




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
大學(xué)試卷學(xué)年第1學(xué)期;課號課程名稱數(shù)據(jù)挖掘與數(shù)據(jù)分析(閉卷);適用班級(或年級、專業(yè))(每位考生需要答題紙(8k)2張、草稿紙(16k)1張)考試時(shí)間120分鐘班級學(xué)號姓名題號一二三四五六七八九十成績滿分20202040得分評卷人選擇題(20分,2分*10題)關(guān)聯(lián)模式挖掘旨在從大量的數(shù)據(jù)當(dāng)中發(fā)現(xiàn)特征之間或數(shù)據(jù)之間的相互()關(guān)系A(chǔ).聚集B.依賴C.結(jié)合D.獨(dú)立時(shí)間序列基于事物發(fā)展的()和隨機(jī)性預(yù)測事物未來的情況A.獨(dú)立性B.延續(xù)性C.相關(guān)性D.邏輯性數(shù)據(jù)挖掘工作中臟數(shù)據(jù)通常不包括()A.缺失值B.異常值C.不一致和重復(fù)數(shù)據(jù)值D.時(shí)變數(shù)據(jù)數(shù)據(jù)特征分析不包括()A.分布分析B.對比分析C.相關(guān)性分析D.標(biāo)準(zhǔn)化分析數(shù)據(jù)預(yù)處理的主要任務(wù)不包括()A.數(shù)據(jù)清洗B.數(shù)據(jù)集成C.數(shù)據(jù)變換和規(guī)約D.數(shù)據(jù)可視化Python本身的數(shù)據(jù)分析常見庫不包括()A.NumpyB.ScipyC.Pandas D.TensorflowK-means算法屬于聚類分析的()A.劃分方法 B.層次分析方法C.基于網(wǎng)格的方法 D.基于密度的方法數(shù)據(jù)變換不包括()A.聚集 B.數(shù)據(jù)概化C.規(guī)范化 D.數(shù)據(jù)壓縮常見的連續(xù)屬性離散化方法不包括()A.等寬法 B.基于聚類分析的方法C.等頻法 D.基于統(tǒng)計(jì)分析的方法關(guān)聯(lián)分析中將集合中同時(shí)出現(xiàn)頻率高的元素組成子集,滿足一定閾值條件,稱為()A.項(xiàng)集B.頻繁項(xiàng)集C.關(guān)聯(lián)規(guī)則 D.頻繁度判斷題(20分,2分*10題,正確標(biāo)記√,錯(cuò)誤標(biāo)記×)1.數(shù)據(jù)預(yù)處理階段的主要工作包括數(shù)據(jù)篩選、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)標(biāo)準(zhǔn)化、屬性選擇、數(shù)據(jù)規(guī)約等方面。()2.關(guān)聯(lián)模式挖掘旨在從大量的數(shù)據(jù)當(dāng)中發(fā)現(xiàn)特征之間或數(shù)據(jù)之間的相互依賴關(guān)系。()3隨機(jī)性分析是數(shù)據(jù)特征分析方法。()4.聚類分析使得類別內(nèi)數(shù)據(jù)的“差異性”盡可能小,類別間“差異性”盡可能大。()5.異常值是指樣本中的個(gè)別值,其數(shù)值明顯偏離其余的觀測值。()6.數(shù)據(jù)集成就是將多個(gè)數(shù)據(jù)源合并存放在一個(gè)一致的數(shù)據(jù)存儲中的過程。()7.零-均值規(guī)范化不是數(shù)據(jù)規(guī)范化方法。()8.為了消除指標(biāo)之間的量綱和大小不一的影響,需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。()9.精確度(Precision)表示分類模型正確分類的樣本數(shù)(包括正例與反例)與樣本總數(shù)的比值。()10.項(xiàng)集A、B同時(shí)發(fā)生的概率稱為關(guān)聯(lián)規(guī)則的支持度。()名詞解釋(20分,4分*5題)1.數(shù)據(jù)規(guī)約2.置信度3.分類4.關(guān)聯(lián)規(guī)則5.相對誤差簡答題(40分,8分*5題)1.數(shù)據(jù)異常值分析2.分類與預(yù)測算法評價(jià)指標(biāo)3.數(shù)據(jù)規(guī)范化及主要方法4.關(guān)聯(lián)規(guī)則原理和主要特點(diǎn)5.回歸分析及特點(diǎn)年第學(xué)期數(shù)據(jù)挖掘與數(shù)據(jù)分析(B)卷參考答案及評分標(biāo)準(zhǔn)適用:商學(xué)院財(cái)務(wù)管理專業(yè)2020級學(xué)生命題教師:黃宏軍選擇題(20分,2分*10題)1-5BBDDD6-10DADBB判斷題(20分,2分*10題,正確標(biāo)記√,錯(cuò)誤標(biāo)記×)1-5√√×√√6-10√×√×√名詞解釋(20分,4分*5題)1.數(shù)據(jù)規(guī)約數(shù)據(jù)規(guī)約是將海量數(shù)據(jù)進(jìn)行規(guī)約,規(guī)約之后的數(shù)據(jù)仍接近于保持原數(shù)據(jù)的完整性,但數(shù)據(jù)量小得多。通過數(shù)據(jù)規(guī)約,可以達(dá)到降低無效、錯(cuò)誤數(shù)據(jù)對建模的影響,提高建模的準(zhǔn)確性少量且降低儲存數(shù)據(jù)成本。數(shù)據(jù)規(guī)約包括屬性規(guī)約和數(shù)值規(guī)約。屬性規(guī)約通過屬性合并創(chuàng)建新屬性維數(shù),或者通過直接刪除不相關(guān)的屬性來減少數(shù)據(jù)維數(shù),數(shù)值規(guī)約通過選擇替代的、較小的數(shù)據(jù)來減少數(shù)據(jù)量。2.置信度表示包含A的交易中也包含B的條件概率3.分類分類主要是預(yù)測分類標(biāo)號(離散、無序的),而預(yù)測主要是建立連續(xù)值函數(shù)模型,預(yù)測給定自變量的條件下因變量的值。分類是構(gòu)造一個(gè)分類模型,輸入樣本的屬性值,輸出對應(yīng)的類別,將每個(gè)樣本映射到預(yù)先定義好的類別。分類模型建立在已有類標(biāo)記的數(shù)據(jù)集上,模型在已有樣本上的準(zhǔn)確率可以方便地計(jì)算,所以分類屬于有監(jiān)督的學(xué)習(xí)。4.關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則描述在一個(gè)事務(wù)中物品之間同時(shí)出現(xiàn)的規(guī)律的知識模式,通過量化的形式描述物品A的對物品B的影響。關(guān)聯(lián)規(guī)則的度量指標(biāo)包括支持度和置信度,支持度是某一特定關(guān)聯(lián)或項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的概率,置信度是在數(shù)據(jù)集中已經(jīng)出現(xiàn)A時(shí),B發(fā)生的概率。5.相對誤差相對誤差指的是測量所造成的絕對誤差與被測量真值之比乘以100%所得的數(shù)值,以百分?jǐn)?shù)表示,相對誤差更能反映測量的可信程度。相對誤差(RelativeError)=(原值-估計(jì)值)/原值。簡答題(40分,8分*5題)1.數(shù)據(jù)異常值分析離群點(diǎn)(Outlier),也稱為異常對象。通常,在數(shù)據(jù)的散布圖中,離群點(diǎn)遠(yuǎn)離其他數(shù)據(jù)點(diǎn)。離群點(diǎn)檢測的目的是發(fā)現(xiàn)有異于大部分對象的其他對象。離群點(diǎn)的主要成因有:數(shù)據(jù)來源于不同的類、自然變異、數(shù)據(jù)測量和收集誤差。從整體來看,某些對象沒有離群特征,但是從局部來看,卻顯示了一定的離群性。從屬性的個(gè)數(shù)看包括一維離群點(diǎn)和多維離群點(diǎn),從數(shù)據(jù)類型看包括數(shù)值型離群點(diǎn)和分類型離群點(diǎn)。異常值分析包括如下方法:(1)基于統(tǒng)計(jì)。大部分的基于統(tǒng)計(jì)的離群點(diǎn)檢測方法是構(gòu)建一個(gè)概率分布模型,并計(jì)算對象符合該模型的概率,把具有低概率的對象視為離群點(diǎn)。(2)基于鄰近度。通常可以在數(shù)據(jù)對象之間定義鄰近性度量,把遠(yuǎn)離大部分點(diǎn)的對象視為離群點(diǎn)。(3)基于密度??紤]數(shù)據(jù)集可能存在不同密度區(qū)域這一事實(shí),從基于密度的觀點(diǎn)分析,離群點(diǎn)是在低密度區(qū)域中的對象。一個(gè)對象的離群點(diǎn)得分是該對象周圍密度的逆。(4)基于聚類。一種是利用聚類檢測離群點(diǎn)的方法是丟棄遠(yuǎn)離其他簇的小簇;另一種更系統(tǒng)的方法,首先聚類所有對象,然后評估對象屬于簇的程度(離群點(diǎn)得分)。2.分類與預(yù)測算法評價(jià)指標(biāo)分類與預(yù)測模型對訓(xùn)練集進(jìn)行預(yù)測而得出的準(zhǔn)確率并不能很好地反映預(yù)測模型未來的性能,為了有效判斷一個(gè)預(yù)測模型的性能表現(xiàn),需要一組沒有參與預(yù)測模型建立的數(shù)據(jù)集,并在該數(shù)據(jù)集上評價(jià)預(yù)測模型的準(zhǔn)確率,這組獨(dú)立的數(shù)據(jù)集叫測試集。模型預(yù)測效果評價(jià),通常用絕對誤差與相對絕對誤差、平均絕對誤差、根均方差、相對平方根誤差等指標(biāo)來衡量絕對誤差(AbsoluteError)=原值-估計(jì)值相對誤差(RelativeError)=(原值-估計(jì)值)/原值平均絕對誤差(MeanAbsoluteError,MAE)均方誤差的平方根,代表了預(yù)測值的離散程度,也叫標(biāo)準(zhǔn)誤差,跟方差一樣,均方誤差是預(yù)測誤差平方之和的平均數(shù)分類器評價(jià)指標(biāo)包括如下,(1)正確率(accuracy)正確率是我們最常見的評價(jià)指標(biāo),accuracy=(TP+TN)/(P+N),被分對的樣本數(shù)除以所有的樣本數(shù),通常來說,正確率越高,分類器越好;(2)錯(cuò)誤率(errorrate)錯(cuò)誤率則與正確率相反,描述被分類器錯(cuò)分的比例,errorrate=(FP+FN)/(P+N),對某一個(gè)實(shí)例來說,分對與分錯(cuò)是互斥事件,所以accuracy=1–errorrate;(3)靈敏度(sensitive)sensitive=TP/P,表示的是所有正例中被分對的比例,衡量了分類器對正例的識別能力;(4)特效度(specificity)specificity=TN/N,表示的是所有負(fù)例中被分對的比例,衡量了分類器對負(fù)例的識別能力;(5)精度(precision)精度是精確性的度量,表示被分為正例的示例中實(shí)際為正例的比例,precision=TP/(TP+FP);(6)召回率(recall)召回率是覆蓋面的度量,度量有多個(gè)正例被分為正例,recall=TP/(TP+FN)=TP/P=sensitive,可以看到召回率與靈敏度是一樣的。3.數(shù)據(jù)規(guī)范化及主要方法(1)最小-最大規(guī)范化:也稱為離差標(biāo)準(zhǔn)化,是對原始數(shù)據(jù)的線性變換,使結(jié)果值映射到[0,1]之間。轉(zhuǎn)換函數(shù)如:(2)零-均值規(guī)范化:也叫標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化,經(jīng)過處理的數(shù)據(jù)的平均數(shù)為0,標(biāo)準(zhǔn)差為1。轉(zhuǎn)化函數(shù)為:(3)小數(shù)定標(biāo)規(guī)范化:通過移動屬性值的小數(shù)位數(shù),將屬性值映射到[-1,1]之間,移動的小數(shù)位數(shù)取決于屬性值絕對值的最大值。轉(zhuǎn)化函數(shù)為:4.關(guān)聯(lián)規(guī)則原理和主要特點(diǎn)關(guān)聯(lián)分析(associationanalysis)是一種在大規(guī)模數(shù)據(jù)集中尋找有趣關(guān)系的任務(wù),這些關(guān)系可以有兩種形式:頻繁項(xiàng)集(frequentitemset)或者關(guān)聯(lián)規(guī)則(associationrule)。頻繁項(xiàng)集:假設(shè)有一系列集合,這些集合有些相同的元素,將集合中同時(shí)出現(xiàn)頻率高的元素組成一個(gè)子集,滿足一定閾值條件,就是頻繁項(xiàng)集。關(guān)聯(lián)規(guī)則(associationrules):描述在一個(gè)事務(wù)中物品之間同時(shí)出現(xiàn)的規(guī)律的知識模式,通過量化的形式描述物品A的對物品B的影響。關(guān)聯(lián)規(guī)則度量方法包括:支持度(support)支持度是對關(guān)聯(lián)規(guī)則重要性的衡量,反映關(guān)聯(lián)是否是普遍存在的規(guī)律,體現(xiàn)這條規(guī)則在所有交易中有多大的代表性。記為:support(X→Y)置信度(confidence)置信度(或可信度、信任度)是對關(guān)聯(lián)規(guī)則準(zhǔn)確度的衡量,度量關(guān)聯(lián)規(guī)則的強(qiáng)度。即在所有出現(xiàn)了X的活動中出現(xiàn)Y的頻率,說明規(guī)則X→Y的必然性有多大。記為confidence(X→Y)。關(guān)聯(lián)規(guī)則形成的基本過程找頻繁項(xiàng)集:通過用戶給定最小支持度閾值min_sup,尋找所有頻繁項(xiàng)集,即僅保留大于或等于最小支持度閾值的項(xiàng)集。生成強(qiáng)關(guān)聯(lián)規(guī)則:通過用戶給定最小置信度閾值min_conf,在每個(gè)最大頻繁項(xiàng)集中尋找關(guān)聯(lián)規(guī)則,即刪除不滿足最小置信度閾值的規(guī)則。5.回歸分析及特點(diǎn)回歸分析是根據(jù)現(xiàn)象之間關(guān)系的特點(diǎn),運(yùn)用一定的方法,建立最適合于變量之間關(guān)系的回歸方程,來反映變量之間數(shù)量的平均變動關(guān)系,回歸分析得到自變量與因變量的條件期望之間的關(guān)系,通過分析可以知道自變量改變時(shí)因變量是如何改變的?;貧w分析建立在對客觀事物進(jìn)行大量試驗(yàn)和觀察的基礎(chǔ)上,用來尋找隱藏在那些看上去是不確定的現(xiàn)象中的統(tǒng)計(jì)規(guī)律性的統(tǒng)計(jì)方法。如果隨機(jī)變量Y與(X1,X2,?,Xk,變量存在相關(guān)關(guān)系,則可建立模型:Y=f(X1,X2,?Xk)+ε式中,Y是因變量,亦稱被解釋變量;X1,X2,?Xk是自變量,亦稱解釋變量;f(X1,X2,?Xk)是回歸函數(shù);ε是隨機(jī)誤差,表示受隨
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年日用玻璃制品合作協(xié)議書
- 2025年貨廂后蓋項(xiàng)目發(fā)展計(jì)劃
- 2025年LED超大屏幕顯示器項(xiàng)目發(fā)展計(jì)劃
- 2025年三片式球閥項(xiàng)目建議書
- 氣凝膠基隔熱耐火復(fù)合材料行業(yè)深度調(diào)研及發(fā)展戰(zhàn)略咨詢報(bào)告
- 管道配件批發(fā)企業(yè)縣域市場拓展與下沉戰(zhàn)略研究報(bào)告
- 人造板材批發(fā)企業(yè)縣域市場拓展與下沉戰(zhàn)略研究報(bào)告
- 男式襯衫企業(yè)數(shù)字化轉(zhuǎn)型與智慧升級戰(zhàn)略研究報(bào)告
- 棉花批發(fā)企業(yè)ESG實(shí)踐與創(chuàng)新戰(zhàn)略研究報(bào)告
- 鐵道配件企業(yè)縣域市場拓展與下沉戰(zhàn)略研究報(bào)告
- 北京豐臺區(qū)2024第二批事業(yè)單位招聘55人歷年公開引進(jìn)高層次人才和急需緊缺人才筆試參考題庫(共500題)答案詳解版
- 枯死松樹清理服務(wù)投標(biāo)方案(完整技術(shù)標(biāo))
- 第4課 中古時(shí)期的亞洲(教學(xué)課件)-【中職專用】《世界歷史》同步課堂(同課異構(gòu))(高教版2023?基礎(chǔ)模塊)
- 《監(jiān)理企業(yè)安全責(zé)任清單(2.0版)參考模板》
- 團(tuán)隊(duì)統(tǒng)一思想培訓(xùn)
- 小區(qū)停車收費(fèi)方案
- 《讓我們的家更美好》教學(xué)設(shè)計(jì)
- 提升漁業(yè)與水產(chǎn)養(yǎng)殖技術(shù)的高效養(yǎng)殖模式
- 曲率系數(shù)不均勻系數(shù)自動計(jì)算
- 垃圾分揀項(xiàng)目可行性報(bào)告
- 陜09J08 樓梯 欄桿 欄板圖集
評論
0/150
提交評論