Python數(shù)據(jù)科學(xué)導(dǎo)引智慧樹知到課后章節(jié)答案2023年下內(nèi)蒙古農(nóng)業(yè)大學(xué)

Python數(shù)據(jù)科學(xué)導(dǎo)引智慧樹知到課后章節(jié)答案2023年下內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古農(nóng)業(yè)大學(xué)

第一章測試

大數(shù)據(jù)的起源是（）。

A:互聯(lián)網(wǎng)

B:公共管理

C:電信

D:金融

答案:互聯(lián)網(wǎng)

機(jī)器學(xué)習(xí)的實(shí)質(zhì)是（）。

A:根據(jù)現(xiàn)有數(shù)據(jù)，尋找輸入數(shù)據(jù)和輸出數(shù)據(jù)的映射關(guān)系/函數(shù)

B:衡量輸入數(shù)據(jù)和輸出數(shù)據(jù)的映射關(guān)系/函數(shù)的好壞

C:建立數(shù)據(jù)模型

D:挑出輸入數(shù)據(jù)和輸出數(shù)據(jù)的最佳映射關(guān)系/函數(shù)

答案:根據(jù)現(xiàn)有數(shù)據(jù)，尋找輸入數(shù)據(jù)和輸出數(shù)據(jù)的映射關(guān)系/函數(shù)

Spark支持的分布式部署方式中哪個(gè)是錯(cuò)誤的（）。

A:standalone

B:sparkonYARN

C:Sparkonlocal

D:sparkonmesos

答案:Sparkonlocal

以下表述正確的是:（）

A:人工智能是人們長遠(yuǎn)以來的目標(biāo),期待機(jī)器像人一樣有智慧。

B:機(jī)器學(xué)習(xí)指機(jī)器有學(xué)習(xí)的能力,是人類達(dá)成人工智能目標(biāo)的手段。

C:人或機(jī)器表現(xiàn)的很有智慧取決于先天本能/創(chuàng)造者事先設(shè)定的規(guī)則和后天學(xué)習(xí)。

D:深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。

答案:人工智能是人們長遠(yuǎn)以來的目標(biāo),期待機(jī)器像人一樣有智慧。

;機(jī)器學(xué)習(xí)指機(jī)器有學(xué)習(xí)的能力,是人類達(dá)成人工智能目標(biāo)的手段。

;人或機(jī)器表現(xiàn)的很有智慧取決于先天本能/創(chuàng)造者事先設(shè)定的規(guī)則和后天學(xué)習(xí)。

;深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。

有效抑制機(jī)器學(xué)習(xí)過擬合的方法是（）

A:平滑損失函數(shù)。

B:加大數(shù)據(jù)量。

C:重新設(shè)計(jì)損失函數(shù)，引入平滑函數(shù)。

D:減少數(shù)據(jù)量。

答案:平滑損失函數(shù)。

;加大數(shù)據(jù)量。

;重新設(shè)計(jì)損失函數(shù)，引入平滑函數(shù)。

下面表述正確的（）

A:監(jiān)督學(xué)習(xí)指訓(xùn)練集中包括沒有輸出數(shù)據(jù)與之對應(yīng)的輸入數(shù)據(jù),且所有輸入數(shù)據(jù)屬于同類別數(shù)據(jù)。

B:監(jiān)督學(xué)習(xí)指訓(xùn)練集所有輸入數(shù)據(jù)都有相應(yīng)輸出數(shù)據(jù)與之對應(yīng)。

C:遷移學(xué)習(xí)指訓(xùn)練集中包括沒有輸出數(shù)據(jù)與之對應(yīng)的輸入數(shù)據(jù),但這些輸入數(shù)據(jù)與其他輸入數(shù)據(jù)不相干。

D:強(qiáng)化學(xué)習(xí)指只有評價(jià)性輸出結(jié)果的機(jī)器學(xué)習(xí)。

答案:監(jiān)督學(xué)習(xí)指訓(xùn)練集中包括沒有輸出數(shù)據(jù)與之對應(yīng)的輸入數(shù)據(jù),且所有輸入數(shù)據(jù)屬于同類別數(shù)據(jù)。

;監(jiān)督學(xué)習(xí)指訓(xùn)練集所有輸入數(shù)據(jù)都有相應(yīng)輸出數(shù)據(jù)與之對應(yīng)。

;遷移學(xué)習(xí)指訓(xùn)練集中包括沒有輸出數(shù)據(jù)與之對應(yīng)的輸入數(shù)據(jù),但這些輸入數(shù)據(jù)與其他輸入數(shù)據(jù)不相干。

;強(qiáng)化學(xué)習(xí)指只有評價(jià)性輸出結(jié)果的機(jī)器學(xué)習(xí)。

關(guān)于Spark中的RDD描述正確的（）

A:Destributed：分布式，可以并行在集群計(jì)算。

B:Resilient：表示彈性的，彈性表示。

C:Datset：就是一個(gè)集合，用于存放數(shù)據(jù)的。

D:RDD（ResilientDistributedDatset）叫做彈性分布式數(shù)據(jù)集，是Spark中最基本的數(shù)據(jù)抽象。

答案:Destributed：分布式，可以并行在集群計(jì)算。

;Resilient：表示彈性的，彈性表示。

;Datset：就是一個(gè)集合，用于存放數(shù)據(jù)的。

;RDD（ResilientDistributedDatset）叫做彈性分布式數(shù)據(jù)集，是Spark中最基本的數(shù)據(jù)抽象。

大數(shù)據(jù)的定義是不唯一的，從不同的角度對大數(shù)據(jù)都會(huì)有不同的理解。（）

A:錯(cuò)B:對

答案:對

關(guān)系抽取一般在實(shí)體抽取任務(wù)之后，用于抽取兩個(gè)實(shí)體之間的句間關(guān)系。（）

A:錯(cuò)B:對

答案:錯(cuò)

Spark的四大組件為SparkStreaming、Mlib、Graphx、SparkR。（）

A:錯(cuò)B:對

答案:錯(cuò)

第二章測試

關(guān)于Python語言的變量，以下選項(xiàng)中說法正確的是（）。

A:隨時(shí)聲明、隨時(shí)使用、隨時(shí)釋放

B:隨時(shí)命名、隨時(shí)賦值、隨時(shí)使用

C:隨時(shí)命名、隨時(shí)賦值、隨時(shí)變換類型

D:隨時(shí)聲明、隨時(shí)賦值、隨時(shí)變換類型

答案:隨時(shí)命名、隨時(shí)賦值、隨時(shí)使用

下列說法中正確的是（）。

A:break能結(jié)束循環(huán)，而continue只能結(jié)束本次循環(huán)

B:break用在while語句中，而continue用在for語句中

C:continue能結(jié)束循環(huán)，而break只能結(jié)束本次循環(huán)

D:break用在for語句中，而continue用在while語句中

答案:break能結(jié)束循環(huán)，而continue只能結(jié)束本次循環(huán)

tuple(range(2,10,2))的返回結(jié)果為（）。

A:[2,4,6,8]

B:(2,4,6,8)

C:[2,4,6,8,10]

D:(2,4,6,8,10)

答案:(2,4,6,8)

Python列表中所有元素必須為相同類型的數(shù)據(jù)。（）

A:對B:錯(cuò)

答案:錯(cuò)

在函數(shù)內(nèi)部沒有任何聲明的情況下直接為某個(gè)變量賦值，這個(gè)變量一定是函數(shù)內(nèi)部的局部變量。（）

A:對B:錯(cuò)

答案:對

在定義函數(shù)時(shí)，某個(gè)參數(shù)名字前面帶有兩個(gè)*符號表示可變長度參數(shù)，可以接收任意多個(gè)關(guān)鍵參數(shù)并將其存放于一個(gè)字典之中。（）

A:錯(cuò)B:對

答案:對

使用內(nèi)置函數(shù)open()且以”w”模式打開的文件，文件指針默認(rèn)指向文件尾。（）

A:對B:錯(cuò)

答案:錯(cuò)

下面代碼的輸出結(jié)果是（）forsin"abc":

foriinrange(3):

print(s,end="")

ifs=="c":

break

A:aaabbbc

B:aaabbbcccC:abbbccc

D:

aaabccc

答案:aaabbbc

下面代碼的輸出結(jié)果是（）x=10y=3print(x%y,x**y)

A:31000B:130C:11000D:330

答案:11000

第三章測試

s=pd.Series(np.random.randint(59,100,5),index=list("ABCDE"))，能夠原地刪除s[“A”]的操作是（）。

A:s.drop("A")

B:dels["A"]

C:pd.drop(s,labels="A")

D:s.drop(labels="A")

答案:dels["A"]

若有g(shù)rouped_sc=df.groupby('學(xué)校')，則查詢查看分組數(shù)量應(yīng)采用（）

A:grouped_sc.ngroups。

B:grouped_sc.size()。

C:grouped_sc.head()。

D:grouped_sc。

答案:grouped_sc.ngroups。

下列方法中，能夠利用pandas.DataFrame()創(chuàng)建DataFrame的是（）。

A:通過隨機(jī)函數(shù)創(chuàng)建

B:通過Python字典創(chuàng)建

C:通過ndarray對象創(chuàng)建

D:通過Series創(chuàng)建

答案:通過隨機(jī)函數(shù)創(chuàng)建

;通過Python字典創(chuàng)建

;通過ndarray對象創(chuàng)建

;通過Series創(chuàng)建

關(guān)于缺失值填充函數(shù)pandas.DataFrame.fillna()，正確的說法是（）。

A:axis參數(shù)表示填充維度，確定從行開始或是從列開始。

B:value參數(shù)用于指示用來填充缺失值的數(shù)據(jù)。

C:method參數(shù)為pad表示用缺失值前面的值對缺失值進(jìn)行填充。

D:inplace參數(shù)用于指示是否原地替換，默認(rèn)為True。

答案:axis參數(shù)表示填充維度，確定從行開始或是從列開始。

;value參數(shù)用于指示用來填充缺失值的數(shù)據(jù)。

;method參數(shù)為pad表示用缺失值前面的值對缺失值進(jìn)行填充。

df包含"計(jì)劃銷售額"和"實(shí)際銷售額"兩列數(shù)據(jù)，若要篩選未完成計(jì)劃銷售額但實(shí)際銷售額不低于4000的所有月份信息，可用的方式有（）。

A:df[(df["計(jì)劃銷售額"].gt(df["實(shí)際銷售額"]))&(df["實(shí)際銷售額"].ge(4000))]。

B:df.query("計(jì)劃銷售額＞實(shí)際銷售額&實(shí)際銷售額＞=4000")。

C:df[(df["計(jì)劃銷售額"]＞df["實(shí)際銷售額"])&(df["實(shí)際銷售額"].ge(4000))]。

D:df[(df["計(jì)劃銷售額"]＞df["實(shí)際銷售額"])&(df["實(shí)際銷售額"]＞=4000)]。

答案:df[(df["計(jì)劃銷售額"].gt(df["實(shí)際銷售額"]))&(df["實(shí)際銷售額"].ge(4000))]。

;df.query("計(jì)劃銷售額＞實(shí)際銷售額&實(shí)際銷售額＞=4000")。

;df[(df["計(jì)劃銷售額"]＞df["實(shí)際銷售額"])&(df["實(shí)際銷售額"].ge(4000))]。

;df[(df["計(jì)劃銷售額"]＞df["實(shí)際銷售額"])&(df["實(shí)際銷售額"]＞=4000)]。

下列屬于透視操作的是（）。

A:pivot()。

B:pivot_table()。

C:transformer()。

D:crosstab()。

答案:pivot()。

;pivot_table()。

;crosstab()。

pandas讀取csv文件時(shí)可使用usecols參數(shù)指定某個(gè)列作為索引。（）

A:錯(cuò)B:對

答案:錯(cuò)

pandas.DataFrame.sum(axis=1)表示對每行數(shù)據(jù)求和。（）

A:對B:錯(cuò)

答案:對

unstack()可將列旋轉(zhuǎn)到行，從而將寬表變成長表。（）

A:錯(cuò)B:對

答案:錯(cuò)

第四章測試

繪制折線圖時(shí)用label參數(shù)可為圖表添加圖例，但必須與()配合使用。

A:title()。

B:ticks()。

C:label()。

D:legend()。

答案:legend()。

關(guān)于注釋的說法中，正確的是（）。

A:matplotlib對圖表的注釋分為靜態(tài)文本注釋和動(dòng)畫注釋兩種。

B:matplotlib.pyplot.text()主要用于無指向型注釋。

C:matplotlib.pyplot.annotate()的注釋在靜態(tài)圖片中不可見。

D:matplotlib.pyplot.annotate()主要用于動(dòng)畫型注釋。

答案:matplotlib.pyplot.text()主要用于無指向型注釋。

繪制折線圖的函數(shù)是（）。

A:bar()。

B:pie()。

C:polar()。

D:plot()。

答案:plot()。

在繪制兩組數(shù)據(jù)對比的柱形圖時(shí)，若希望兩組柱形并列顯示，應(yīng)通過調(diào)整（）實(shí)現(xiàn)。

A:參數(shù)x和bottom。

B:參數(shù)x和width。

C:參數(shù)x、width和bottom。

D:參數(shù)height和width。

答案:參數(shù)x和width。

導(dǎo)入matplotlib的可行的做法是（）

A:importmatplotlib.pyplotasplt()。

B:frommatplotlibinmportpyplot。

C:importpyplotasplt。

D:importmatplotlib.pyplot。

答案:importmatplotlib.pyplotasplt()。

;frommatplotlibinmportpyplot。

;importmatplotlib.pyplot。

關(guān)于雷達(dá)圖繪制，正確說法的有（）。

A:使用polar()繪制極坐標(biāo)系，然后用plot()繪制雷達(dá)圖時(shí)無需閉合數(shù)據(jù)。

B:xticks()可用來設(shè)置弧度信息。

C:xticks()可用來設(shè)置半徑信息。

D:直接使用polar()繪圖時(shí)需使用np.concatenate()使數(shù)據(jù)閉合。

答案:使用polar()繪制極坐標(biāo)系，然后用plot()繪制雷達(dá)圖時(shí)無需閉合數(shù)據(jù)。

;xticks()可用來設(shè)置弧度信息。

;直接使用polar()繪圖時(shí)需使用np.concatenate()使數(shù)據(jù)閉合。

關(guān)于箱線圖繪制，正確說法的有（）。

A:參數(shù)vert用于指示是否需要將箱線圖垂直擺放，默認(rèn)為水平放置。

B:參數(shù)notch用于指示是否以凹口的形式展現(xiàn)箱線圖，默認(rèn)為凹口。

C:參數(shù)whis用于指定上下須與上下四分位的距離，默認(rèn)為1.5倍的四分位差。

D:參數(shù)sym用于指定異常點(diǎn)的形狀，默認(rèn)為+號顯示。

答案:參數(shù)whis用于指定上下須與上下四分位的距離，默認(rèn)為1.5倍的四分位差。

;參數(shù)sym用于指定異常點(diǎn)的形狀，默認(rèn)為+號顯示。

fontdict是用來設(shè)置字體屬性的字典型參數(shù)。（）

A:錯(cuò)B:對

答案:對

bar()函數(shù)可通過參數(shù)bottom選擇水平/垂直的柱形條的繪制方式。（）

A:對B:錯(cuò)

答案:錯(cuò)

氣泡圖本質(zhì)上仍屬于散點(diǎn)圖。（）

A:對B:錯(cuò)

答案:對

第五章測試

兩個(gè)變量y與x的回歸模型中，通常用R方來刻畫回歸效果，則正確的敘述是（）。

A:R方越小，殘差平方和小。

B:R方越小，殘差平方和大。

C:R方與殘差平方和無關(guān)。

D:R方越大，殘差平方和大。

答案:R方越小，殘差平方和大。

如果擬合曲線幾乎通過了所有實(shí)測數(shù)據(jù)點(diǎn)，很有可能出現(xiàn)的現(xiàn)象是（）。

A:不確定。

B:欠擬合。

C:過擬合。

D:正常擬合。

答案:過擬合。

以下（）是線性回歸方程參數(shù)求解常用的方法。

A:插值法。

B:梯度下降法。

C:窮舉法。

D:牛頓法。

答案:梯度下降法。

線性回歸模型中的損失函數(shù)用來估量預(yù)測值與（）的差異程度。

A:平均值。

B:真實(shí)值。

C:個(gè)體值。

D:零值。

答案:真實(shí)值。

與梯度下降法相比，當(dāng)輸入變量k較大時(shí)，正規(guī)方程法求解參數(shù)的速度要更慢。（）

A:對B:錯(cuò)

答案:對

梯度下降法需要選擇學(xué)習(xí)率，需要多次迭代求解參數(shù)。（）

A:對B:錯(cuò)

答案:對

A:B:C:D:

答案:;;

第六章測試

有關(guān)聚類分析說法錯(cuò)誤的是（）。

A:無需對樣本進(jìn)行標(biāo)記

B:聚類分析可以分析樣本的分布特點(diǎn)

C:聚類分析無法提取樣本特征

D:聚類分析簇間數(shù)據(jù)具有較大的差異性

答案:聚類分析無法提取樣本特征

下面算法中，算法分析是建立在凸球形的樣本空間的是（）。

A:凝聚聚類算法

B:K中心點(diǎn)算法

C:DBSCAN

D:K-means

答案:凝聚聚類算法

;K中心點(diǎn)算法

;K-means

輪廓系數(shù)只能用于K-means算法的評估。（）

A:對B:錯(cuò)

答案:錯(cuò)

DBSCAN算法對參數(shù)敏感。（）

A:錯(cuò)B:對

答案:對

凝聚聚類分析是一種自底向上的聚類分析算法。（）

A:錯(cuò)B:對

答案:對

關(guān)于K-means聚類說法正確的是（）。

A:K-means的聚類中心是聚類中心的均值

B:K-means需要事先指定K的數(shù)目

C:K-means的聚類中心一定是樣本空間的數(shù)據(jù)

D:K-means實(shí)現(xiàn)采用的是貪心策略

答案:K-means的聚類中心是聚類中心的均值

;K-means需要事先指定K的數(shù)目

;K-means實(shí)現(xiàn)采用的是貪心策略

K中心點(diǎn)算法是異常值敏感的聚類算法。（）

A:錯(cuò)B:對

答案:對

K-means算法是異常值敏感的聚類算法。（）

A:對B:錯(cuò)

答案:對

下面哪一個(gè)算法不是聚類分析算法（）

A:K中心點(diǎn)算法B:

K-meansC:DBSCAND:KNN

答案:KNN

聚類分析的相似性度量方法，以下哪種方法只考慮了變量之間的方向（）

A:B:C:D:

答案:

第七章測試

Logistic回歸分析屬于（）回歸

A:概率型線性回歸

B:非概率型線性回歸

C:非概率型非線性回歸

D:概率型非線性回歸

答案:非概率型線性回歸

C4.5決策樹構(gòu)造算法的特征選擇采用（）

A:信息增益

B:信息熵

C:條件熵

D:基尼系數(shù)

答案:信息增益

關(guān)于樸素貝葉斯分類器，正確的有（）

A:是一種概率分類器

B:利用貝葉斯公式將樣本屬于某個(gè)類別的概率轉(zhuǎn)換為后驗(yàn)概率來計(jì)算

C:所謂“樸素”假設(shè)，即是樣本特征（屬性）的條件獨(dú)立假設(shè)

D:所謂“樸素”假設(shè)，即是樣本獨(dú)立同分布的假設(shè)

答案:是一種概率分類器

;利用貝葉斯公式將樣本屬于某個(gè)類別的概率轉(zhuǎn)換為后驗(yàn)概率來計(jì)算

;所謂“樸素”假設(shè)，即是樣本特征（屬性）的條件獨(dú)立假設(shè)

支持向量機(jī)SVM算法采用的損失函數(shù)是（）

A:指數(shù)損失函數(shù)

B:都可以

C:鉸鏈損失函數(shù)

D:Logistic損失函數(shù)

答案:鉸鏈損失函數(shù)

支持向量機(jī)分類器求解方法有（）

A:所有選項(xiàng)都不是

B:內(nèi)點(diǎn)法

C:隨機(jī)梯度下降

D:序列最小優(yōu)化

答案:內(nèi)點(diǎn)法

;隨機(jī)梯度下降

;序列最小優(yōu)化

第八章測試

以下關(guān)于Boosting和Bagging說法正確的是（）。

A:Bagging是序列集成方法

B:Bagging可以用來減小方差

C:Boosting可以用來減小方差。

D:AdaBoost是經(jīng)典的Bagging算法

答案:Bagging可以用來減小方差

一般情況，在個(gè)體學(xué)習(xí)器性能相差較大時(shí)宜使用（）結(jié)合策略。

A:加權(quán)平均法

B:集成法

C:學(xué)習(xí)法

D:投票法

答案:加權(quán)平均法

集成方法是并行集成方法。（）

A:對B