查、增、删、改B:元组是一个不可变型的序列，由{}完成C:可对列表数据类型进行查、增、删、改D:列表是一个可变型的序列，由[]完成

答案:元组是一个不可变型的序列，由{}完成下述列表计算的结果是a=[1,11,10,10001,10001]a.append(2.5)print(a)

A:[2.5,1,11,10,10001,10001]B:[1,11,10,10001,10001,2.5]

答案:[1,11,10,10001,10001,2.5]下述代码返回的结果是x=-3.5ifx<0:

print(x+2)else:

print(-1*x-5)

A:-1.5B:1.5C:0

答案:-1.5下述代码返回的结果是

m=[2,5,4,1,3]n=[]forkinm:

t=k**2-2

n.append(t)print(n)

A:[4,25,16,1,9]B:[2,23,14,-1,7]C:[5,26,17,2,10]

答案:[2,23,14,-1,7]

第三章单元测试

下列不属于数据预处理常用方法的是

A:缺失值的发现与处理B:离散变量重编码C:相关分析

D:异常值的发现与处理

答案:相关分析

常用描述统计方法包括

A:数据可视化B:描述偏差和相关程度C:描述集中程度D:描述离散程度

答案:数据可视化；描述偏差和相关程度；描述集中程度；描述离散程度下列参数类假设检验方法中可以用于比较3种不同教学方法之间是否存在显著差异的是

A:单因素方差分析B:独立样本T检验C:配对样本T检验

答案:单因素方差分析可以用于直观展示数据值的大小或变化趋势（即比较）的可视化工具有

A:条形图B:柱形图C:饼图D:折线图

答案:条形图；柱形图；折线图按照可视化专家AndrewAbela的图表使用建议，散点图可以用于展示数据间的联系。

A:错B:对

答案:对

第四章单元测试

下述机器学习方法中可以用于降维的是

A:决策树B:PCAC:Kmeans聚类D:KNN

答案:PCA如果研究者想探讨影响小麦亩产量的因素，采集了若干个样本的各个指标（温度、灌溉量、光照强度、施肥量），则下列哪种方法适合研究本问题？

A:一元线性回归B:PCAC:聚类分析D:多元线性回归分析

答案:多元线性回归分析

随机森林算法叙述正确的是

A:采用投票法(少数服从多数)确定最终类别归属B:随机选择训练样本(行采样)C:是一种集成学习算法D:随机选择部分特征(列采样)

答案:采用投票法(少数服从多数)确定最终类别归属；随机选择训练样本(行采样)；是一种集成学习算法；随机选择部分特征(列采样)下列关于决策树算法的论述错误的是

A:决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。B:ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。C:条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量D:熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小

答案:ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。下列关于判别分析叙述正确的是

A:Fishser线性判别分析的基本思想是投影B:

利用已知类别的样本建立判别模型，对未知类别的样本进行分类C:是多元分析中用于判别样本所属类型的一种统计分析方法D:Fishser线性判别分析（LinearDiscriminantanalysis,LDA）由R.A.Fisher于1936年提出

答案:Fishser线性判别分析的基本思想是投影；

利用已知类别的样本建立判别模型，对未知类别的样本进行分类；是多元分析中用于判别样本所属类型的一种统计分析方法；Fishser线性判别分析（LinearDiscriminantanalysis,LDA）由R.A.Fisher于1936年提出朴素贝叶斯分类器的基本算法步骤包括

A:比大小：计算后验概率，归入最大后验概率类B:定问题：确定为分类（类标签已知）问题C:算概率：计算所有朴素贝叶斯公式中的“零部件”概率

答案:比大小：计算后验概率，归入最大后验概率类；定问题：确定为分类（类标签已知）问题；算概率：计算所有朴素贝叶斯公式中的“零部件”概率K最近邻（KNN)分类器的基本算法步骤包括

A:算距离：给定测试对象，计算它与训练集中的每个对象的距离B:找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻

C:做分类：根据这k个近邻归属的主