大数据分析方法及应用知到智慧树章节测试课后答案2024年秋山东科技大学

大数据分析方法及应用知到智慧树章节测试课后答案2024年秋山东科技大学第一章单元测试

大数据的四个"V"中，指的是以下哪个？（）

A:VisibilityB:VerificationC:VelocityD:Variance

答案:Velocity下列选项中，哪个描述最准确地描绘了大数据分析与挖掘的功能？（）

A:大数据分析与挖掘主要用于存储和管理海量数据，以便进行快速查询和检索。B:大数据分析与挖掘可以帮助提取和识别数据中的模式、趋势和关联规律。C:大数据分析与挖掘旨在通过数据可视化和呈现，将复杂的数据转化为易于理解和解释的形式。D:大数据分析与挖掘主要应用于数据加密和安全来保护敏感信息。

答案:大数据分析与挖掘可以帮助提取和识别数据中的模式、趋势和关联规律。以下哪个选项不属于离群点类型？（）

A:全局离群点B:条件离群点C:局部离群点D:集体离群点

答案:局部离群点离群点（Outliers）指的是在数据集中与其他数据点明显不同的观测值，通常可以通过以下哪种方法进行识别？（）

A:基于频繁模式挖掘的方法B:基于时间序列的方法C:基于空间关系的方法D:基于聚类分析的方法

答案:基于空间关系的方法大数据分析常用的技术手段包括：（）

A:图像识别B:自然语言处理C:手工计算D:机器学习

答案:机器学习

第二章单元测试

数据预处理中的异常值处理主要用于处理哪种情况？（）

A:缺失值B:噪声值C:错误值D:重复值

答案:噪声值数据预处理的基本步骤包括以下哪个？（）

A:数据清洗B:数据可视化C:数据建模D:数据挖掘

答案:数据清洗数据预处理可以帮助解决以下哪个问题？（）

A:数据完整性B:数据可信度C:数据一致性D:数据安全性

答案:数据完整性数据整合是指以下哪个操作？（）

A:删除无关数据列B:标准化数据C:将数据转换为统一格式D:将多个数据源合并到一起

答案:将多个数据源合并到一起数值规约不可以通过以下哪种方式进行？（）

A:属性规约B:直方图规约C:聚类规约D:参数回归

答案:属性规约

第三章单元测试

在关联规则中，支持度表示什么？（）

A:项集与关联规则的置信度B:项集在一个事务中的出现次数C:项集在所有交易中出现的频率D:关联规则的强度程度

答案:项集在所有交易中出现的频率Apriori算法是一种常用的关联规则挖掘算法，其基本思想是：（）

A:基于概率模型寻找关联规则B:基于相似度度量进行关联规则匹配C:自底向上逐层搜索频繁项集D:使用密度估计方法进行模式挖掘

答案:自底向上逐层搜索频繁项集聚类分析的目标是什么？（）

A:进行特征选择B:训练一个分类模型C:进行数据降维D:将数据划分成不同的类别

答案:将数据划分成不同的类别以下哪种聚类算法是基于密度的方法？（）

A:EM算法B:DBSCAN算法C:层次聚类算法D:K-means算法

答案:DBSCAN算法K-means算法中的K值代表什么意义？（）

A:聚类中心数量B:特征维度数量C:数据样本数量D:数据类别数量

答案:聚类中心数量

第四章单元测试

常见的有指导学习算法包括以下哪个？（）

A:Apriori算法B:支持向量机C:K-means算法D:DBSCAN算法

答案:支持向量机在k近邻算法中，k的值代表以下哪个含义？（）

A:迭代的次数B:目标变量的数量C:特征变量的数量D:邻居的数量

答案:邻居的数量决策树算法具有以下哪个优点？（）

A:不受特征缩放的影响B:对噪声数据具有鲁棒性C:可解释性强D:支持高维数据集

答案:可解释性强随机森林算法具有以下哪个特点？（）

A:对特征缩放敏感B:具有较高的计算复杂度C:对异常值敏感D:不需要调参

答案:不需要调参支持向量机中选择核函数的主要目的是什么？（）

A:控制模型的复杂度B:加速模型的训练C:解决非线性问题D:提高预测的准确性

答案:解决非线性问题

第五章单元测试

回归分析的目标是什么？（）

A:对数据进行异常检测B:预测一个连续变量的值C:预测一个离散变量的值D:对数据进行分类

答案:预测一个连续变量的值多项式回归是一种回归分析方法，它通过如何对数据进行建模？（）

A:使用多项式函数进行拟合B:使用多个非线性函数进行拟合C:使用幂函数进行拟合D:使用多个线性函数进行拟合

答案:使用多项式函数进行拟合在线性回归中，如何衡量预测结果与真实值之间的差异？（）

A:加权平均误差（MAE）B:置信度（Confidence）C:均方误差（MSE）D:准确率（Accuracy）

答案:均方误差（MSE）岭回归和LASSO回归的目标函数都包含了一个什么项，用于控制模型的复杂度？（）

A:L4正则化项B:L3正则化项C:L1正则化项D:L2正则化项

答案:L2正则化项逻辑回归和多项式回归都属于什么类型的回归算法？（）

A:神经网络回归算法B:线性回归算法C:非线性回归算法D:支持向量回归算法

答案:非线性回归算法

第六章单元测试

协同推荐是一种利用什么信息来进行推荐的方法？（）

A:用户个人信息B:用户行为信息C:商品属性信息D:社交网络信息

答案:用户行为信息协同推荐分为三种基本类型，分别是什么？（）

A:基于用户、基于模型和基于内容的协同过滤B:基于用户、基于物品和基于模型的协同推荐C:用户-物品关联矩阵、基于物品和物品-用户关联矩阵D:用户行为数据和商品属性数据、基于内容的协同过滤

答案:基于用户、基于物品和基于模型的协同推荐下列哪个选项最准确地描述了用户协同过滤推荐算法？（）

A:用户协同过滤利用社交网络中的关系推荐用户朋友喜欢的物品。B:用户协同过滤通过连接数据集中的频繁项集来发现关联规则。C:用户协同过滤是基于用户历史行为和与其他用户的相似性来推荐物品。D:用户协同过滤是根据物品的属性或内容来推荐与用户偏好相似的物品。

答案:用户协同过滤是基于用户历史行为和与其他用户的相似性来推荐物品。基于物品的协同推荐是通过比较什么来进行推荐？（）

A:用户之间的相似度B:用户和商品之间的特征匹配程度