CDA数据分析练习题2

2.以下两种描述分别对应哪两种对分类算法的评价标准?(A)

(a)警察抓小偷,描述警察抓的人中有多少个是小偷的标准。

(b)描述有多少比例的小偷给警察抓了的标准。

A.Precision,Recall

B.Recall,Precision

C.Precision,ROC

D.Recall,ROC

3.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?(C)

A.频繁模式挖掘

B.分类和预测

D.数据流挖掘

4.当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离?(B)

A.分类

C.关联分析

D.隐马尔可夫链

5.什么是KDD?(A)

B.领域知识发现

C.文档知识发现

D.动态知识发现

A.探索性数据分析

B.建模描述

D.寻找模式和规则

A.根据内容检索

A变量代换

B离散化

C聚集

D估计遗漏值

11.假设12个销售价格记录组已经排序如下:5,10,11,13,15,35,50,55,72,92,204,215,将它们划分成四个箱,等频(等深)划分时,15在第几个箱子内?(B)

A第一个

B第二个

C第三个

D第四个

12.假设12个销售价格记录组已经排序如下:5,10,11,13,15,35,50,55,72,92,204,215,等宽划分时(宽度为50),15又在哪个箱子里?(A)

13.下面哪个不属于数据的属性类型:(D)

A标称

B序数

C区间

D相异

14.只有非零值才重要的二元属性被称作:(C)

A计数属性

B离散属性

C非对称的二元属性

D对称属性

A嵌入

B过滤

C包装

D抽样

C映射数据到新的空间

17.考虑值集{1、2、3、4、5、90},其截断均值(p=20%)是(C)

A2

B3

C3.5

D5

18.下面哪个属于映射数据到新的空间的方法?(A)

A傅立叶变换

C渐进抽样

D维归约

19.熵是为消除不确定性所需要获得的信息量,投掷均匀正六面体骰子的熵是:(B)

A1比特

B2.6比特

C3.2比特

D3.8比特

20.假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为:(D)

A0.821

B1.224

C1.458

D0.716

21.假定用于分析的数据包含属性age。数据元组中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70,问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:(A)

A18.3

B22.6

C26.8

D27.9

22.考虑值集{12243324556826},其四分位数极差是:(A)

A31

B24

C55

D3

B饼图

C曲面图

D矢量场图

24.在抽样方法中,当合适的样本容量很难确定时,可以使用的抽样方法是:(D)

A有放回的简单随机抽样

B无放回的简单随机抽样

C分层抽样

D渐进抽样

B.捕捉到的新数据会覆盖原来的快照;

26.关于基本数据的元数据是指:(D)

C.基本元数据包括日志文件和简历执行处理的时序调度信息;

D.基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息;

27.下面关于数据粒度的描述不正确的是:(C)

B.数据越详细,粒度就越小,级别也就越高;

C.数据综合度越高,粒度也就越大,级别也就越高;

D.在测试之前没必要制定详细的测试计划.

A.在线性;

B.对用户的快速响应;

C.互操作性.

D.多维分析;

(1)快速性(2)可分析性(3)多维性(4)信息性(5)共享性

A.(1)(2)(3)

B.(2)(3)(4)

C.(1)(2)(3)(4)

D.(1)(2)(3)(4)(5)

32.OLAM技术一般简称为“数据联机分析挖掘”,下面说法正确的是:(D)

C.基于WEB的OLAM是WEB技术与OLAM技术的结合.

D.OLAM服务器通过用户图形接口接收用户的分析指令,在元数据的指导下,对超级立方体作一定的操作.

C.OLTP面对的是决策人员和高层管理人员.

D.OLTP以应用为核心,是应用驱动的.

A、4

B、5

C、6

D、7

35.频繁项集、频繁闭项集、最大频繁项集之间的关系是:(C)

A、频繁项集频繁闭项集=最大频繁项集

B、频繁项集=频繁闭项集最大频繁项集

C、频繁项集频繁闭项集最大频繁项集

D、频繁项集=频繁闭项集=最大频繁项集

36.考虑下面的频繁3-项集的集合:{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采用合并策略,由候选产生过程得到4-项集不包含(C)

A、1,2,3,4

B、1,2,3,5

C、1,2,4,5

D、1,3,4,5

37.下面选项中t不是s的子序列的是(C)

A、s=<{2,4},{3,5,6},{8}>t=<{2},{3,6},{8}>

B、s=<{2,4},{3,5,6},{8}>t=<{2},{8}>

C、s=<{1,2},{3,4}>t=<{1},{2}>

D、s=<{2,4},{2,4}>t=<{2},{4}>

38.在图集合中发现一组公共子结构,这样的任务称为(B)

A、频繁子集挖掘

B、频繁子图挖掘

C、频繁数据项挖掘

D、频繁模式挖掘

39.下列度量不具有反演性的是(D)

A、系数

B、几率

C、Cohen度量

D、兴趣因子

40.下列__(A)__不是将主观信息加入到模式发现任务中的方法。

A、与同一时期其他数据对比

B、可视化

C、基于模板的方法

D、主观兴趣度量

41.下面购物篮能够提取的3-项集的最大数量是多少(C)

ID购买项

1牛奶,啤酒,尿布

2面包,黄油,牛奶

3牛奶,尿布,饼干

4面包,黄油,饼干

5啤酒,饼干,尿布

6牛奶,尿布,面包,黄油

7面包,黄油,尿布

8啤酒,尿布

9牛奶,尿布,面包,黄油

10啤酒,饼干

A、1

B、2

C、3

D、4

42.以下哪些算法是分类算法?(B)

A、DBSCAN

B、C4.5

C、K-Means

D、EM

43.以下哪些分类方法可以较好地避免样本的不平衡问题?(A)

C,Bayes

A,根结点(rootnode)

B,内部结点(internalnode)

C,外部结点(externalnode)

D,叶结点(leafnode)

46.在基于规则的分类器中,依据规则质量的某种度量对规则排序,保证每一个测试记录都是由覆盖它的“最好的”规格来分类,这种方案称为(B)

A.基于类的排序方案

B.基于规则的排序方案

C.基于度量的排序方案

D.基于规格的排序方案。

47.以下哪些算法是基于规则的分类器(A)

A.C4.5

C.NaiveBayes

D.ANN

48.如果规则集R中不存在两条规则被同一条记录触发,则称R中的规则为(C);

A,无序规则

B,穷举规则

C,互斥规则

D,有序规则

49.如果对属性值的任一组合,规则集R中都存在一条规则加以覆盖,则称R中的规则为(B)

50.如果规则集中的规则按照优先级降序排列,则称规则集是(D)

51.如果允许一条记录触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票确定测试记录的类标号,称为(A)

52.考虑两队之间的足球比赛:队0和队1。假设65%的比赛队0胜出,剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场,而队1取胜的比赛中75%是主场获胜。如果下一场比赛在队1的主场进行,队1获胜的概率为(C)

A,0.75

B,0.35

C,0.4678

D,0.5738

C,训练ANN是一个很耗时的过程

A,组合(ensemble)

B,聚集(aggregate)

C,合并(combination)

D,投票(voting)

A、曼哈顿距离

B、平方欧几里德距离

C、余弦距离

D、Bregman散度

57.(C)是一个观测值,它与其他观测值的差别如此之大,以至于怀疑它是由不同的机制产生的。

A、边界点

B、质心

C、离群点

D、核心点

58.BIRCH是一种(B)。

A、分类器

C、关联分析算法

A、统计方法

B、邻近度

C、密度

A、MIN(单链)

B、MAX(全链)

C、组平均

D、Ward方法

二、多选题

B.决定如何量化和比较不同表示拟合数据的好坏

C.选择一个算法过程使评分函数最优

D.决定用什么样的数据管理原则以高效地实现算法。

B.回归

C.模式发现

D.模式匹配

A.模型或模型结构

B.评分函数

C.优化和搜索方法

D.数据管理策略

64.下列何种算法可以帮助我们做数值的预测(Prediction)?(B,D)

65.在现实世界的数据中,元组在某些属性上缺少值是常有的。描述处理该问题的各种方法有:(ABCD)

A忽略元组

B使用属性的平均值填充空缺值

C使用一个全局常量填充空缺值

D使用与给定元组属同一类的所有样本的平均值

A不一致

B重复

C不完整

D含噪声

68.下列属于不同的有序数据的有:(ABC)

A时序数据

B序列数据

D事务数据

69.下面属于数据集的一般特性的有:(BCD)

A连续性

B维度

C稀疏性

D分辨率

70.下面属于维归约常用的线性代数技术的有:(AC)

A主成分分析

C奇异值分解

A.数据的抽取

B.存储和管理

C.数据的表现

74.联机分析处理包括以下哪些基本分析功能?(BCD)

B.切片

C.转轴

D.切块

立刻扫码

看更多数据分析师认证试题

——学数据分析技能一定要了解的大厂入门券,CDA数据分析师认证证书!

CDA(数据分析师认证),与CFA相似,由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新,迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准,具有专业化、科学化、国际化、系统化等特性。

同时,CDA全栈考试布局和认证体系已得到社会认可,并由为IBM、华为等提供全球认证服务的PearsonVUE面向全球提供灵活的考试服务。

THE END
1.chatgpt问题意识chatgpt问题点 聊天GPT问题点 随着人工智能技术的快速发展,聊天GPT(Generative Pre-trained Transformer)成为了自然语言处理领域中的一项重要研究内容。聊天GPT是一种基于深度学习的模型,它可以生成连贯、有逻辑的对话内容。聊天GPT也存在一些问题,下面将对其问题点进行总结和讨论。 http://chatgpt.kuyin.cn/article/3362716.html
2.MicrosoftAzureAI基础知识:自然语言处理Microsoft Azure AI 基础知识:自然语言处理 2 小时 38 分钟 学习路径 5 模块 自然语言处理功能支持能看到用户、听到用户的声音、与用户交谈和理解用户的意图的应用程序。 凭借文本分析、翻译和语言理解服务,Microsoft Azure 让你能够轻松构建支持自然语言的应用程序。 先决条件 可导航浏览 Azure 门户。 开始 添加到https://docs.microsoft.com/zh-cn/learn/paths/explore-natural-language-processing/index?view=azure-node-latest
3.自然语言处理人工智能中的另一个挑战与机遇在人工智能的发展历程中,自然语言处理(NLP)作为一项核心技术,不仅是研究AI基本内容的重要组成部分,也是实现机器理解和生成人类语言信息的关键领域。随着科技的不断进步,NLP不仅解决了许多长期以来困扰人类的问题,而且为多个行业带来了前所未有的革新。 人工智能与自然语言处理的关系 https://www.xstkmqmgl.cn/ke-ji/494841.html
4.性能之巅追踪:如何提升中文汉字处理性能的疑问与探索?随着科技的不断发展,中文汉字处理已成为我们日常生活中不可或缺的一部分。然而,在处理大量中文数据时,性能问题始终是用户关注的焦点。本文将探讨如何提升中文汉字处理性能的疑问与探索,帮助读者更好地理解并应对这一问题。 一、了解中文汉字处理性能的挑战 https://www.qdfuji.com/syzx/5760450.html
5.大模型如何理解自然语言:分词器的入门指南在自然语言处理(NLP)的领域中,"大模型"如同一位精通语言的大师,能够理解并生成各种文本。这些模型并非生来就具备这种能力,而是依赖于大量的训练和精心设计的数据预处理流程。在这一过程中,分词器扮演着核心角色,对于文本预处理至关重要。本文将深入探讨分词器的工作原理,以及一些流行大模型(例如LLaMA)的分词器实现细节https://www.jianshu.com/p/0d4649ada67a
6.NLP技术驱动的成语智能检索算法性能改进词语组合算法在自然语言处理(NLP)领域,中文和英文在处理方式上有相似之处,但在细节上存在显著差异。中文处理需要解决分词问题,而英文则没有这个困扰。相反,英文处理常常面临词形还原和词根提取的问题,例如时态变换、单复数变换等。在解决这些问题时,WordNet是一个重要的工具。它是一个由普林斯顿大学构建和维护的英语字典,组织了名词https://blog.csdn.net/qq_37340229/article/details/127919712
7.自然语言处理领域存在哪些亟待解决的问题?NLP(Natural Language Processing)是计算机科学与人工智能领域中的一个重要研究方向,旨在使计算机能够理解和处理人类的自然语言。虽然NLP在过去几十年取得了长足的进展,但仍然存在许多亟待解决的问题。我将继续探讨以下几个方面。 一、语义理解与推理 语义理解是指计算机对语句进行深入的理解和解释,以捕捉言外之意、常识https://wenku.baidu.com/view/461ee7151dd9ad51f01dc281e53a580216fc50ca.html
8.关于大自然自然环境的研究报告6篇(全文)自然语言生成 (Natural Language Generation) 是自然语言处理两大领域之一, 它是人工智能和计算机语言学的分支, 是生成可理解文本的计算机系统。自然语言生成技术也是人工智能 (AI) 中最为活跃的技术之一, 它是研究计算机程序如何根据信息在计算机内部的表示生成一段高质量的自然语言文本。人工智能是当今科学发展的重点、https://www.99xueshu.com/w/fileyfl7pzla.html
9.NLP中的实体关系抽取方法总结基于共享参数的联合抽取方法仍然存在训练和推断时的gap,推断时仍然存在误差积累问题,可以说只是缓解了误差积累问题。 Q2:NER除了LSTM+CRF,还有哪些解码方式?如何解决嵌套实体问题? 虽然NER是一个比较常见的NLP任务,通常采用LSTM+CRF处理一些简单NER任务。NER还存在嵌套实体问题(实体重叠问题),如"《叶圣陶散文选集》"中会https://www.zhuanzhi.ai/document/8b4063bcb5b955202d75edf1580db4ba
10.学科建设“筑高原起高峰”系列谈(四)Q:学院在学科建设方面有哪些优势和特色?如何进一步发挥这些优势和特色? A:计算机学院拥有计算机科学与技术硕士学位授权点。计算机科学与技术是河南省重点一级学科,是我校更名大学、博士学位授权立项建设的主要支撑学科。 计算机科学与技术学科在机器学习与图像处理、数据分析与自然语言处理、网络与信息安全三个方向有良好的https://yjsc.zut.edu.cn/info/1197/3833.htm
11.如何开启搜狗输入法的双拼模式?搜狗输入法的AI写作功能是一种基于人工智能技术的写作工具。通过自然语言处理技术,搜狗输入法可以自动完成文章的写作,从而大大提高了写作效率。同时,搜狗输入法还可以根据用户的需求和写作风格智能生成符合要求的文章。 AI写作的优势 相比传统的人工写作,AI写作有着很多优势。首先,AI写作可以大大提高写作效率,节省时间成本https://tool.a5.cn/article/show/83070.html
12.《时代》人工智能百人榜(四):思想家就连一些专家对人工智能也存在哪些误解? 对知觉的理解。有很多人,甚至包括专家,也会将模仿聊天功能的用户设计当作是知觉,这个很让我感到吃惊。居然有这么多人被一个自然且易于使用的聊天界面所欺骗,就因为它能编出看似易读的语言,就以为它具备了感觉!颗我们甚至连人类的意识从何而来都还没弄清楚。 https://36kr.com/p/2469707773106305
13.AI助力——智慧教育3.0时代来临如“智能导师”作为教育领域的一个重要应用,可以通过自然语言处理和语音识别技术,来实现计算机扮演导师角色的功能,代替现有教师为学生提供辅助性的学习材料,并能够对学习者的学习表现和问题解决的情况进行评价和反馈,提出相应的建议。 促进学习者各方面素养和能力的获得 http://www.nwygroup.com/newsinfo/606
14.广告行业中那些趣事系列26:基于PoseNet算法的人体姿势相似度识别导读:本文是“数据拾光者”专栏的第二十六篇文章,这个系列将介绍在广告行业中自然语言处理和推荐系统实践。本篇从理论到实践分享了基于PoseNet算法的人体姿势相似度识别项目,对于希望将PoseNet模型应用到广告领域的小伙伴们可能有所帮助。 欢迎转载,转载请注明出处以及链接,更多关于自然语言处理、推荐系统优质内容请关注如下https://maimai.cn/article/detail?fid=1702347337&efid=69XZPaJSvgKt9xKLZUNCrA
15.计算机专业调查报告(精选15篇)4、加强职业道德和社会责任感的教育是一个大家都认为重要但实际上很容易被弱化的问题。学生的道德教育培养仅仅依靠教学和活动还不够,还需要有一个评价的平台。这些问题不易被察觉,也无法提供定量的分析和评价;而一旦出现问题,损失则可能很大。在对“毕业生上岗后存在的主要问题”的回答中,前5项依次是: https://www.ruiwen.com/gongwen/baogao/1303327.html
16.AI赋能,巡检管理迈入新时代(1)虚拟巡检:通过VR技术,可以在虚拟环境中模拟巡检过程,提前发现潜在问题。 (2)远程指导:AR技术可以将实时巡检画面和数据分析结果叠加在巡检人员的视野中,提供远程指导和支持。 2.1.7自然语言处理(NLP) (1)语音控制:通过NLP技术,可以实现巡检设备的语音控制,提高巡检的便捷性和效率。 https://www.360doc.cn/article/29968938_1126803236.html