大數(shù)據(jù)分析方法及應(yīng)用知到智慧樹章節(jié)測(cè)試課后答案2024年秋山東科技大學(xué)

大數(shù)據(jù)分析方法及應(yīng)用知到智慧樹章節(jié)測(cè)試課后答案2024年秋山東科技大學(xué)第一章單元測(cè)試

大數(shù)據(jù)的四個(gè)"V"中，指的是以下哪個(gè)？（）

A:VisibilityB:VerificationC:VelocityD:Variance

答案:Velocity下列選項(xiàng)中，哪個(gè)描述最準(zhǔn)確地描繪了大數(shù)據(jù)分析與挖掘的功能？（）

A:大數(shù)據(jù)分析與挖掘主要用于存儲(chǔ)和管理海量數(shù)據(jù)，以便進(jìn)行快速查詢和檢索。B:大數(shù)據(jù)分析與挖掘可以幫助提取和識(shí)別數(shù)據(jù)中的模式、趨勢(shì)和關(guān)聯(lián)規(guī)律。C:大數(shù)據(jù)分析與挖掘旨在通過數(shù)據(jù)可視化和呈現(xiàn)，將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為易于理解和解釋的形式。D:大數(shù)據(jù)分析與挖掘主要應(yīng)用于數(shù)據(jù)加密和安全來保護(hù)敏感信息。

答案:大數(shù)據(jù)分析與挖掘可以幫助提取和識(shí)別數(shù)據(jù)中的模式、趨勢(shì)和關(guān)聯(lián)規(guī)律。以下哪個(gè)選項(xiàng)不屬于離群點(diǎn)類型？（）

A:全局離群點(diǎn)B:條件離群點(diǎn)C:局部離群點(diǎn)D:集體離群點(diǎn)

答案:局部離群點(diǎn)離群點(diǎn)（Outliers）指的是在數(shù)據(jù)集中與其他數(shù)據(jù)點(diǎn)明顯不同的觀測(cè)值，通?？梢酝ㄟ^以下哪種方法進(jìn)行識(shí)別？（）

A:基于頻繁模式挖掘的方法B:基于時(shí)間序列的方法C:基于空間關(guān)系的方法D:基于聚類分析的方法

答案:基于空間關(guān)系的方法大數(shù)據(jù)分析常用的技術(shù)手段包括：（）

A:圖像識(shí)別B:自然語言處理C:手工計(jì)算D:機(jī)器學(xué)習(xí)

答案:機(jī)器學(xué)習(xí)

第二章單元測(cè)試

數(shù)據(jù)預(yù)處理中的異常值處理主要用于處理哪種情況？（）

A:缺失值B:噪聲值C:錯(cuò)誤值D:重復(fù)值

答案:噪聲值數(shù)據(jù)預(yù)處理的基本步驟包括以下哪個(gè)？（）

A:數(shù)據(jù)清洗B:數(shù)據(jù)可視化C:數(shù)據(jù)建模D:數(shù)據(jù)挖掘

答案:數(shù)據(jù)清洗數(shù)據(jù)預(yù)處理可以幫助解決以下哪個(gè)問題？（）

A:數(shù)據(jù)完整性B:數(shù)據(jù)可信度C:數(shù)據(jù)一致性D:數(shù)據(jù)安全性

答案:數(shù)據(jù)完整性數(shù)據(jù)整合是指以下哪個(gè)操作？（）

A:刪除無關(guān)數(shù)據(jù)列B:標(biāo)準(zhǔn)化數(shù)據(jù)C:將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式D:將多個(gè)數(shù)據(jù)源合并到一起

答案:將多個(gè)數(shù)據(jù)源合并到一起數(shù)值規(guī)約不可以通過以下哪種方式進(jìn)行？（）

A:屬性規(guī)約B:直方圖規(guī)約C:聚類規(guī)約D:參數(shù)回歸

答案:屬性規(guī)約

第三章單元測(cè)試

在關(guān)聯(lián)規(guī)則中，支持度表示什么？（）

A:項(xiàng)集與關(guān)聯(lián)規(guī)則的置信度B:項(xiàng)集在一個(gè)事務(wù)中的出現(xiàn)次數(shù)C:項(xiàng)集在所有交易中出現(xiàn)的頻率D:關(guān)聯(lián)規(guī)則的強(qiáng)度程度

答案:項(xiàng)集在所有交易中出現(xiàn)的頻率Apriori算法是一種常用的關(guān)聯(lián)規(guī)則挖掘算法，其基本思想是：（）

A:基于概率模型尋找關(guān)聯(lián)規(guī)則B:基于相似度度量進(jìn)行關(guān)聯(lián)規(guī)則匹配C:自底向上逐層搜索頻繁項(xiàng)集D:使用密度估計(jì)方法進(jìn)行模式挖掘

答案:自底向上逐層搜索頻繁項(xiàng)集聚類分析的目標(biāo)是什么？（）

A:進(jìn)行特征選擇B:訓(xùn)練一個(gè)分類模型C:進(jìn)行數(shù)據(jù)降維D:將數(shù)據(jù)劃分成不同的類別

答案:將數(shù)據(jù)劃分成不同的類別以下哪種聚類算法是基于密度的方法？（）

A:EM算法B:DBSCAN算法C:層次聚類算法D:K-means算法

答案:DBSCAN算法K-means算法中的K值代表什么意義？（）

A:聚類中心數(shù)量B:特征維度數(shù)量C:數(shù)據(jù)樣本數(shù)量D:數(shù)據(jù)類別數(shù)量

答案:聚類中心數(shù)量

第四章單元測(cè)試

常見的有指導(dǎo)學(xué)習(xí)算法包括以下哪個(gè)？（）

A:Apriori算法B:支持向量機(jī)C:K-means算法D:DBSCAN算法

答案:支持向量機(jī)在k近鄰算法中，k的值代表以下哪個(gè)含義？（）

A:迭代的次數(shù)B:目標(biāo)變量的數(shù)量C:特征變量的數(shù)量D:鄰居的數(shù)量

答案:鄰居的數(shù)量決策樹算法具有以下哪個(gè)優(yōu)點(diǎn)？（）

A:不受特征縮放的影響B(tài):對(duì)噪聲數(shù)據(jù)具有魯棒性C:可解釋性強(qiáng)D:支持高維數(shù)據(jù)集

答案:可解釋性強(qiáng)隨機(jī)森林算法具有以下哪個(gè)特點(diǎn)？（）

A:對(duì)特征縮放敏感B:具有較高的計(jì)算復(fù)雜度C:對(duì)異常值敏感D:不需要調(diào)參

答案:不需要調(diào)參支持向量機(jī)中選擇核函數(shù)的主要目的是什么？（）

A:控制模型的復(fù)雜度B:加速模型的訓(xùn)練C:解決非線性問題D:提高預(yù)測(cè)的準(zhǔn)確性

答案:解決非線性問題

第五章單元測(cè)試

回歸分析的目標(biāo)是什么？（）

A:對(duì)數(shù)據(jù)進(jìn)行異常檢測(cè)B:預(yù)測(cè)一個(gè)連續(xù)變量的值C:預(yù)測(cè)一個(gè)離散變量的值D:對(duì)數(shù)據(jù)進(jìn)行分類

答案:預(yù)測(cè)一個(gè)連續(xù)變量的值多項(xiàng)式回歸是一種回歸分析方法，它通過如何對(duì)數(shù)據(jù)進(jìn)行建模？（）

A:使用多項(xiàng)式函數(shù)進(jìn)行擬合B:使用多個(gè)非線性函數(shù)進(jìn)行擬合C:使用冪函數(shù)進(jìn)行擬合D:使用多個(gè)線性函數(shù)進(jìn)行擬合

答案:使用多項(xiàng)式函數(shù)進(jìn)行擬合在線性回歸中，如何衡量預(yù)測(cè)結(jié)果與真實(shí)值之間的差異？（）

A:加權(quán)平均誤差（MAE）B:置信度（Confidence）C:均方誤差（MSE）D:準(zhǔn)確率（Accuracy）

答案:均方誤差（MSE）嶺回歸和LASSO回歸的目標(biāo)函數(shù)都包含了一個(gè)什么項(xiàng)，用于控制模型的復(fù)雜度？（）

A:L4正則化項(xiàng)B:L3正則化項(xiàng)C:L1正則化項(xiàng)D:L2正則化項(xiàng)

答案:L2正則化項(xiàng)邏輯回歸和多項(xiàng)式回歸都屬于什么類型的回歸算法？（）

A:神經(jīng)網(wǎng)絡(luò)回歸算法B:線性回歸算法C:非線性回歸算法D:支持向量回歸算法

答案:非線性回歸算法

第六章單元測(cè)試

協(xié)同推薦是一種利用什么信息來進(jìn)行推薦的方法？（）

A:用戶個(gè)人信息B:用戶行為信息C:商品屬性信息D:社交網(wǎng)絡(luò)信息

答案:用戶行為信息協(xié)同推薦分為三種基本類型，分別是什么？（）

A:基于用戶、基于模型和基于內(nèi)容的協(xié)同過濾B:基于用戶、基于物品和基于模型的協(xié)同推薦C:用戶-物品關(guān)聯(lián)矩陣、基于物品和物品-用戶關(guān)聯(lián)矩陣D:用戶行為數(shù)據(jù)和商品屬性數(shù)據(jù)、基于內(nèi)容的協(xié)同過濾

答案:基于用戶、基于物品和基于模型的協(xié)同推薦下列哪個(gè)選項(xiàng)最準(zhǔn)確地描述了用戶協(xié)同過濾推薦算法？（）

A:用戶協(xié)同過濾利用社交網(wǎng)絡(luò)中的關(guān)系推薦用戶朋友喜歡的物品。B:用戶協(xié)同過濾通過連接數(shù)據(jù)集中的頻繁項(xiàng)集來發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。C:用戶協(xié)同過濾是基于用戶歷史行為和與其他用戶的相似性來推薦物品。D:用戶協(xié)同過濾是根據(jù)物品的屬性或內(nèi)容來推薦與用戶偏好相似的物品。

答案:用戶協(xié)同過濾是基于用戶歷史行為和與其他用戶的相似性來推薦物品?；谖锲返膮f(xié)同推薦是通過比較什么來進(jìn)行推薦？（）

A:用戶之間的相似度B:用戶和商品之間的特征匹配程度