大数据挖掘技术练习(习题卷4)

试卷科目：大数据挖掘技术练习大数据挖掘技术练习(习题卷4)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据挖掘技术练习第1部分：单项选择题，共144题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.一组数据中出现次数最多的数据称为()。A)分位数B)中位数C)众数[单选题]2.MGW与RNC的连接介质采用A)IP传输B)PCM传输C)ATM传输[单选题]3.已知:d={123:'Tom','age':18,'score':[91,92,93]}print(d[123][1],d['age'],d['score'][-1])输出的结果是:A)T,18,91B)o,18,91C)T,18,92D)o,18,93[单选题]4.k均值聚类的目标是()。A)最大化簇间距离B)最大化质心距离C)簇的大小基本一致D)最小化簇内距离的平方和[单选题]5.在TDLTE网络中，用户的业务属性数据是在哪个网元上配置？A)MMEB)PDNGatewayC)HSSD)eNodeB[单选题]6.为了简化条件概率的计算，朴素贝叶斯算法提出条件假设（用于分类的特征在类别确定的条件下相互独立）即（）的意义A)简化B)朴素C)分类D)统计[单选题]7.下列哪项不是物联网端到端业务质量关键性能指标（）A)业务传输速率B)TCP重传率C)TCP乱序率D)http首包响应时延[单选题]8.连续属性离散化的问题本质是：决定选择多少个分割点和确定分割点位置。任务可分为两个步骤完成。首先将连续属性排序，并通过指定n-1个分割点把它们分成n个区间。然后，将一个区间中的所有值映射到相同的（）。A)分类值B)平均值C)特征值D)最大值[单选题]9.有关强关联规则的叙述中正确的是()。A)强关联规则是同时满足最小支持度阈值和最小置信度阈值的规则B)强关联规则是满足最小支持度阈值的规则C)强关联规则是满足最小置信度阈值的规则D)所有的规则都是强关联规则[单选题]10.Lasso回归与传统的线性回归最主要的区别是（）A)增加L1正则项B)增加L2正则项C)无区别D)Lasso回归是线性方程在sigmoid函数上的嵌套[单选题]11.网管侧从爱立信MME取走统计的路径是A)/Tmp/log/OSS_filesB)/Tmp/OSS_filesC)/Core/log/OSS_filesD)/log/OSS_files[单选题]12.下列关于大数据的分析理念的说法中,错误的是()A)在数据基础上倾向于全体数据而不是抽样数据B)在分析方法上更注重相关分析而不是因果分析C)在分析效果上更追究效率而不是绝对精确D)在数据规模上强调相对数据而不是绝对数据[单选题]13.提升决策树法训练效率的措施包括A)增加树的深度B)减少数的深度C)增加学习率D)减少树的个数[单选题]14.下面哪种不属于数据预处理的方法？A)变量代换B)离散化C)聚集D)估计遗漏值[单选题]15.以下关于Python语言中?缩进?说法正确的是：A)缩进统一为4个空格B)缩进在程序中长度统一且强制使用C)缩进是非强制的，仅为了提高代码可读性D)缩进可以用在任何语句之后，表示语句间的包含关系[单选题]16.直播类视频APP中，哪类用户渗透率最高A)男性B)女性C)学生D)白领[单选题]17.KNN算法流程中不正确的有（）A)计算已知类别数据集中的点与当前点之间的距离，按照距离递增次序排序；B)选取与当前点距离最小的k个点；C)确定前k个点所在类别对应的出现频率；D)返回前k个点出现频率最低的类别作为当前点的预测分类。[单选题]18.如果要在网管上建立GE级别的业务路径，下面哪一个不是必需的A)完整的Och路径B)完整的ODU1路径C)完整的OMS路径D)完整的OSC路径[单选题]19.有关数据仓库的开发特点，下列说法()是不正确的。A)数据仓库开发要从数据出发B)数据仓库使用的需求在开发出来后才会明确C)数据仓库开发是一个不断循环的过程D)数据仓库中数据的分析和处理十分灵活,没有固定的开发模式[单选题]20.下面不属于人工智能研究基本内容是（）A)机器感知B)机器学习C)自动化D)机器思维[单选题]21.OnRetDW系统建模采用的是()。A)星形模型B)雪花模型C)事实星座模型D)关系数据库模型[单选题]22.关于OLAP的特性,下面正确的是:()(1)快速性(2)可分析性(3)多维性(4)信息性(5)共享性A)(1)B)(2)C)(1)D)(1)[单选题]23.在CBD商圈，以下哪款手机的渗透率最高A)华为B)小米C)三星D)苹果[单选题]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: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[单选题]25.决策树中不包含()A)根结点B)内部结点C)外部结点D)叶子结点[单选题]26.列表对象的sort()方法用来对列表元素进行原地排序，该函数返回值为（）A)errorB)1C)0D)None[单选题]27.0.5)能够计算x的平方根，计算负数的平方根将产生：A)程序崩溃B)复数C)ValueError错误D)无输出[单选题]28.假设所分析的的数据包括属性age，它在数据元组中的值（以递增序）为13,15,16,16,19,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70，它的中位数是多少A)25B)30C)29.963D)35[单选题]29.用信息增益方法作为属性选择度量建立决策树时，已知某训练样本集的4个条件属性的信息增益分别为:G(收人)=0.940位，G(职业)=0.151位,G(年龄)0.780位,G(信誉)=0.048位,则应该选择()属性作为决策树的测试属性。A)收入B)职业C)年龄D)信誉[单选题]30.为了比较利用不同分类算法构建的分类模型的性能，可以利用图形进行比较，常用的图形包括（）。A)条形图B)ROC曲线C)饼图D)直方图[单选题]31.下列关于人工智能叙述不正确的有（）A)人工智能是科学技术发展趋势B)人工智能有力的促进了社会发展C)AI没有真的到来D)人工智能技术与其他科学技术相结合极大提高应用技术的智能化水平[单选题]32.在基于规则分类器的中，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。[单选题]33.余弦相似度适用于()情况。A)属性类型多B)属性数量多C)距离相近D)有大量零值维度[单选题]34.Python在调用efficient-apriori包中的apriori函数进行挖掘关联规则时，第二个返回值是（）。A)最小支持度B)关联规则C)频繁项集D)最小置信度[单选题]35.交叉验证如果设置K=5，会训练几次？()A)4B)5C)6D)7[单选题]36.大数据分析挖掘流程正确的是()。A)业务理解→数据理解→数据准备→建立模型→模型评估;B)业务理解→数据准备→数据理解→建立模型→模型评估;C)业务理解→数据准备→数据理解→模型评估→建立模型;D)业务理解→数据准备→模型评估→数据理解→建立模型[单选题]37.从购物篮商品集中找出商品与商品之间的关系,有助于发现同商品之间的联系()A)聚类B)分类C)预测D)关联[单选题]38.Requests库中，下面哪个是检查Response对象返回是否成功的状态属性？A)raise_for_statusB)headersC)status_codeD)status[单选题]39.以下OLAP操作中()的作用是改变维的层次,变换分析的粒度。A)切块B)平移C)钻取D)切片[单选题]40.下列哪个不是专门用于可视化时间空间数据的技术：A)等高线图B)饼图C)曲面图D)矢量场图[单选题]41.变量y与x之间的回归方程()。A)表示y与x之间的函数关系B)表示y与x之间的不确定性关系C)反映y与x之间真实关系的形式D)反映y与x之间的真实关系达到最大限度的吻合[单选题]42.以下指标中，与终端性能无关的指标是A)http响应时延B)TCP2、3次握手成功率C)4G用户附着成功率D)视频缓冲时长[单选题]43.人工智能时代来临，新竞技将更加残酷，在商场上可行的是（）A)不放弃既原有市场，寄望通过专利保护来阻挡新技术B)面对革命性的技术出现，依然固守传统思维与产品C)退出商场D)开放的心态迎接人工智能的到来，积极适应新市场，学习创造新技术[单选题]44.主成分分析方法PCA属于属于python中的哪个包()。A)sklearnB)numpyC)pandasD)scipy[单选题]45.下列___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[单选题]46.在sklearn中，下面哪个类或方法，位于preprocessing模块（）A)train_test_splitB)LabelEncoderC)accuracy_scoreD)DecisionTreeClassifier[单选题]47.720P视频源分辨率为（）A)4096*2304B)1920*1080C)720*576D)1280*720[单选题]48.Zookeeper是A)集群协调服务B)分布式应用C)AB都不对D)AB都对[单选题]49.以下不属于开源的数据挖掘工具是（）A)RapidMinerB)NLTKC)KNIMED)WEKA[单选题]50.考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同的类，因为这两个对象一般不会共享许多近邻，所以应该选择()的相似度计算方法。A)平方欧几里德距离B)余弦距离C)直接相似度D)共享最近邻[单选题]51.以下关于人工神经网络(ANN)的描述错误的有A)神经网络对训练数据中的噪声非常鲁棒B)可以处理冗余特征C)训练ANN是一个很耗时的过程D)至少含有一个隐藏层的多层神经网络[单选题]52.谷歌浏览器开发者模式打开方式不正确的为（）A)F12B)F11C)鼠标右击，点?检查?D)Ctrl+Shift+I[单选题]53.对于客户信息操作的日志应完整准确记录，确保所有操作可追溯到具体的操作人和操作依据，杜绝擅自篡改、删除记录等违规行为。属于《中国移动客户信息安全保护管理规定》中的那种原则A)敏感数据不出网原则B)质量保证原则C)可追溯原则D)最少够用原则[单选题]54.贝叶斯决策是根据()进行决策的一种方法。A)极大似然概率B)先验概率C)边际概率D)后验概率[单选题]55.关于OLAP和OLTP的区别描述,不正确的是：()A)OLAPB)与C)OLAPD)OLAP[单选题]56.在发生或者可能发生个人信息泄露、毁损、丢失的情况时,应当立即采取()措施,按照规定及时告知用户并向有关主管部门报告。()A)弥补B)补救C)救援D)相关[单选题]57.OLAP技术的核心是:()A)在线性;B)对用户的快速响应;C)互操作性.D)多维分析[单选题]58.检查省公司统一DPI系统设备安全配置合规率情况，安全配置合规率应不低于（）A)99%B)95%C)90%D)85%[单选题]59.以下叙述中()是正确的。A)在聚类中,簇内的相似性越大,簇间的差别越大,聚类的效果就越差B)聚类通常是无指导的C)k-均值是一种基于密度的聚类算法,簇的个数由算法自动地确定D)给定由两次运行k-均值产生的两个不同的簇集,误差的平方和最大的那个应该被视为较优[单选题]60.MR数据引入对基站建设规划的主要增益在于A)弱覆盖区域识别B)网速慢区域识别C)高干扰区域识别D)高价值区域识别[单选题]61.以下哪个算法是无监督学习算法（）A)DBSCANB)RandomForestRegressorC)KNND)SVC[单选题]62.BIRCH是一种(B)。A)分类器B)聚类算法C)关联分析算法D)特征选择算法[单选题]63.决策树的叶子结点对应（）。A)一个数值B)以上都可以C)某个类别D)一个线性回归方程[单选题]64.Logistic回归是在商业领域上使用最广泛的预测模型,常用于()分类变量预测和概率预测。A)四值B)三值C)二值D)一值[单选题]65.KNN的英文全写为（）A)k-NearerNeighborB)k-NearestNeighborC)k-NearNeighborsD)k-NearestNeighbors[单选题]66.k均值聚类的目标是（）。A)最大化质心距离B)最小化簇内距离的平方和C)最大化簇间距离D)簇的大小基本一致[单选题]67.以下哪种算法是分类算法（）。A)EMB)C4.5C)DBSCAND)K-Mean[单选题]68.5G时代来临，万物互联互通将不再只是纸上谈兵，互联网即将消失，进入（）时代A)数据B)物联网C)信息D)共享[单选题]69.有关数据仓库的开发特点,不正确的描述是:A)数据仓库开发要从数据出发;B)数据仓库使用的需求在开发出去就要明确;C)数据仓库的开发是一个不断循环的过程,是启发式的开发;D)在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处理更灵活,且没有固定的模式[单选题]70.面对人工智能存在的诸多伦理道德问题，下列不应当采取的行动为（）A)思考如何将人类的价值观和规范嵌入人工智能系统，赋予AI以人性的光辉B)开展人工智能伦理的研究和顶层设计，促进民生福祉改善，推进行业健康发展，掌握新一轮技术革命的主动权C)人工智能的伦理，实际上是人的问题。国家和机构需要重视，共同做出更多的努力D)发展人工智能时面对有问题的地方不去发展[单选题]71.LTE中采用CP(CyclicPrefix)的主要目的是（）A)可以抵抗多径带来的ISI和ICIB)可以提高峰值速率C)可以降低PARD)可以减小系统时延[单选题]72.有关维表中数据和维层次设计的叙述中正确的是()A)维表中数据和维层次是开发人员任意设计的B)维表中数据和维层次是开发人员根据项目需求分析来设计的C)维表中数据和维层次是由用户任意指定的D)以上都不对[单选题]73.通过聚集多个分类器的预测来提高分类准确率的技术称为A)组合(ensemble)B)聚集(aggregate)C)合并(combination)D)投票(voting)[单选题]74.云计算是对()技术的发展与运用A)并行计算B)网格计算C)分布式计算D)三个选项都是[单选题]75.Hadoop框架中两大核心是:()和MapReducEA)H.CFS;B)H.DFSC)H.EFSD)H.FFS[单选题]76.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？A)频繁模式挖掘B)分类和预测C)数据预处理D)数据流挖掘[单选题]77.当前MME测量上报周期为多少（）A)5分钟B)10分钟C)15分钟D)1小时[单选题]78.将多个指标转化为少数几个指标的一种统计分析方法是()。A)数据预处理;B)数据降维C)主成分分析D)假设检验[单选题]79.MapReduce是一种()计算模型A)集中式;B)分布式C)离散式D)放射式[单选题]80.Mapreduce适用于（）A)任意可在windowsservet2008上运行的程序B)任意应用程序C)可以串行处理的应用程序D)可以并行处理的应用程序[单选题]81.Python语句A=[1,2,3,None,[[]],[]]Print(len(a))以上代码的运行结果是（）A)4B)5C)6D)7[单选题]82.如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为()；A)无序规则B)穷举规则C)互斥规则D)有序规则[单选题]83.?点击率问题?是这样一个预测问题,99%的人是不会点击的,而1%的人是会点击进去的,所以这是一个非常不平衡的数据集.假设,现在我们已经建了一个模型来分类,而且有了99%的预测准确率,我们可以下的结论是（）A)模型预测准确率已经很高了,我们不需要做什么了B)模型预测准确率不高,我们需要做点什么改进模型C)无法下结论D)以上都不对[单选题]84.下列属于数据挖掘任务的是()。A)根据年龄对顾客进行分组B)统计每个学生的平均成绩C)协调公司各部门工作D)利用历史记录预测公司的未来股价[单选题]85.Hadoop擅长支撑hive进行（）A)数据采集B)数据计算C)日志存储D)日志搜索[单选题]86.准备好数据，进行深度学习建模时，第一步需要做的是（）A)确定激活函数B)选择网络结构C)定义学习目标D)选择优化算法[单选题]87.假设某属性的最大值和最小值分别为8000和15000，要将其映射到[0,1]，按照最小-最大规范化方法对属性进行缩放，则12600将变换为:A)0.748B)0.767C)0.715D)0.725[单选题]88.与大数据密切相关的技术是()。A)蓝牙;B)云计算C)Wi-FiD)博弈论[单选题]89.迈克尔·波特的?五力模型?中,五种竞争力量中不包括()A)新进入者B)供应商议价能力C)其他利益相关者力量D)行业中现有竞争者[单选题]90.eNodeB和SGW之间使用哪种协议？（）A)S1APB)X2APC)GTP-CD)GTP-U[单选题]91.SASEnterpriseMiner的优点不包括A)可伸缩性B)良好预测准确性C)高处理效率D)有效节省资源[单选题]92.()是统计学的基础,是统计学里面最重要的概率分布A)正态分布;B)静态分布C)动态分布D)稳态分布[单选题]93.根据《中国移动集中性能管理应用落地手册-有线宽带端到端业务质量分析》，家客业务XDR话单不包括以下哪部分？A)DPI话单B)Radius话单C)网络资源数据D)用户位置话单[单选题]94.os.path模块的下列方法，哪个是用来判断指定路径是否存在的？A)exists()B)exist()C)getsize()D)isfile()[单选题]95.考虑值集{12243324556826}，其四分位数极差是：A)31B)24C)55D)3[单选题]96.终端分版本指标量化分析中，万终端用户投诉次数的定义为A)终端时间业务范围内投诉量÷查询终端总用户数×10000B)终端时间范围内投诉量÷查询终端总用户数×10000C)终端时间业务范围内重复投诉用户数÷查询终端总投诉用户数D)投诉用户数÷终端用户数×10000[单选题]97.OLAP的含义是()A)面向对象分析处理B)面向过程分析处理C)联机事务处理D)联机分析处理[单选题]98.文件重命名的方法为（）A)writeB)renameC)readD)open[单选题]99.以下不是数据挖掘工具的是（）A)WEKAB)KNIMEC)ComnosD)Matlab[单选题]100.线性回归并没有对数据的分布进行任何假设，而逻辑回归隐含了一个基本假设：每个样本均独立服从于（）A)泊松分布B)伯努利分布（0-1分布）C)高斯（正态）分布D)伽马分布[单选题]101.通常，我们可通过实验测试来对学习器的泛化误差进行评估并进而做出选择。为此，需使用一个（）来测试学习期对新样本的判别能力A)数据集B)测试集C)模型集D)训练集[单选题]102.DHCP支持哪种类型的地址分配（）A)自动分配B)动态分配C)手工分配D)以上[单选题]103.能够完全匹配字符串?back?和?back-end?的正则表达式包括（）A)r?\w{4}-\w{3}|\w{4}?B)r?\w{4}|\w{4}-\w{3}?C)r?\S±\S+|\S+?D)r?\w*\b-\b\w*|\w*?[单选题]104.数据在规定的时间前和频度周期内接入系统的比例称为()A)指标数据自动采集率;B)指标数据接入率C)指标数据接入及时率;D)指标数据完整率[单选题]105.有关OnRetDw系统的叙述中正确的是()A)OnRetDW系统是一个实现在线交易的系统B)OnRetDW系统是一个可以完成任意商品信息分析的系统C)OnRetDW系统是一个面向特定主题的数据仓库系统D)以上都不对[单选题]106.在某文章很多话中部分或全部提到了顾客的年龄,性别,收入和工作地点,想查找这四个词之间的联系以及联系的强弱,可以用()A)回归方法B)分类方法C)聚类方法D)关联分析[单选题]107.从研究现状上看，下面不属于云计算特点的是()A)超大规模B)虚拟化C)私有化D)高可靠性[单选题]108.以下哪条属于个人信息影响的评估场景:()A)处理敏感个人信息,利用个人信息进行自动化决策B)委托处理个人信息、向第三方提供个人信息、公开个人信息C)向境外提供个人信息D)以上皆是[单选题]109.数据仓库是随时间变化的，以下叙述中错误的是()A)数据仓库随时间变化不断增加新的数据内容B)捕捉到的新数据会覆盖原来的快照C)数据仓库随时间变化不断删去旧的数据内容D)数据仓库中包含大量的综合数据，这些综合数据会随着时间的变化不断地进行重新综合[单选题]110.下面选项中t不是s的子序列的是()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}>[单选题]111.对于任一个频繁项集X和它的一个非空真子集Y，S=X-Y，规则S→Y成立的条件是（）。A)confidence(→S)≥minconfB)confidence(→Y)<minconfC)confidence(→S)<minconfD)confidence(S→Y)≥minconf[单选题]112.以下哪个指标不是用来评估回归模型（）A)R2B)MSE（MeanSquaredError）C)MAE(MeanAbsoluteError)D)Recall[单选题]113.下列度量不具有反演性的是A)系数B)几率C)Cohen度量D)兴趣因子[单选题]114.人们购买制冷用空调主要是为了在夏天获得凉爽空气,这属于空调产品整体概念中的()A)有形产品B)直接产品C)核心产品D)主要产品[单选题]115.若数据量较大,下面哪种方式比较适合()A)系统聚类B)快速聚类(k-means)C)A和B都可以D)A和B都不可以[单选题]116.()是一类机器学习技术，在学习模型时，它使用标记的和未标记的实例。A)监督学习B)无监督学习C)半监督学习D)主动学习[单选题]117.通过代码?fromsklearnimportlinear_model?引入线性模型模块,并通过代码?reg=linear_model.LinearRegression()?构造回归器对象后,在训练时要调用的方法是()。A)reg.learn()B)reg.predict()C)reg.train()D)reg.fit()[单选题]118.关于方差的描述错误的是（）A)用于两个或两个以上样本均数差异的显著性检验。B)原假设是无差异。C)对立假设是无差异D)在概率论和统计方差衡量随机变量或一组数据时离散程度的度量[单选题]119.针对非数值数据类型的分类数据在Scikit-Learn中分类特征选取的最佳方式是A)映射关系编码B)使用DictVectorizer类C)使用dict类D)特征分类编码[单选题]120.HDFS的数据块大小通常为（）A)1MB)64MC)12MD)8M[单选题]121.SQL语句中进行空值运算时,需要用到的短语是______。A)NULLB)ISNULLC)=NULLD)=ISNULL[单选题]122.决策树中的InformationGain的计算是用来?A)剪枝B)使树成长C)处理缺失值和异常值D)砍树[单选题]123.关于频繁模式，下面哪一个陈述是正确的（）A)K项集频繁则K-1项则必定不频繁B)K项集不频繁则K-1项则必定不频繁C)K项集频繁则K-1项则必定频繁D)以上说法都不正确[单选题]124.能够在字符串中匹配?aab?，而不能匹配?aaab?和?aaaab?的正则表达式（）A)r?a*?b?B)r?a{,2}b?C)r?aab?D)r?aaab?[单选题]125.关于python说法错误的是（）A)python字典中的?健?可以是元组B)python集合中元素不允许重复C)python字典中的?值?不允许重复D)python集合中的元素可以是列表[单选题]126.时间序列与一般的有序变量数列()A)都是根据时间顺序排列的B)都是根据变量值大小排列的C)前者是根据时间顺序排列的,后者是根据变量值大小排列的D)前者是根据变量值大小排列的,后者是根据时间顺序排列的[单选题]127.设X={1,2,3}是频繁项集,则可由X产生____个关联规则。A)4B)5C)6D)7[单选题]128.NLTK最适用于哪种类型的任务A)语言处理B)图像处理C)声音处理D)文字处理[单选题]129.下列基本术语描述错误的是（）A)学习（训练）：从数据中学得模型的过程B)测试：学得模型后，使用其样本进行预测的过程C)分类：输出结果是连续值D)回归：输出结果是连续值[单选题]130.关于神经网络算法，下列描述错误的是（）A)可以建构非线性的模型，模型的准确度高B)可应用的领域相当广泛，模型建构能力强。C)计算速度最快的算法D)允许输出入变量具模糊性，归纳学习较难具备此能力。[单选题]131.若有频繁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,则产生的候选4-项集不包含()。A){1,2,3,4}B){1,2,3,5}C){1,2,4,5}D)以上都不是[单选题]132.关于随机森林，错误的是（）A)随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定B)随机森林应用非常广泛，根据目标变量的取值类型大致可分为分类和回归两类C)随机森林优点：可以产生高准确度的分类器D)随机森林在bagging基础上做了修改,先从样本集中用bagging采样选出n个样本[单选题]133.给定一个置信概率和置信区域,若误差超过置信区域,则认为误差不是随机误差引起,视为异常值的判别方法()。A)聚类判别法;B)回归判别法C)抽样判别法D)统计判别法[单选题]134.连续属性（）的问题本质是：决定选择多少个分割点和确定分割点位置。任务可分为两个步骤完成。首先将连续属性排序，并通过指定n-1个分割点把它们分成n个区间。然后，将一个区间中的所有值映射到相同的分类值。A)离散化B)特征化C)多样化D)线性化[单选题]135.MapReduce能把()个应用程序分解为()个并行计算机指令，在()台计算机上执行。A)1,1,1,B)1，多，1C)多，多，1D)1，多，多[单选题]136.业务请求次数为统计一定的时间粒度及网元粒度下，ProcedureType为（）的S1-MME接口XDR的个数A)2B)3C)4D)5[单选题]137.在中移动的集中性能管理应用落地-居民区4G&宽带网络能力全景分析手册中，建立居民区与无线基站的关联模型，推荐使用的方案是：A)基于基站经纬度与居民区经纬度B)基于MR数据获得居民小区与无线小区的对应关系C)基于晚间用户常驻小区D)基于长期不移动的手机对应的基站[单选题]138.假定属性age的值如下：10，20，20，30，30，30，40。则该组数据的众数是()。A)10B)20C)30D)40[单选题]139.模型把数据学习的太彻底，以至于把噪声数据的特征也学习到了，这样就会导致在后期测试的时候不能够很好地识别数据，模型泛化能力太差,这是（）的原因A)欠拟合B)泛化误差C)过拟合D)经验误差[单选题]140.下面哪个不属于数据的属性类型：A)标称B)序数C)区间D)相异[单选题]141.已知:则s的取值是A)10B)12C)13D)15[单选题]142.人工智能是一种（）A)让人觉得不可思议的计算机程序B)与人类思考方式相似、行为相似的计算机程序C)会学习的计算机程序D)根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序[单选题]143.哪个选项不是Python语言的整数类型？A)0B1010B)0E99C)0x9aD)88[单选题]144.如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为A)无序规则B)穷举规则C)互斥规则D)有序规则第2部分：多项选择题，共47题，每题至少两个正确答案,多选或少选均不得分。[多选题]145.为了比较利用不同分类算法构建的分类模型的性能,可以利用图形进行比较,常用的图形包括()。A)直方图B)增益图C)ROC曲线D)条形图[多选题]146.统计学和数据挖掘区别在（）A)两者没有区别B)数据挖掘经常会面对尺度为GB甚至TB数量级的数据库，而用传统的统计方法很难处理这么大尺度的数据集C)两者采用的模型有区别，数据挖掘往往需要采用各种相应的数学模型和应用传统统计学以外的数学工具，才能建立最适合描述对象的模型或规则D)统计学和数据挖掘完全没有联系[多选题]147.人工网络学习的两个相似的算法：（）A)梯度下降法则B)感知器训练法则C)遗传算法D)连接分析[多选题]148.常见的评估方法有（）A)留出法B)交叉验证法C)采样法D)自助法[多选题]149.在聚类分析当中，()等技术可以处理任意形状的簇。A)MIN（单链）B)MAX（全链）C)组平均D)Chameleon[多选题]150.在进行容量估算中需要明确的因素有（）A)确定规划区的人员流量及发展趋势B)移动用户渗透率C)TDL用户占比D)业务话务模型[多选题]151.回归变差(或回归平方和)是指()A)被解释变量的实际值与平均值的离差平方和B)被解释变量的回归值与平均值的离差平方和C)被解释变量的总变差与剩余变差之差D)解释变量变动所引起的被解释变量的变差[多选题]152.在Excel中,要选定A到E列单元格,操作正确的是()A)用鼠标左键单击列号A,然后向右拖动鼠标至列号E,再释放鼠标左键B)左键单击列号A,再按下shift键不放并用鼠标左键单击列号E,最后释放shift键C)单击列号A,然后先按下Ctrl键不放,再用鼠标单击B,C,D,E列号,最后释放Ctrl键D)按shift键不放,用鼠标左键单击A,B,C,D,E的每个列号[多选题]153.()都属于簇有效性的监督度量A)轮廓系数B)共性分类相关系数C)熵D)F度量[多选题]154.TD-LTE终端形态包括（）A)手机B)数据卡C)MiFiD)CPE[多选题]155.非频繁模式__()__A)其支持度小于阈值B)都是不让人感兴趣的C)包含负模式和负相关模式D)对异常数据项敏感[多选题]156.界面整体规划设计时涉及的工作包括A)确定主题B)选择合适制作工具C)收集材料D)制作DEMO[多选题]157.以下关于非频繁模式说法,正确的是（）A)都是不让人感兴趣的B)其支持度小于阈值C)对异常数据项敏感D)包含负模式和负相关模式[多选题]158.在《居民区4G&宽带网络能力全景分析》应用中，建立常驻用户与居民区的关联模型方法有（）A)基于信令识别用户常驻居民区B)基于MR打点法识别用户常驻居民区C)基于语音话单识别用户常驻居民区D)基于用户宽带开户信息识别[多选题]159.以下哪些指标可以判断出劣化问题可能出现在核心网元？A)TCP握手时延B)服务器侧上行RTTC)服务器侧下行RTTD)HTTP响应成功率[多选题]160.for变量in序列:执行语句块中序列可以是()A)数组B)列表C)元组D)字典[多选题]161.TAU请求成功次数为统计一定的时间粒度及网元粒度下，满足以下哪两个条件（）的S1-MME接口XDR的个数A)ProcedureType=5B)ProcedureStatus=0C)ProcedureType=1D)ProcedureStatus=1[多选题]162.关于数据范式描述准确的是:A)经验科学是第一范式,主要研究模型是科学实验;B)理论科学是第二范式,主要研究模型是数学模型;C)计算科学是第三范式,主要研究模型是计算机仿真和模拟,第三范式是?人脑+电脑?,人脑是主角;D)数据密集型科学是第四范式,的主要研究模型是数据挖掘和机器学习,特别是机器学习,第四范式是?电脑+人脑?,电脑是主角。[多选题]163.以下哪些是抖音的竞品A)虎牙B)YYC)快手D)微视[多选题]164.PCRF支持的逻辑接口包括A)RxB)GxcC)GxD)X2[多选题]165.Hive数据仓库有什么特点？A)hive能够使用类SQL语言完成一定的数据分析需求B)hive的元数据可以存储在mysql中C)hive的数据存储在hdfs上能够利用分布式存储的优势D)hive支持随机查询[多选题]166.以下选项能成为子查询返回结果的是______。A)一个表B)一个值C)一列数据D)一个表达式#[多选题]167.VoLTE网络接通率的取数方法为（）A)VoLTE语音网络接通次数：xDR中字段?Interface?=Mw，且?ServiceType?=1，且?ProcedureType?=5,且?CALL_SIDE?=1,且?ALERTING_TIME?≠全F，或RESPONSE_CODE=403、或RESPONSE_CODE=404、RESPONSE_CODE=405、RESPONSE_CODE=413、RESPONSE_CODE=414、RESPONSE_CODE=415、RESPONSE_CODE=416、RESPONSE_CODE=422、RESPONSE_CODE=423、RESPONSE_CODE=480、RESPONSE_CODE=486、RESPONSE_CODE=488、RESPONSE_CODE=600、RESPONSE_CODE=603、RESPONSE_CODE=604、RESPONSE_CODE=606）的xDR个数。B)VoLTE语音始呼用户原因早释总次数：若：?SOURCE_ACCESS_TYPE?=1/2,且?DEST_ACCESS_TYPE?=1/2,则：xDR中字段?Interface?=Mw，且?ServiceType?=1，且?ProcedureType?=5,且?CALL_SIDE?=1，且?SOURCE_ACCESS_TYPE?=1/2,且?DEST_ACCESS_TYPE?=1/2,且?ProcedureEndTime?-?ProcedureStartTime?<8s,且?FIRST_FAIL_NE_IP?为SCSCFIP且?RESPONSE_CODE?=487的xDR个数。C)VoLTE语音呼叫总次数：xDR中字段?Interface?=Mw，且?ServiceType?=1，且?ProcedureType?=5,且?CALL_SIDE?=1的xDR个数D)根据MwXDR。[多选题]168.数据挖掘的预测建模任务主要包括哪几大类问题？()A)分类B)回归C)模式发现D)模式匹配[多选题]169.下列哪些指标用于聚类模型的估计（）A)silhouette_scoreB)calinski_harabaszC)R2D)F1[多选题]170.自动驾驶技术在以下（）领域实现A)大型客机B)战斗机C)高铁列车D)民用汽车[多选题]171.以下哪些指标可以通过网优平台获取？()A)无线接通率B)IMS初始注册成功率C)空口上下行流量D)E-RAB建立成功率[多选题]172.市场需求分析包含几个要素A)产品定位B)市场需求C)目标人群D)推广策略[多选题]173.C4.5克服了ID3的哪两个缺点（）A)不能直接使用信息增益B)只能使用增益率选择最优分支标准C)不能处理连续属性D)用信息增益选择属性时偏向于选择分枝比较多的属性值[多选题]174.若检验统计量F近似等于1,说明()A)组间方差中不包含系统因素的影响B)组内方差中不包含系统因素的影响C)组间方差中包含系统因素的影响D)方差分析中不应拒绝原假设[多选题]175.根据《中国移动VOLTE终端技术规范书》，可通过Ut接口设置的补充业务有（）A)闭锁所有入呼叫B)闭锁所有出呼叫C)呼叫前传D)呼叫保持[多选题]176.统一DPI的复用方式包括（）A)分光复用B)原始报文镜像复用C)会话级数据复用D)统计级数据复用[多选题]177.通过数据挖掘过程所推倒出的关系和摘要经常被称为：()A)模型B)模式C)模范D)模具[多选题]178.关于Axure的功能描述准确的是（）A)Axure可以实现页面的跳转B)Axure可以实现页面间数据的传递C)Axure可以模拟用户的日常操作D)Axure无法实现页面和元件的变量传递[多选题]179.产生过度拟合数据问题的原因有（）A)样本里的噪音数据干扰过大，大到模型过分记住了噪音特征，反而忽略了真实的输入输出间的关系B)样本抽取错误，包括样本数量太少，抽样方法错误，抽样时没有足够正确考虑业务场景或业务特点等C)建模时使用了样本中太多无关的输入变量D)在决策树模型搭建中，使用的算法对于决策树的生长没有合理的限制和修剪，决策树的自由生长有可能每片叶子里只包含单纯的事件数据[多选题]180.利Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集,在候选2-项集中需要剪枝的是()ID项集。1面包.牛奶2面包.尿布.啤酒.鸡蛋3牛奶.尿布.啤酒.可乐4面包.牛奶.尿布.啤酒5面包.牛奶.尿布.可乐A)啤酒.尿布B)啤酒.面包C)面包.尿布D)啤酒.牛奶[多选题]181.关于PGW的数据配置哪些说法是错误的？A)SGW与PGW可以合设B)不可以配置与APN对应的地址池用于动态分配用户地址C)只能配置1个相连接的PCRFD)PGW不能独立部署[多选题]182.物联网端到端定界分析?七元四阶?法中四阶包括（）A)网络接入B)业务接入C)网络切换D)业务使用质量[多选题]183.两步聚类算法特点包括（）A)适合于大型数据集的聚类研究B)同时处理数值型聚类变量和分类型聚类变量C)通过两步实现数据聚类D)根据一定准则确定聚类数目[多选题]184.在SNMP协议中，NMS（NetworkManagementStation）向代理（Agent）发出的报文有哪些A)GETB)GETNEXTC)SETD)REQUEST[多选题]185.以下哪些指标维度可能为影响网络满意度指标维度A)经分特性B)上网感知C)行为偏好D)覆盖质量[多选题]186.（）这些数据特性都是正确聚类分析具有很强影响的。A)高维性B)规模C)稀疏性D)噪声和离群点[多选题]187.大数据四大特征:A)速度快B)数据量大C)价值密度低D)类型多[多选题]188.统计决策的基本原则是()A)可行性B)发展性C)合理性D)经济性[多选题]189.在中移动的集中性能管理应用落地-物联网端到端业务质量分析手册中，对于业务接入成功率，定界流程为：A)身份识别环节B)默认承载建立环节C)DNS解析环节D)TCP建链环节E)业务环节[多选题]190.以下各项均是针对数据仓库的不同说法，你认为正确的有（）。A)数据仓库就是数据库B)数据仓库是一切商业智能系统的基础C)数据仓库是面向业务的，支持联机事务处理（OLTP）D)数据仓库支持决策而非事务处理E)数据仓库的主要目标就是帮助分析，做长期性的战略制定[多选题]191.DPI设备应遵循的协议识别能力要求中，属于必选协议的有（）A)HTTPSB)H.323C)TelnetD)SNMPE)TSL第3部分：判断题，共55题，请判断题目是否正确。[判断题]192.预测性分析是数据分析的最高阶段,可以直接产生商业价值。A)正确B)错误[判断题]193.对文件进行读写操作之后必须显式关闭文件以确保所有内容都得到保存。A)正确B)错误[判断题]194.内连接查询INNERJOIN可以获得两个表中连接字段值相等的所有记录。A)正确B)错误[判断题]195.Python变量使用前必须先声明，并且一旦声明就不能在当前作用域内改变其类型了。A)正确B)错误[判断题]196.k-means聚类算法无论对离散型属性，还是对连续型属性具有较好的聚类效果。A)正确B)错误[判断题]197.盈亏平衡分析是静态分析,不考虑资金的时间价值和项目寿命周期内的现金流量的变化。A)正确B)错误[判断题]198.定量属性可以是整数值或者是连续值。A)正确B)错误[判断题]199.数据分类由两步过程组成：第一步，建立一个聚类模型，描述指定的数据类集或概念集；第二步，使用模型进行分类。()A)正确B)错误[判断题]200.分类是预测数据对象的离散类别，预测是用于数据对象的连续取值。()A)正确B)错误[判断题]201.如果URL中包含了中文，则可以使用urlencode()方法进行编码。A)正确B)错误[判断题]202.使用resquests库向网站发送HTTP请求时，如果网站限制了python程序的爬取，可以通过添加Headers参数将其伪装为浏览器访问。A)正确B)错误[判断题]203.数据仓库中间层OLAP服务器只能采用关系型OLAPA)正确B)错误[判断题]204.定义Python函数时必须指定函数返回值类型。A)正确B)错误[判断题]205.登录网站时，只有浏览器发送的请求才能获得响应内容。A)正确B)错误[判断题]206.逐层发现算法Apriori发现频繁项集的过程是按照项集的长度由大到小逐级进行的。A)正确B)错误[判断题]207.‌ID3的分裂属性选择条件是选择信息增益最大的作为分裂属性。A)正确B)错误[判断题]208.分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。A)正确B)错误[判断题]209.相同内容的字符串使用不同的编码格式进行编码得到的结果并不完全相同。A)正确B)错误[判断题]210.爬虫爬取的是网站后台的数据。A)正确B)错误[判断题]211.爬虫是手动请求万维网网站且提取网页数据的程序。A)正确B)错误[判断题]212.使用del命令或者列表对象的remove()方法删除列表中元素时会影响列表中部分元素的索引。A)正确B)错误[判断题]213.使用列表对象的remove()方法可以删除列表中首次出现的指定元素，如果列中不存在要删除的指定元素则抛出异常。A)正确B)错误[判断题]214.聚类分析的过程中,聚类效果较好时属于同一个簇的对象相似度很高,而属于不同簇的对象相似度很低。A)正确B)错误[判断题]215.已知x=list(range(20))，那么语句delx[::2]可以正常执行。A)正确B)错误[判断题]216.线性回归模型的拟合优度可采用可决系数进行评判。可决系数越高,模型拟合效果越好;可决系数越小,模型拟合效果越差。A)正确B)错误[判断题]217.对于大量列表的连接，extend()方法比运算符+具有更高的效率。A)正确B)错误[判断题]218.DSS主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。()A)正确B)错误[判断题]219.给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。A)正确B)错误[判断题]220.数据分析往往有比较明确的目标。()A)正确B)错误[判断题]221.反爬虫主要有以下几种方式：通过UA判断、通过单IP频繁访问判断、通过Cookie判断、动态页面加载、采用验证码。A)正确B)错误[判断题]222.在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。A)正确B)错误[判断题]223.特征提取技术并不依赖于特定的领域。A)正确B)错误[判断题]224.小项目集的任一非空子集可能是小的也可能是大的A)正确B)错误[判断题]225.如果属性不是离散的,则它是连续的。A)正确B)错误[判断题]226.统计选修各门课程人数的SELECT语句为:SELECT课程号,SUM(学号)FROM成绩GROUPBY课程号;。A)正确B)错误[判断题]227.已知x是一个足够大的numpy二维数组，那么语句x[0,2]=4的作用是把行下标为0、列下标为2的元素值改为4。A)正确B)错误[判断题]228.数据挖掘主要构建四大类模型包括:分类、聚类、预测和关联()A)正确B)错误[判断题]229.文本挖掘又称信息检索，是从大量文本数据中提取以前未知的、有用的、可理解的、可操作的知识的过程。()A)正确B)错误[判断题]230.回归分析预测的值是连续的A)正确B)错误[判断题]231.多次抛一枚硬币,正面朝上的频率是1/2。A)正确B)错误[判断题]232.可视化技术正确于分析的数据类型通常不是专用性的。A)正确B)错误[判断题]233.Python标准库os中的方法startfile()可以启动任何已关联应用程序的文件，并自动调用关联的程序。A)正确B)错误[判断题]234.对于SVM分类算法，待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。()A)正确B)错误[判断题]235.如果访问某网站的频率太高，则这个网站可能会禁止访问。A)正确B)错误[判断题]236.召回率反映的是预测为正中的样本中正例的概率。()A)正确B)错误[判断题]237.提取声波的频率，是数据挖掘任务。A)正确B)错误[判断题]238.标准差越小,表示离散程度越小,风险越大;反之离散程度越大,风险越小。A)正确B)错误[判断题]239.已知x为非空字符串，那么表达式?,?.join(x.split(?,?))==x的值一定为True。A)正确B)错误[判断题]240.以读模式打开文件时，文件指针指向文件开始处。A)正确B)错误[判断题]241.Web数据挖掘是通过数据库仲的一些属性来预测另一个属性,它在验证用户提出的假设过程中提取信息.A)正确B)错误[判断题]242.具体来讲,若一个项集X的支持度大于用户给定的一个最小支持度阈值,则X被称为频繁项集(或频繁模式)。A)正确B)错误[判断题]243.数据取样时，除了要求抽样时严把质量关外，还要求抽样数据必须在足够范围内有代表性。()A)正确B)错误[判断题]244.在一元回归分析中，用r表示因变量对自变量的相关系数，当|r|接近0时，说明因变量与自变量之间的线性关系就好。A)正确B)错误[判断题]245.数据仓库中间层OLAP服务器只能采用关系型OLAP()A)正确B)错误[判断题]246.无法删除集合中指定位置的元素，只能删除特定值的元素。A)正确B)错误第4部分：问答题，共14题，请在空白处填写正确答案。[问答题]247.数据挖掘的两大基本目标是______和______。[问答题]248.选取最前面的两个属于bookstore元素的子元素的book元素[问答题]249.8.属性A的()定义为属性A的信息增益与获取A信息所付出代价的比值。[问答题]250.数据集成的核心任务是要将____的分布式异构____集成到一起，使用户能够以透明的方式访问这些数据源。[问答题]251.在进行模型训练时，很容易出现过拟合和欠拟合问题。一般地，模型越复杂，越容易出现______。[问答题]252.字典对象的_方法可以获取指定?键?对应的?值?，并且可以在指定?键?不存在的时候返回指定值，如果不指定则返回None。[问答题]253.假定某课程的分数的值如下:(按递增顺序)32,52,56,66,70,70,72,75,75,78,80,81,85,85,85,88,88,90,92,95试回答以下问题:（1）使用最小-最大规范化,将score值72转换到[0.0,1.0]区间.（2）使用z-score规范化转换score值72,其中score的平均分为75.75,标准差为15.37.[问答题]254.数据分类过程有()阶段和()阶段两个阶段，其中()阶段负责构建分类模型，()阶段负责使用模型预测给定数据的类标号。[问答题]255.决策树的剪枝一般通过____决策树整体的损失函数或代价函数来实现。[问答题]256.____是一个用于处理字符串的强大工具。[问答题]257.数据规范化主要包括____处理和____处理两个方面。[问答题]258.通过____方法,可以对预定义的空字典进行赋值[问答题]259.关联规则的挖掘过程主要包含两个阶段：______和______。[问答题]260.列表对象的sort()方法用来对列表元素进行原地排序，该函数返回值为。1.答案:C解析:2.答案:C解析:3.答案:D解析:4.答案:D解析:5.答案:C解析:6.答案:B解析:7.答案:D解析:8.答案:A解析:9.答案:A解析:10.答案:A解析:11.答案:C解析:12.答案:D解析:13.答案:B解析:14.答案:D解析:15.答案:B解析:Python语言的缩进只要统一即可，不一定是4个空格（尽管这是惯例）。16.答案:A解析:17.答案:D解析:18.答案:D解析:19.答案:B解析:20.答案:C解析:21.答案:A解析:22.答案:D解析:23.答案:D解析:24.答案:D解析:25.答案:C解析:26.答案:D解析:27.答案:B解析:28.答案:A解析:29.答案:A解析:30.答案:B解析:31.答案:C解析:32.答案:B解析:33.答案:D解析:34.答案:B解析:35.答案:B解析:36.答案:A解析:37.答案:D解析:38.答案:C解析:题型：39.答案:C解析:40.答案:B解析:41.答案:D解析:42.答案:A解析:43.答案:D解析:44.答案:A解析:45.答案:A解析:46.答案:B解析:47.答案:D解析:48.答案:D解析:49.答案:B解析:50.答案:D解析:51.答案:A解析:52.答案:B解析:f11无法打开53.答案:C解析:54.答案:D解析:55.答案:C解析:56.答案:B解析:57.答案:D解析:58.答案:D解析:59.答案:B解析:60.答案:A解析:61.答案:A解析:62.答案:B解析:63.答案:C解析:64.答案:C解析:65.答案:B解析:66.答案:B解析:67.答案:B解析:68.答案:B解析:69.答案:A解析:70.答案:D解析:71.答案:A解析:72.答案:B解析:73.答案:A解析:74.答案:D解析:75.答案:B解析:76.答案:C解析:77.答案:C解析:78.答案:C解析:79.答案:B解析:80.答案:C解析:81.答案:C解析:82.答案:C解析:83.答案:C解析:84.