CDALEVEL2试题及答案.pdf

CDA LEVEL 建模分析师_模拟题： 一、单项选择题（每小题 0.5 分，共 30 分） 1、答案（D） 在使用历史数据构造训练集 （Train） 集、 验证 （Validation） 集和检验 （Test） 时，以下哪个样本量分配方案比较适合？ A.训练 50%，验证 0%，检验 50% B.训练 100%，验证 0%，检验 0% C.训练 0%，验证 100%，检验 0% D.训练 60%，验证 30%，检验 10% 2、答案(A) 一个累积提升度曲线， 当深度 （Depth） 等于 0.1 时， 提升度为(Lift)为 3.14， 以下哪个解释正确? A.根据模型预测，从最高概率到最低概率排序后，最高的前 10%中发生事 件的数量比随机抽样的响应率高 3.14 B.选预测响应概率大于 10%的样本，其发生事件的数量比随机抽样的响应 率高 3.14 C.根据模型预测，从最高概率到最低概率排序后，最高的前 10%中预测的 精确度比随机抽样高 3.14 D.选预测响应概率大于 10%的样本，其预测的精确度比随机抽样高 3.14 3、答案（C） 在使用历史数据构造训练（Train）集、验证（Validation）集和检验（Test） 集时，训练数据集的作用在于 A.用于对模型的效果进行无偏的评估 B.用于比较不同模型的预测准确度 C.用于构造预测模型 D.用于选择模型 4、答案（D） 在对历史数据集进行分区之前进行数据清洗（缺失值填补等）的缺点是什 么？ A.增加了填补缺失值的时间 B.加大了处理的难度 C.无法针对分区后各个数据集的特征分别做数据清洗 D.无法对不同数据清理的方法进行比较，以选择最优方法 5、答案（C） 关于数据清洗（缺失值、异常值），以下哪个叙述是正确的？ A.运用验证数据集中变量的统计量对训练集中的变量进行数据清洗 B. 运用验证数据集中变量的统计量对验证集中的变量进行数据清洗 C. 运用训练数据集中变量的统计量对验证集中的变量进行数据清洗 D.以上均不对 6、答案（B） 当一个连续变量的缺失值占比在 85%左右时，以下哪种方式最合理 A.直接使用该变量，不填补缺失值 B.根据是否缺失，生成指示变量，仅使用指示变量作为解释变量 C.使用多重查补的方法进行缺失值填补 D.使用中位数进行缺失值填补 7、答案（B） 构造二分类模型时，在变量粗筛阶段，以下哪个方法最适合对分类变量进行 粗筛 A.相关系数 B.卡方检验 C.方差分析 D.T 检验 8、答案（A） 以下哪个方法可以剔除多变量情况下的离群观测 A.变量中心标准化后的快速聚类法 B.变量取百分位秩之后的快速聚类法 C.变量取最大最小秩化后的快速聚类法 D.变量取 Turkey 转换后的快速聚类法 9、答案（C） 以下哪种变量筛选方法需要同时设置进出模型的变量显著度阀值 A .向前逐步法 B. 向后逐步法 C. 逐步法 D. 全子集法 10、答案（A） 以下哪个指标不能用于线性回归中的模型比较： A.R 方 B.调整 R 方 C.AIC D.BIC 11、答案 B. 将复杂的地址简化成北、中、南、东四区，是在进行？ A. 数据正规化(Normalization) B. 数据一般化(Generalization) C. 数据 离散化(Discretization) D. 数据整合(Integration) 12、【答案（A）】 当类神经网络无隐藏层，输出层个数只有一个的时候，倒传递神经网络会变 形成为？ A. 罗吉斯回归 B. 线性回归 C. 贝氏网络 D. 时间序列 13、答案 B. 请问 Apriori 算法是用何者做项目集(Itemset)的筛选 ? A. 最小信赖度(Minimum Confidence) B. 最小支持度(Minimum Support) C. 交易编号(Transaction ID) D. 购买数量 14、答案 B. 有一条关联规则为 A B，此规则的信心水平(confidence)为 60%，则代 表： A. 买 B 商品的顾客中，有 60%的顾客会同时购买 A B. 买 A 商品的顾客中，有 60%的顾客会同时购买 B C. 同时购买 A,B 两商品的顾客，占所有顾客的 60% D. 两商品 A,B 在交易数据库中同时被购买的机率为 60% 15、【答案（B）】 下表为一交易数据库，请问 A C 的支持度(Support)为: A. 75%B. 50%C.100%D. 66.6% TIDItems Bought 1A,B,C 2A,C 3A,D 4B,E,F 16、【答案（D）】 下表为一交易数据库，请问 A C 的信赖度(Confidence)为: A. 75%B. 50%C.100%D. 66.6% TIDItems Bought 1A,B,C 2A,C 3A,D 4B,E,F 17、答案 D. 倒传递类神经网络的训练顺序为何？( A:调整权重; B:计算误差值; C:利用随 机的权重产生输出的结果) A. BCAB. CABC. BACD. CBA 18、答案 C. 在类神经网络中计算误差值的目的为何？ A. 调整隐藏层个数 B. 调整输入值 C. 调整权重(Weight) D. 调整真实值 19、答案 A. 以下何者为 Apriori 算法所探勘出来的结果? A. 买计算机同时会购买相关软件 B. 买打印机后过一个月会买墨水夹 C. 买计算机所获得的利益 D. 以上皆非 20、答案 D. 如何利用体重以简单贝式分类(Naive Bayes)预测性别？ A. 选取另一条件属性 B. 无法预测 C. 将体重正规化为 01 之间 D. 将体重离散化 21、答案 B. Naive Bayes 是属于数据挖掘中的什么方法？ A. 分群B. 分类 C. 时间序列 D. 关联规则 22、答案 B. 简单贝式分类(Naive Bayes)可以用来预测何种数据型态？ A. 数值B. 类别 C. 时间 D. 以上皆是 23、答案 B. 如何以类神经网络仿真罗吉斯回归(Logistic Regression)？ A. 输入层节点个数设定为 3 B. 隐藏层节点个数设定为 0 C. 输出层节点个数设定为 3 D. 隐藏层节点个数设定为 1 24、答案 B. 请问以下何者属于时间序列的问题？ A. 信用卡发卡银行侦测潜在的卡奴 B. 基金经理人针对个股做出未来价格预测 C. 电信公司将人户区分为数个群体 D. 以上皆是 25、答案 D. 小王是一个股市投资人，手上持有某公司股票，且已知该股过去历史数据如 下表所示，今天为预测 2/6 的股价而计算该股 3 日移动平均，请问最近的 3 日 移动平均值为多少？ 日期股价 2/110 2/212 2/313 2/416 2/519 A. 11B. 13C. 14D. 16 26、答案 C. 下列哪种分类算法的训练结果最难以被解释？ A. Naive Bayes B. Logistic Regression C. Neural Network D. Decision Tree 27、答案 B. 数据遗缺(Null Value)处理方法可分为人工填补法及自动填补法，下列哪种 自动填补法可得到较准确的结果？ A. 填入一个通用的常数值，例如填入“未知/Unknown“ B. 把填遗缺值的问题当作是分类或预测的问题 C. 填入该属性的整体平均值 D. 填入该属性的整体中位数 二、多项选择题 1、（AB） 对于决策类模型、以下哪些统计量用于评价最合适？ A.错分类率 B.利润 C.ROC 指标 D.SBC 2、（BD） 对于估计类模型、以下哪些统计量用于评价最合适？ A.错分类率 B.极大似然数 C.ROC 统计量 D.SBC 3、（AB） 以下哪个变量转换不会改变变量原有的分布形式 A.中心标准化 B.极差标准化 C.TURKEY 打分 D.百分位秩 4、（AB） 连续变量转换时，选取百分位秩而不选用最大最小秩的原因 A.避免模型在使用时，值域发生明显变化 B.避免输入变量值域变化对模型预测效果的影响 C.避免输入变量的异常值影响 D.是转换后的变量更接近正态分布 5、（BC） 构造二分类模型时，在变量粗筛阶段，以下哪两个方法最适合对连续变量进 行粗筛 A.皮尔森（Pearson）相关系数 B.思皮尔曼（SPEARMAN）相关系数 C.Hoeffdings D 相关指标 D.余弦相关指标 6、（CD） 常见的用于预测 Y 为分类变量的回归方法有 A. 伽玛回归 B. 泊松回归 C.Logistic 回归 D.Probit 回归 7、(A, B, C) 请问以下个案何者属于时间序列分析的范畴？ A.透过台湾股票指数过去十年走势预测其未来落点 B.透过美国股票指数走势变动以分析其与台股指数的连动因果 C.透过突发事件前后的股票指数走势变动来探讨该事件的影响 D.分析投资人对不同股票的喜好程度 8、(A, B, C) 下表为一事务数据库，若最小支持度(Minimum Support ) = 50%，则以 下哪些是长度为 2 的频繁项目集(Frequent Itemset)？ A.BEB.ACC.BCD.AB 9. (B, C, D) 下列对 C4.5 算法的描述，何者为真？ A.每个节点的分支度只能为 2 B.使用 gain ratio 作为节点分割的依据 C.可以处理数值型态的字段 D.可以处理空值的字段 10. (A, B, D) 下列哪个应用可以使用决策树来建模？ T ID Items Bought 1A,C,D 2B,C,E 3A,B,C,E 4B,E A.预测申办信用卡的新客户是否将来会变成卡奴 B.银行针对特定族群做人寿保险的推销 C.找出购物篮里商品购买间的关联 D.根据生活作息推断该病人得癌症的机率 11. (B, C) 小王是一个股市投资人，手上持有 A、B、C、D、E 五只股票，请问以下何 者不属于时间序列的问题？ A.透过 A 只股票过去一年来的股价走势，预测明天 A 只股票的开盘价格 B.将 A、B、C、D、E 五只股票区分为赚钱与赔钱两个类别 C.将 A、B、C、D、E 五只股票区分为甲、乙、丙三个群体 D.透过 A, C, D 三只股票过去一年来的走势， 预测明天 A 只股票的开盘价格 12. (A, C, D) 下列何者是类神经网络的缺点？ A.无法得知最佳解 B.模型准确度低 C.知识结构是隐性的，缺乏解释能力 D.训练模型的时间长 13. (A, B) 请问要符合什么条件才可被称为关联规则 ? A.最小支持度(Minimum Support) B.最小信赖度(Minimum Confidence) C.最大规则数(Maximum Rule Number) D.以上皆非 三、内容相关题 根据相同的背景材料回答若干道题目，每道题的答案个数不固定。下列各题 A）、 B）、C）、D）四个选项中，每题至少有一个选项是正确的，多选或少选，均不 能得分。 I、下图为类神经元的示意图，请回答 1 至 3 题： 1、【答案（A）】 请问虚线的部分为？ A. 类神经元 B. 键结值(Weight) C. 阀值(Bias) D. 激发函数(Activation Function) 2、【答案（D）】 请问请问 ( )为？ A. 类神经元 B. 键结值(Weight) C. 阀值(Bias) D. 激发函数(Activation Function) 3、【答案（B）】 请问 W1, W2, , Wm 为？ A. 类神经元 B. 键结值(Weight) C. 阀值(Bias) D. 激发函数(Activation Function) II、根据下表的混乱矩阵(Confusion Matrix)，回答 4 至 5 题： 4、【答案（A）】 对于属性值 YES 的响应率(Precision)应如何计算？ A.B.C.D. 5、答案 B. True Predicted YE S NO YESAB NOCD 对于属性值 YES 的捕捉率(Recall)应如何计算？ A.B.C.D. 四、案例操作分析 根据相同的背景材料和数据回答若干道题目，每道题的答案个数不固定。在做题 过程中需要使用统计软件进行相应的操作。提供 CSV 格式的数据，统计软件不 受限制。下列各题 A）、B）、C）、D）四个选项中，每题至少有一个选项是正 确的，多选或少选，均不能得分。 I、了解汽车的燃油效率一直是汽车业关心的议题。某汽车业者收集了过去许多 可能会影响汽车燃油效率的相关信息，希望从这些数据中，运用数据挖掘(Data Mining)中的预测(Prediction)技术，分析出会影响汽车燃油效率的相关因素， 并建立能预测汽车燃油效率的数据挖掘预测模型。汽车燃油效率数据集 (autompg)共有 10 个字段，其中 8 个是输入字段，1 个汽车 ID 字段，一个目 标字段(mpg)。字段的说明如下： 字段名称数据型态字段说明 car_id数值型汽车 ID car_name类别型汽车厂牌及型号 cylinders数值型汽缸数 displacement数值型排气量 horsepower数值型马力 weight数值型重量 acceleration数值型加速度 model year类别型制造年度 origin类别型产地 mpg (miles per gallon)数值型目标字段 请根据汽车燃油效率数据集(autompg)回答以下的问题。 1、(AD) 那些字段一定不能作为输入字段(即解释变量 Input Attribute)： (A) mpg (B) weight (C) origin (D) car_name 2、(D) 数据的总笔数为： (A) 390 (B) 391 (C) 492 (D) 392 3、(C) 制造年度(model year)有几个不同值： (A) 11 (B) 12 (C) 13 (D) 14 4、(C) 此数据集中，目标字段(mpg)的平均值(mean)及标准差(standard deviation) 分别为： (A) 25.0877.746 (B) 23.2837.746 (C) 23.2835.525 (D) 25.0875.525 5、(BCD) 以下是部分的散点图(Scatter plot)，请自行做散点图，并判断那些字段与目标 字段(mpg)是呈现负相关： (A) acceleration (B) displacement (C) weight (D) horsepower 6、(ACD) 由于我们的目标是要建立能预测汽车燃油效率的预测模型(Prediction Model)， 因此以下那些模型可以协助我们建立： (A) Regression Tree (B) Logistic Regression (C) Neural Network (D) Li