1、數(shù)據(jù)科學(xué)導(dǎo)論課程一、客觀部分：（單項(xiàng)選擇、判斷）（一）、選擇部分1、通過構(gòu)造新的指標(biāo)-線損率，當(dāng)超出線損率的正常范圍，則可以判斷這條線路的用戶可能存在竊漏電等異常行為屬于數(shù)據(jù)變換中的（C）A.簡(jiǎn)單函數(shù)變換B.規(guī)范化C.屬性構(gòu)造D.連續(xù)屬性離散化2、實(shí)體識(shí)別屬于以下哪個(gè)過程（B）A.數(shù)據(jù)清洗B.數(shù)據(jù)集成C.數(shù)據(jù)規(guī)約D.數(shù)據(jù)變換3、數(shù)據(jù)質(zhì)量檢驗(yàn)的主要任務(wù)就是檢查原始數(shù)據(jù)中是否存在“臟數(shù)據(jù)”，概括性來說，臟數(shù)據(jù)不包括以下（A）A.普通值B.異常值C.不一致的值D.重復(fù)值4、決策樹在什么情況下結(jié)點(diǎn)需要?jiǎng)澐郑―）A.當(dāng)前結(jié)點(diǎn)所包含的樣本全屬于同一類別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C

2、.當(dāng)前結(jié)點(diǎn)包含的樣本集為空D.還有子集不能被基本正確分類5、系統(tǒng)日志收集的基本特征不包括（D）A.高可用性B.高可靠性C.可擴(kuò)展性D.高效率6、k近鄰法的基本要素不包括（C）。A.距離度量B.k值的選擇C.樣本大小D.分類決策規(guī)則7、一元回歸參數(shù)估計(jì)的參數(shù)求解方法不包括（D）A.最大似然法B.距估計(jì)法C.最小二乘法D.歐式距離法8、下列選項(xiàng)不是BFR的對(duì)象是（B）A.廢棄集B.臨時(shí)集C.壓縮集D.留存集9、聚類的主要方法不包括（D）A.劃分聚類B.層次聚類C.密度聚類D.距離聚類10、以下哪一項(xiàng)不是特征選擇常見的方法（D）A.過濾式B.封裝式C.嵌入式D.開放式11、以下哪一項(xiàng)不是特征工程的子

3、問題（D）A.特征創(chuàng)建B.特征提取C.特征選擇D.特征識(shí)別12、比如一張表，從業(yè)務(wù)上講，一個(gè)用戶應(yīng)該只會(huì)有一條記錄，那么如果某個(gè)用戶出現(xiàn)了超過一條的記錄，這就產(chǎn)生了（C）A.異常值B.不一致的值C.重復(fù)值D.缺失值13、對(duì)于相似性與相異性的度量方法，基于距離的方法，以下哪一項(xiàng)不符合要求（D）A.歐氏距離B.曼哈頓距離C.馬氏距離D.對(duì)角距離14、通過變量標(biāo)準(zhǔn)化計(jì)算得到的回歸方程稱為（A）。A.標(biāo)準(zhǔn)化回歸方程B.標(biāo)準(zhǔn)化偏回歸方程C.標(biāo)準(zhǔn)化自回歸方程D.標(biāo)準(zhǔn)化多回歸方程D）。15、一元線性回歸中，真實(shí)值與預(yù)測(cè)值的差稱為樣本的（A.誤差B.方差C.測(cè)差D.殘差16、在回歸分析中，自變量為（），因變量

4、為（D）。A.離散型變量，離散型變量B.連續(xù)型變量，離散型變量C.離散型變量，連續(xù)型變量D.連續(xù)型變量，連續(xù)型變量17、為了解決任何復(fù)雜的分類問題，使用的感知機(jī)結(jié)構(gòu)應(yīng)至少包含（B）個(gè)隱含層。A.1B.2C.3D.418、BF咪類用于在（A）歐氏空間中對(duì)數(shù)據(jù)進(jìn)行聚類A.高維B.中維C.低維D.中高維19、層次聚類對(duì)給定的數(shù)據(jù)進(jìn)行（B）的分解。A.聚合B.層次C.分拆D.復(fù)制（二）、判斷部分1、當(dāng)維度增加時(shí)，特征空間的體積增加得很快，使得可用的數(shù)據(jù)變得稀疏。（，）2、數(shù)據(jù)分析師的任務(wù)：用模型來回答具體問題，了解數(shù)據(jù)，其來源和結(jié)構(gòu)。（X）3、探索性數(shù)據(jù)分析的特點(diǎn)是研究從原始數(shù)據(jù)入手，完全以實(shí)際數(shù)據(jù)為

5、依據(jù)。（，）4、特征的信息增益越大，則其越重要。（V）5、隨著特征維數(shù)的增加，樣本間區(qū)分度提高。（X）6、多層感知機(jī)的學(xué)習(xí)能力有限，只能處理線性可分的二分類問題。（X）7、給定一組點(diǎn)，使用點(diǎn)之間的距離概念，將點(diǎn)分組為若干簇，不同簇的成員不可以相同。（，）8、給定關(guān)聯(lián)規(guī)則QB,意味著：若A發(fā)生，B也會(huì)發(fā)生。（X）9、Jaccard系數(shù)只關(guān)心個(gè)體間共同具有的特征是否一致這個(gè)問題。（，）10、集中趨勢(shì)能夠表明在一定條件下數(shù)據(jù)的獨(dú)特性質(zhì)與差異。（x）11、利用K近鄰法進(jìn)行分類時(shí)，使用不同的距離度量所確定的最近鄰點(diǎn)都是相同的。（X）12、利用K近鄰法進(jìn)行分類時(shí)，k值過小容易發(fā)生過擬合現(xiàn)象。（，）13、神

6、經(jīng)網(wǎng)絡(luò)中誤差精度的提高可以通過增加隱含層中的神經(jīng)元數(shù)目來實(shí)現(xiàn)。（V）14、單層感知機(jī)對(duì)于線性不可分的數(shù)據(jù)，學(xué)習(xí)過程也可以收斂。（X）15、聚合方法是自底向上的方法。（，）16、如果一個(gè)候選集至少有一個(gè)子集是非頻繁的，根據(jù)支持度的反單調(diào)屬性，這樣的候選項(xiàng)集肯定是非頻繁的。（，）17、在k近鄰方法中,k值增大意味著整體模型變得復(fù)雜。（x）18、樸素貝葉斯分類器有簡(jiǎn)單、高效、健壯的特點(diǎn)，但某些屬性可能會(huì)降低分類。、主觀部分:（一）、填空部分1、二分類問題常用的評(píng)價(jià)指標(biāo)是精確率、召回率2、樸素貝葉斯分類器建立在一個(gè)類條件獨(dú)立性假設(shè)基礎(chǔ)之上。3、在決策樹生成算法中，最關(guān)鍵的是如何在每一輪的迭代中選擇最優(yōu)

7、特征。4、一個(gè)關(guān)聯(lián)規(guī)則同時(shí)滿足最小支持度和最小置信度，我們稱之為強(qiáng)關(guān)聯(lián)規(guī)則。5、數(shù)據(jù)科學(xué)的過程包括獲取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索、數(shù)據(jù)建模、結(jié)果展示。6、Pearson線性相關(guān)系數(shù)要求連續(xù)變量的取值服從正本分布。7、歐氏距離越小，兩個(gè)點(diǎn)的相似度就越大,歐氏距離越大，兩個(gè)點(diǎn)的相似度就越小。8、數(shù)據(jù)散度分析表示一組數(shù)據(jù)離數(shù)據(jù)中心的距離，多用標(biāo)準(zhǔn)差、方差以及極差進(jìn)行衡量。9、在k近鄰法中，選擇較大的k值時(shí)，學(xué)習(xí)的“近似誤差”會(huì),“估計(jì)誤差”會(huì)減小。10、在k近鄰法中，通常采用交叉驗(yàn)證法來選取最優(yōu)的k值。11、劃分聚類采取互斥簇的劃分.即每個(gè)對(duì)象必須恰好屬于一個(gè)1。12、在線性回歸分析中，根據(jù)自變量的

8、維度不同可以分為一維和d維。13、反向的基本思想為，通過輸出層得到輸出結(jié)果和期望輸出的誤差，間接調(diào)整隱含層的權(quán)值。14、多層感知機(jī)中，隱含層和輸出層都是擁有激活函數(shù)的功能神經(jīng)元。15、神經(jīng)網(wǎng)絡(luò)中最基本的成分是神經(jīng)元模型。16、密度分類法中，單維的變量可以通過其分布峰的個(gè)數(shù)來確定K值。17、在聚類中，使用距離測(cè)量來定義相似性18、Apriori核心算法有兩個(gè)關(guān)鍵步驟為連接步和剪枝步。（二）、簡(jiǎn)答1、為什么需要標(biāo)準(zhǔn)化偏回歸系數(shù)？標(biāo)準(zhǔn)化偏回歸系數(shù)與普通的偏回歸系數(shù)之間的關(guān)系是什么？在實(shí)際問題中，各自變量都有各自的計(jì)量單位以及不同的變異程度，所以不能直接用普通的偏回歸系數(shù)的大小來比較方程中各個(gè)自變量對(duì)

9、因變量？的影響大小，可以利用標(biāo)準(zhǔn)化偏回歸系數(shù)來衡量。通過變量標(biāo)準(zhǔn)化計(jì)算得到的回歸方程稱為標(biāo)準(zhǔn)化回歸方程，相應(yīng)的回歸系數(shù)即為標(biāo)準(zhǔn)化偏回歸系數(shù)。標(biāo)準(zhǔn)化偏回歸系數(shù)與普通的偏回歸系數(shù)關(guān)系如下：?=q?其中？?<2?2、簡(jiǎn)單介紹決策樹算法流程決策樹算法流程：1 .首先計(jì)算訓(xùn)練數(shù)據(jù)集的信息嫡；2 .計(jì)算各特征對(duì)數(shù)據(jù)集的信息增益；3 .選取信息增益最大的特征為最優(yōu)特征;4 .將數(shù)據(jù)集按照最優(yōu)特征進(jìn)行劃分；5 .循環(huán)2,3,4直到結(jié)點(diǎn)不能劃分。3、一般的關(guān)聯(lián)規(guī)則學(xué)習(xí)的步驟是什么？關(guān)聯(lián)規(guī)則學(xué)習(xí)的步驟：1 .找出所有的頻繁項(xiàng)集；2 .根據(jù)頻繁項(xiàng)集生成頻繁規(guī)則；3 .根據(jù)置信度等指標(biāo)進(jìn)一步過濾篩選規(guī)則;4、請(qǐng)

10、簡(jiǎn)述K-means聚類的優(yōu)缺點(diǎn)。優(yōu)點(diǎn)：容易實(shí)現(xiàn)。缺點(diǎn)：可能收斂到局部最小值，在大規(guī)模數(shù)據(jù)集上收斂較慢。5、請(qǐng)簡(jiǎn)述在使用反向傳播算法訓(xùn)練多層感知機(jī)時(shí)，應(yīng)該如何設(shè)置學(xué)習(xí)的停止條件？在使用反向傳播算法訓(xùn)練多層感知機(jī)時(shí)，設(shè)置學(xué)習(xí)的停止條件常見的方法有兩種。第一種為設(shè)置最大迭代次數(shù)，比如使用數(shù)據(jù)集迭代100次后停止訓(xùn)練；第二種為將數(shù)據(jù)分為訓(xùn)練集與驗(yàn)證集，當(dāng)訓(xùn)練集的誤差降低而驗(yàn)證集的誤差升高，則停止訓(xùn)練。6、請(qǐng)簡(jiǎn)述k近鄰法中k的取值對(duì)模型的影響。對(duì)于k近鄰法中k的取值：選擇較小的k值，相當(dāng)于用較小的鄰域中的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，學(xué)習(xí)的“近似誤差”會(huì)減小，“估計(jì)誤差”會(huì)增大，預(yù)測(cè)結(jié)果會(huì)對(duì)近鄰的點(diǎn)實(shí)例點(diǎn)非常敏感。

11、k值減小意味著整體模型變得復(fù)雜，容易發(fā)生過擬合。選擇較大的k值，學(xué)習(xí)的“近似誤差”會(huì)增大，“估計(jì)誤差”會(huì)減小，與輸入實(shí)例較遠(yuǎn)（不相似）的訓(xùn)練實(shí)例也會(huì)對(duì)預(yù)測(cè)起作用。k值增大意味著整體模型變得簡(jiǎn)單。在應(yīng)用中，k值一般取一個(gè)比較小的數(shù)值，通常采用交叉驗(yàn)證法來選取最優(yōu)7、簡(jiǎn)答特征選擇的四個(gè)步驟？特征選擇的四個(gè)步驟：1 .子集產(chǎn)生2 .子集評(píng)估3 .停止條件4 .子集驗(yàn)證8、探索性數(shù)據(jù)分析有哪些特點(diǎn)？探索性數(shù)據(jù)分析的特點(diǎn)：1 .研究從原始數(shù)據(jù)入手，完全以實(shí)際數(shù)據(jù)為依據(jù)；2 .分析方法從實(shí)際出發(fā)，不以某種理論為依據(jù)；3 .分析工具簡(jiǎn)單直觀，更易于普及。9、單變量分析的方法主要包括非圖形化方法和圖形化方法兩

12、種，其中非圖形化方法中主要求出哪些常量？非圖形化方法中主要求出的變量有：均值、方差、標(biāo)準(zhǔn)差和峰度系數(shù)10、請(qǐng)簡(jiǎn)述，對(duì)于多層感知機(jī)，為什么無法通過簡(jiǎn)單感知機(jī)的學(xué)習(xí)規(guī)則對(duì)隱含層進(jìn)行誤差估計(jì)。因?yàn)閷?duì)于各隱含層的節(jié)點(diǎn)來說，它們并不直接與外界相連，即不存在期望輸出。所以無法通過簡(jiǎn)單感知機(jī)的學(xué)習(xí)規(guī)則對(duì)隱含層進(jìn)行誤差估計(jì)。(三)、計(jì)算題1、已知二維空間有三個(gè)點(diǎn)xi=(2,1)T,X2=(5,4)T,X3=(6,2)T要求：求出在？?=1,2,3時(shí)，？?&E離下？?的最近鄰點(diǎn)，并得出相應(yīng)結(jié)論?E離計(jì)算公式如下：1?/?？?=(匯|?以-?|)?=1p=1時(shí),Ll(xi,X2)=經(jīng)1|x1"-

13、x2"|=6,Li(xi,X3)=年1|x(l)-x(3l)|=5>,此時(shí)最近鄰點(diǎn)為x3；p=2時(shí)，L1(x1,x2)=(X2=1|x1"-1x3l)|)=4.12,此時(shí)最近鄰點(diǎn)為x3；p=3時(shí)，L1(x1,x2)=(墓1|x(l)-1x3l)|)=4.02,此時(shí)最近鄰點(diǎn)為x2；1x2l)|)2=4.24,L1(x1,x3)=(經(jīng)1|x(l)-1(l)33(l)x2|)=3.78,L1(x1，x3)=("1|x1)-由此可知，由不同的距離度量所確定的最近鄰點(diǎn)是不同的2、設(shè)變量？膏口？的普通線性回歸方程為？?=4?-0.5?+22,其中？?的標(biāo)準(zhǔn)差?語1=0.

14、2,?的標(biāo)準(zhǔn)差？枷=2.5,?勺標(biāo)準(zhǔn)差？?=0.8。要求：請(qǐng)寫出y,?萬口？?的標(biāo)準(zhǔn)化回歸方程，并分析？?和？?哪個(gè)變量對(duì)？?勺影響強(qiáng)度更大。標(biāo)準(zhǔn)化偏回歸系數(shù)與普通的偏回歸系數(shù)關(guān)系為SjWj=Wj()4y因此,，4x1、W1=W1(G)Sy0.2=4X0.8W2=W2=-0.52.5=0.8-1.5625因此標(biāo)準(zhǔn)化回歸方程為y=x1-1.5625x2+22從標(biāo)準(zhǔn)化偏回歸系數(shù)可以看出|W1|<|w2|,由此可知x2對(duì)y的影響強(qiáng)度更大（四）、論述題1、在特征選擇問題上，貪心算法依據(jù)搜索策略的不同可以分為幾種？并簡(jiǎn)述每種策略是如何進(jìn)行的？貪心算法依據(jù)搜索策H&的不同可以分為3種，分別是前向搜索、后向搜索和雙向搜索。前向搜索：特征子集從空集產(chǎn)生，迭代的從特征全集中選擇特征加入子集。只能加入特征而不能去除特征。后向搜索：特征子集從全集產(chǎn)生，迭代的從子集中刪除無關(guān)或冗余的特征。只能去除特征不能加入特征。雙向搜索：從某個(gè)隨機(jī)的特征子集開始，使用前向搜索向子集中增加新特征，同時(shí)使用后向搜