大數(shù)據(jù)競(jìng)賽理論題每日一側(cè)-9月26日附有答案

大數(shù)據(jù)競(jìng)賽理論題每日一側(cè)-9月26日[復(fù)制]您的姓名：[填空題]*_________________________________1.當(dāng)相關(guān)系數(shù)r=0時(shí)，說明（）。[單選題]*A.現(xiàn)象之間相關(guān)程度較小B.現(xiàn)象之間完全相關(guān)C.現(xiàn)象之間無直線相關(guān)(正確答案)D.現(xiàn)象之間完全無關(guān)答案解析：相關(guān)系數(shù)〃刻畫了兩個(gè)變量之間的相關(guān)程度，|「|W1,|,|越接近1表示兩個(gè)變量相關(guān)度越高，反之相關(guān)度越低。相關(guān)系數(shù),=0只能說明線性無關(guān)，不能說明完全無關(guān)。2.在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)稱為（）。[單選題]*A.頻繁子集挖掘B.頻繁子圖挖掘(正確答案)C.頻繁數(shù)據(jù)項(xiàng)挖掘D,頻繁模式挖掘答案解析：解析：頻繁子圖挖掘是指在圖集合中挖掘公共子結(jié)構(gòu)。3.下列說法正確的是（）。[單選題]*A.關(guān)聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則B.尋找模式和規(guī)則主要是對(duì)數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式C.數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)律，從而能更好地完成描述數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)等任務(wù)(正確答案)D.在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差答案解析：解析：關(guān)聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表，再利用代表生成需要的關(guān)聯(lián)規(guī)則，根據(jù)用戶設(shè)定的最小置信度進(jìn)行取舍，最后得到強(qiáng)關(guān)聯(lián)規(guī)則。數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)律，從而能更好地完成描述數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)等任務(wù)。在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越好。4.通過K-means算法進(jìn)行聚類分析后得出的聚類結(jié)果的特征是（）。[單選題]*A.同一聚類中的對(duì)象間相似度高，不同聚類中的對(duì)象間相似度高B.同一聚類中的對(duì)象間相似度高，不同聚類中的對(duì)象間相似度低(正確答案)C.同一聚類中的對(duì)象間相似度低，不同聚類中的對(duì)象間相似度低D.同一聚類中的對(duì)象間相似度低，不同聚類中的對(duì)象間相似度高5.對(duì)分類任務(wù)來說，學(xué)習(xí)器從類別標(biāo)記集合中預(yù)測(cè)出一個(gè)標(biāo)記，最常見的結(jié)合策略是（）。[單選題]*A.投票法(正確答案)B.平均法C.學(xué)習(xí)法D.排序法6.在k近鄰學(xué)習(xí)算法中，隨著左的增加，上界將逐漸降低，當(dāng)左區(qū)域無窮大時(shí)，上界和下界碰到一起，k近鄰法就達(dá)到了（）o[單選題]*A.貝葉斯錯(cuò)誤率(正確答案)B.漸進(jìn)錯(cuò)誤率C.最優(yōu)值D.上界7.下列不屬于判別式模型的是（）。[單選題]*A.決策樹B.BP神經(jīng)網(wǎng)絡(luò)C.支持向量機(jī)D.貝葉斯(正確答案)8.標(biāo)準(zhǔn)正態(tài)分布的均數(shù)與標(biāo)準(zhǔn)差分別是（）。[單選題]*A.0，1(正確答案)B.1,0C.0,0D.1,1答案解析：標(biāo)準(zhǔn)正態(tài)分布是均值為0，標(biāo)準(zhǔn)差為1的正態(tài)分布9.與生成方法、半監(jiān)督SVM、圖半監(jiān)督學(xué)習(xí)等基于單學(xué)習(xí)機(jī)器利用未標(biāo)記數(shù)據(jù)不同，基于分歧的方法（disagreement?basedmethods）使用多學(xué)習(xí)器，而學(xué)習(xí)器之間的分歧（disagreement）對(duì)未標(biāo)記數(shù)據(jù)的利用至關(guān)重要。（）是此類方法的重要代表。[單選題]*A.協(xié)同訓(xùn)練(正確答案)B.組合訓(xùn)練C.配合訓(xùn)練D.陪同訓(xùn)練答案解析：解析：協(xié)同訓(xùn)練是此類方法的重要代表，它很好地利用了多視圖的相容互補(bǔ)性。10.下列關(guān)于線性模型的描述錯(cuò)誤的是（）。[單選題]*A.支持向量機(jī)的判別函數(shù)一定屬于線性函數(shù)(正確答案)B.在樣本為某些分布情況時(shí)，線性判別函數(shù)可以成為最小錯(cuò)誤率或最小風(fēng)險(xiǎn)意義下的最優(yōu)分類器C.在一般情況下，線性分類器只能是次優(yōu)分類器D.線性分類器簡(jiǎn)單而且在很多情況下效果接近最優(yōu)，所以應(yīng)用比較廣泛答案解析：解析：支持向量機(jī)的判別函數(shù)不一定是線性函數(shù)。11.下列關(guān)于降維的表述錯(cuò)誤的是（）。[單選題]*A.降維過程中可以保留原始數(shù)據(jù)的所有信息(正確答案)B.多維縮放的目標(biāo)是要保證降維后樣本之間的距離不變C.線性降維方法目標(biāo)是要保證降維到的超平面能更好地表示原始數(shù)據(jù)D.核線性降維方法目標(biāo)是通過核函數(shù)和核方法來避免采樣空間投影到高維空間再降維之后的低維結(jié)構(gòu)丟失答案解析：解析：降維過程中盡量保留原始數(shù)據(jù)的信息，但不能保留原始數(shù)據(jù)的全部信息。12.一組數(shù)據(jù)相加后除以數(shù)據(jù)個(gè)數(shù)得到的值叫作（）。[單選題]*A.最大值B.平均值(正確答案)C.中位數(shù)D.眾數(shù)答案解析：平均值有算術(shù)平均值、幾何平均值、平方平均值（均方根平均值）、調(diào)和平均值、加權(quán)平均值等。算術(shù)平均值是指一組數(shù)據(jù)相加后除以數(shù)據(jù)個(gè)數(shù)的平均值13.在其他條件不變的前提下，（）容易引起機(jī)器學(xué)習(xí)中的過擬合問題。[單選題]*A.增加訓(xùn)練集量B.減少神經(jīng)網(wǎng)絡(luò)隱藏層節(jié)點(diǎn)數(shù)C.刪除稀疏的特征D.SVM算法中使用高斯核/RBF核代替線性核(正確答案)答案解析：解析：神經(jīng)網(wǎng)絡(luò)減少隱藏層節(jié)點(diǎn)，就是在減少參數(shù)，只會(huì)將訓(xùn)練誤差變高，不會(huì)導(dǎo)致過擬合。D選項(xiàng)中SVM高斯核函數(shù)比線性核函數(shù)模型更復(fù)雜，容易過擬合。14.下列回歸模型中最能影響過擬合與欠擬合之間平衡的步驟是（）。[單選題]*A.多項(xiàng)式的階數(shù)(正確答案)B.是否通過矩陣求逆或梯度下降學(xué)習(xí)權(quán)重C.使用常數(shù)項(xiàng)D.使用正則化答案解析：解析：選取合適的多項(xiàng)式階數(shù)對(duì)于回歸的擬合程度會(huì)產(chǎn)生重要的影響。多項(xiàng)式階數(shù)越高，越容易產(chǎn)生過擬合現(xiàn)象。15.討論變量之間的關(guān)系，主要有（）、方差分析和回歸分析三個(gè)方法。[單選題]*A.參數(shù)分析B.邏輯分析C.假設(shè)分析D.相關(guān)分析(正確答案)答案解析：相關(guān)分析是研究?jī)蓚€(gè)或兩個(gè)以上處于同等地位的隨機(jī)變量間的相關(guān)關(guān)系的統(tǒng)計(jì)分析方法。例如，人的身高和體重之間、空氣中的相對(duì)濕度與降雨量之間的相關(guān)關(guān)系都是相關(guān)分析研究的問題。方差分析用于兩個(gè)及兩個(gè)以上樣本均數(shù)差別的顯著性檢驗(yàn)。16.下列關(guān)于支持向量的說法正確的是（）。[單選題]*A.到分類超平面的距離最近的且滿足一定條件的幾個(gè)訓(xùn)練樣本點(diǎn)是支持向量(正確答案)B.訓(xùn)練集中的所有樣本點(diǎn)都是支持向量C.每一類樣本集中都分別只有一個(gè)支持向量D.支持向量的個(gè)數(shù)越多越好答案解析：解析：在支持向量機(jī)中，距離超平面最近的且滿足一定條件的幾個(gè)訓(xùn)練樣本點(diǎn)被稱為支持向量。一般情況下，支持向量的個(gè)數(shù)等于訓(xùn)練樣本數(shù)目，并不是越多越好。17.參加奧運(yùn)會(huì)前，需要對(duì)運(yùn)動(dòng)員模擬比賽的成績(jī)進(jìn)行統(tǒng)計(jì)分析，判斷運(yùn)動(dòng)員成績(jī)是否穩(wěn)定，因此需要知道運(yùn)動(dòng)員模擬比賽的（）。[單選題]*A.平均數(shù)或中位數(shù)B.方差或頻率C.頻數(shù)或眾數(shù)D.差或極差(正確答案)18.子集搜索中，逐漸增加相關(guān)特征的策略稱為（）。[單選題]*A.前向搜索(正確答案)B.后向搜索C.雙向搜索D.不定向搜索19.下列關(guān)于Apriori算法原理的敘述錯(cuò)誤的是（）。[單選題]*A.Apriori算法通常使用先驗(yàn)知識(shí)或者假設(shè)B.如果某個(gè)項(xiàng)集是頻繁的，那么它的所有子集也是頻繁的C.如果一個(gè)項(xiàng)集是非頻繁集，那么它的所有超集也是非頻繁的D.Apriori算法不可以用來發(fā)現(xiàn)頻繁集(正確答案)答案解析：解析：Apriori算法可以用來發(fā)現(xiàn)頻繁集。20.（）不是k最近鄰分類器的特點(diǎn)。[單選題]*A.它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型B.分類一個(gè)測(cè)試樣例開銷很大C.最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè)(正確答案)D.可以生產(chǎn)任意形狀的決策邊界答案解析：解析：k最近鄰中（k-nearestneighbors,KNN）的近鄰指的是距離待預(yù)測(cè)數(shù)據(jù)的數(shù)據(jù)點(diǎn)，而k近鄰指的是取距*最近的幾個(gè)數(shù)據(jù)點(diǎn)，并非基于全局信息進(jìn)行預(yù)測(cè)。21.統(tǒng)計(jì)描述的種類主要包括均值、百分位數(shù)、中位數(shù)、眾數(shù)、全距和方差等，（）是指如果將一組數(shù)據(jù)從小到大排序，并計(jì)算相應(yīng)的累計(jì)百分位，則某一百分位所對(duì)應(yīng)數(shù)據(jù)的值。[單選題]*A.均值B.百分位數(shù)(正確答案)C.中位數(shù)D.眾數(shù)22.（）不是長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)三個(gè)門中的一個(gè)門。[單選題]*A.輸入門B.輸出門C.遺忘門D.進(jìn)化門(正確答案)答案解析：長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）增加了三個(gè)門用來控制信息傳遞和最后的結(jié)果計(jì)算，三個(gè)門分別為遺忘門、輸入門、輸出門。23.在集成學(xué)習(xí)中，對(duì)于數(shù)據(jù)型輸出，最常見的結(jié)合策略是（）。[單選題]*A.平均法(正確答案)B.投票法C.學(xué)習(xí)法D.以上答案都正確答案解析：解析：在集成學(xué)習(xí)中，對(duì)于數(shù)據(jù)型輸出，最常見的結(jié)合策略是平均法。對(duì)于分類任務(wù)來說，最常見的結(jié)合策略是投票法。當(dāng)訓(xùn)練數(shù)據(jù)很多時(shí)一種更為強(qiáng)大的結(jié)合策略是學(xué)習(xí)法。24.當(dāng)訓(xùn)練樣本近似線性可分時(shí)，（）。[單選題]*A.通過硬間隔最大化，學(xué)習(xí)一個(gè)非線性支持向量機(jī)B.通過軟間隔最大化，學(xué)習(xí)一個(gè)線性支持向量機(jī)(正確答案)C.通過硬間隔最大化，學(xué)習(xí)一個(gè)線性支持向量機(jī)D.通過軟間隔最大化，學(xué)習(xí)一個(gè)非線性支持向量機(jī)25.在多元線性回歸模型中，若某個(gè)解釋變量對(duì)其余解釋變量的判定系數(shù)接近于1,則表明模型中存在（）。[單選題]*A.異方差B.序列相關(guān)C.多重共線性(正確答案)D.高擬合優(yōu)度26.在支持向量機(jī)中，（）允許支持向量機(jī)在一些樣本上出錯(cuò)。[單選題]*A.硬間隔B.軟間隔(正確答案)C.核函數(shù)D.拉格朗日乘子法答案解析：在支持向量機(jī)中，軟間隔允許支持向量機(jī)在一些樣本上出錯(cuò)。27.所有預(yù)測(cè)模型在廣義上都可稱為一個(gè)或一組（）。[單選題]*A.公式B.邏輯C.命題D.規(guī)則(正確答案)28一組數(shù)據(jù)中出現(xiàn)最多的變量值叫作（）。[單選題]*A.最大值B.平均值C.中位數(shù)D.眾數(shù)(正確答案)答案解析：眾數(shù)是樣本觀測(cè)值在頻數(shù)分布表中頻數(shù)最多的哪一組的組中值29.通常來說，（）能夠用來預(yù)測(cè)連續(xù)因變量。[單選題]*A.線性回歸(正確答案)B.邏輯回歸C.線性回歸和邏輯回歸D,以上答案都不正確答案解析：解析：邏輯回歸被用來處理分類問題。30.考慮值集｛12243324556826}的四分位數(shù)極差是（）。[單選題]*A.21(正確答案)B.24C.55D.3答案解析：四分位差也稱為內(nèi)距或四分間距，它是上四分位數(shù)（QU,即位于75%）與下四分位數(shù)（以，即位于25%）的差。計(jì)算公式為QD=QU-QLO將數(shù)據(jù)從小到大排序，可得到QU=33,QL=12,因此QD=QU-QL=2131在一個(gè)簡(jiǎn)單的線性回歸模型中（只有一個(gè)變量），如果將輸入變量改變一個(gè)單位（增加或減少）,那么輸出將改變（）。[單選題]*A.—個(gè)單位B.不變C.截距D.回歸模型的尺度因子(正確答案)32.令N為數(shù)據(jù)集的大?。圩ⅲ涸O(shè)訓(xùn)練樣本（耳，凹），N即訓(xùn)練樣本個(gè)數(shù)］,d是輸入空間的維數(shù)（注：d即向量玉的維數(shù)）。貝I］硬間隔SVM問題的原始形式［即在不等式約束［乂（A+6）N1］下最小化（1/2）糾在沒有轉(zhuǎn)化為拉格朗日對(duì)偶問題之前是（）。[單選題]*A.一個(gè)含N個(gè)變量的二次規(guī)劃問題B.—個(gè)含NH個(gè)變量的二次規(guī)劃問題C.一個(gè)含d個(gè)變量的二次規(guī)劃問題D.—個(gè)含d+1個(gè)變量的二次規(guī)劃問題(正確答案)答案解析：解析：欲找到具有最大間隔的劃分超平面，也就是要找到能滿足題中不等式約束的參數(shù)w和如是一個(gè)含d+1個(gè)變量的二次規(guī)劃問題。33.下列關(guān)于決策樹的說法錯(cuò)誤的是（）。[單選題]*A.冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響B(tài).子樹可能在決策樹中重復(fù)多次C.決策樹算法對(duì)于噪聲的干擾非常敏感(正確答案)D.尋找最佳決策樹是NP完全問題答案解析：解析：決策樹算法對(duì)于噪聲的干擾具有相當(dāng)好的魯棒性。34.下列關(guān)于Boosting算法的描述錯(cuò)誤的是（）。[單選題]*A.可將強(qiáng)學(xué)習(xí)器降為弱學(xué)習(xí)器(正確答案)B.從初始訓(xùn)練集訓(xùn)練基學(xué)習(xí)器C.對(duì)訓(xùn)練樣本分布進(jìn)行調(diào)整D.做錯(cuò)的訓(xùn)練樣本多次訓(xùn)練答案解析：解析：Boosting是一種集成學(xué)習(xí)算法，由一系列基本分類器按照不同的權(quán)重組合成為一個(gè)強(qiáng)分類器。35.下列關(guān)于隨機(jī)森林的說法正確的是（）。[單選題]*A.隨機(jī)森林對(duì)于高維數(shù)據(jù)集的處理能力比較好B.在對(duì)缺失數(shù)據(jù)進(jìn)行估計(jì)時(shí)，隨機(jī)森林是一個(gè)十分有效的方法C.當(dāng)存在分類不平衡的情況時(shí)，隨機(jī)森林能夠提供平衡數(shù)據(jù)集誤差的有效方法D.以上答案都正確(正確答案)答案解析：解析：隨機(jī)森林對(duì)于高維數(shù)據(jù)集的處理能力比較好，在對(duì)缺失數(shù)據(jù)進(jìn)行估計(jì)時(shí)，隨機(jī)森林是一個(gè)十分有效的方法，當(dāng)存在分類不平衡的情況時(shí)，隨機(jī)森林能夠提供平衡數(shù)據(jù)集誤差的有效方法。36.下列機(jī)器學(xué)習(xí)算法中，不需要?dú)w一化處理的是（）。[單選題]*A.DecisionTree(正確答案)B.SVMC.K-meansD.LogisticRegression答案解析：解析：DecisionTree屬于概率模型，不需要?dú)w一化處理；SVM、K-means和LogisticRegression之類的最優(yōu)化問題需要?dú)w一化處理。37.（）算法可以較好地避免樣本的不平衡問題。[單選題]*A.KNN(正確答案)B.SVMC.BayesD.神經(jīng)網(wǎng)絡(luò)答案解析：解析：KNN只是取了最近的幾個(gè)樣本點(diǎn)做平均，離預(yù)測(cè)數(shù)據(jù)較遠(yuǎn)的訓(xùn)練數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果不會(huì)造成影響，但是SVM、Bayes和KNN的每一個(gè)訓(xùn)練樣本結(jié)果都會(huì)對(duì)預(yù)測(cè)結(jié)果產(chǎn)生影響。38.絕對(duì)多數(shù)投票法的基本思想是（）。[單選題]*A.對(duì)于若干和弱學(xué)習(xí)器的輸出進(jìn)行平均得到最終的預(yù)測(cè)輸出B.少數(shù)服從多數(shù)，數(shù)量最多的類別為最終的分類類別C.不光要求獲得最高票，還要求票過半數(shù)(正確答案)D.將訓(xùn)練集弱學(xué)習(xí)器的學(xué)習(xí)結(jié)果作為輸入，將訓(xùn)練集的輸出作為輸出，重新訓(xùn)練一個(gè)學(xué)習(xí)器來得到最終結(jié)果答案解析：解析：絕對(duì)多數(shù)投票法：若某標(biāo)記得票過半數(shù)，則預(yù)測(cè)為該標(biāo)記；否則拒絕預(yù)測(cè)。39.下列關(guān)于K均值與DBSCAN比較的說法不正確的是（）。[單選題]*A.K均值丟棄被它識(shí)別為噪聲的對(duì)象，而DBSCAN一般聚類所有對(duì)象(正確答案)B.K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念C.K均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不同形狀的簇D.K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN會(huì)合并有重疊的簇答案解析：解析：DBSCAN與K均值都是將每個(gè)對(duì)象指派到單個(gè)簇的劃分聚類算法，但K均值一般聚類所有對(duì)象，而DBSCAN丟棄被它識(shí)別為噪聲的對(duì)象。40.如果線性回歸模型中的隨機(jī)誤差存在異方差性，那么參數(shù)的OLS估計(jì)量是（）。[單選題]*A.無偏的、有效的B.無偏的、非有效的(正確答案)C.有偏的、有效的D.有偏的、非有效的41.Spark的組件包括（）。*A.SparkStreaming(正確答案)B.MLib(正確答案)C.GraphX(正確答案)D.SparkR答案解析：解析：Spark的組件包括SparkSQL、SparkStreaming、MLid、GraphXo42.下列關(guān)于Pig的說法正確的有（）*A.彌補(bǔ)MapReduce編程復(fù)雜性(正確答案)B.封裝MapReduce處理過程(正確答案)C.PigLatin是一種數(shù)據(jù)分析語言(正確答案)D.適用于并行處理(正確答案)答案解析：解析：Pig建立在MapReduce之上,好地封裝了MapReduce的處理過程；PigLatin是數(shù)據(jù)分析的描述語言；Pig的結(jié)構(gòu)適用于并行處理。43.假設(shè)目標(biāo)遍歷的類別非常不平衡，即主要類別占據(jù)了訓(xùn)練數(shù)據(jù)的99%,假設(shè)現(xiàn)在模型在訓(xùn)練集上表現(xiàn)為99%的準(zhǔn)確度，那么下列說法正確的有（）。*A.準(zhǔn)確度并不適合衡量不平衡類別問題(正確答案)B.準(zhǔn)確度適合衡量不平衡類別問題C.精確度和召回率適合于衡量不平衡類別問題(正確答案)D.精確度和召回率不適合衡量不平衡類別問題答案解析：精確度和召回率適合于衡量不平衡類別問題，準(zhǔn)確度并不適合衡量不平衡類別問題。44,下列關(guān)于Pig的說法正確的有（）。*A.Pig的主要目的是彌補(bǔ)MapReduce編程的復(fù)雜性(正確答案)B.Pig的核心是一種數(shù)據(jù)分析語言(正確答案)C.Pig程序的結(jié)構(gòu)適合串行處理D.Pig主要包含PigLatin和Pig執(zhí)行環(huán)境兩部分(正確答案)答案解析：解析：Pig程序的結(jié)構(gòu)適合并行處理。45.一個(gè)回歸模型存在多重共線問題，在不損失過多信息的情況下，可釆取的措施有（）。*A.剔除所有的共線性變量B.剔除共線性變量中的一個(gè)(正確答案)C.通過計(jì)算方差膨脹因子（varianceinflationfactor,VIF）來檢查共線性程度，并采取相應(yīng)措施(正確答案)D.刪除相關(guān)變量可能會(huì)有信息損失，我們可以不刪除相關(guān)變量，而使用一些正則化方法來解決多重共線性問題，例如Ridge或Lasso回歸(正確答案)答案解析：為了檢查多重共線性，我們可以創(chuàng)建相關(guān)系數(shù)矩陣來辨別和移除相關(guān)系數(shù)大于75%的變量（閾值根據(jù)情況設(shè)定）。除此之外，可以使用VIF方法來檢查當(dāng)前存在的共線變量。刃FW4表明沒有多種共線，刃FN]0表明有著嚴(yán)重的多重共線性，也可以使用公差（tolerance）作為評(píng)估指標(biāo)。但是，移除相關(guān)變量可能導(dǎo)致信息的丟失，為了保留這些變量，可以使用帶懲罰的回歸方法。可以在相關(guān)變量之間隨機(jī)加入噪聲，使得變量之間存在差異。但增加噪聲可能影響準(zhǔn)確度，因此這種方法應(yīng)該小心使用46.Hadoop框架的缺點(diǎn)有（）。*A.MapReduce編程框架的限制(正確答案)B.過多的磁盤操作，缺乏對(duì)分布式內(nèi)存的支持(正確答案)C.無法高效支持迭代式計(jì)算(正確答案)D.不支持多用戶寫入和任意修改文件(正確答案)答案解析：解析：以上四項(xiàng)都為Hadoop的缺點(diǎn)。47線性模型的基本形式有（）*A.線性回歸(正確答案)B.對(duì)數(shù)幾率回歸（二分類問題）(正確答案)C.線性判別分析（Fisher判別分析）(正確答案)D.多分類學(xué)習(xí)(正確答案)48.Spark提交工作的方式有（*A.Client(正確答案)B.Cluster(正確答案)C.Standalone）oD.YARN答案解析：解析：Spark提交作業(yè)的方式是Client和Cluster。49特征選擇方法有（）*A.AIC赤池信息準(zhǔn)則B.LARS嵌入式特征選擇方法(正確答案)C.LVW包裹式特征選擇方法(正確答案)D.Relief過濾式特征選擇方法(正確答案)答案解析：AIC赤池信息準(zhǔn)則是常用的模型選擇方法50.Hadoop運(yùn)行的模式包括（）。*A.單機(jī)版(正確答案)B.偽分布式(正確答案)C.分布式(正確答案)D.全分布式答案解析：解析：Hadoop運(yùn)行模式包括單機(jī)版、偽分布式和分布式。51.下列關(guān)于相關(guān)與線性關(guān)系的說法正確的有（）*A.相關(guān)不一定是線性關(guān)系，可能是非線性關(guān)系(正確答案)B.相關(guān)一定是線性關(guān)系，不可能是非線性關(guān)系C.相關(guān)時(shí)若有相關(guān)系數(shù)為0,說明兩個(gè)變量之間不存在線性關(guān)系，仍可能存在非線性關(guān)系(正確答案)D.相關(guān)系數(shù)為0是兩個(gè)變量獨(dú)立的必要不充分條件(正確答案)答案解析：相關(guān)不一定是線性關(guān)系，可能是非線性關(guān)系52.SparkRDD的依賴機(jī)制包括（）*A.寬依賴(正確答案)B.深度依賴C.廣度依賴）oD.窄依賴(正確答案)答案解析：解析：RDD之間的依賴關(guān)系可以分為窄依賴和寬依賴兩種。53.（）是通過對(duì)無標(biāo)記訓(xùn)練樣本的學(xué)習(xí)來進(jìn)行分類的。*A.密度估計(jì)(正確答案)B.異常檢測(cè)(正確答案)C.線性回歸D.聚類分析(正確答案)54.下列屬于數(shù)據(jù)挖掘方法的有（）*A.聚類(正確答案)B.回歸分析(正確答案)C.神經(jīng)網(wǎng)絡(luò)(正確答案)D.決策樹算法(正確答案)答案解析：利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析常用的方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析、Web頁挖掘等。分類方法有決策樹算法、KNN算法（k-nearestneighbor）,SVM算法、VSM算法、Bay