学堂在线 R语言数据分析 章节测试答案

第一章1、

多选题等号可以表示那些含义？A等同于B定义为C映射D联系ABCD2、

判断题

对于照片中人的年龄识别，可以认为是将特征取值与人类可能的年龄划上了等号对3、

判断题

在玻意耳定律中，体积与压强(经过变换)之后划上了等号，表明二者质非相同，量却相等对4、

判断题机器学习中的有监督学习，主要体现为在自变量与因变量之间划上等号对5、

单选题若要将邮件文本特征与是否是垃圾邮件划上等号，必须完成以下哪项工作？A过滤垃圾邮件B建立模型C绘制词云D文本情感分析B第二章1、

判断题分类是无监督学习的代表，聚类是有监督学习的代表错2、多选题

以下哪些行为可以视为归类行为A识别火源B打开灭火器C喷射泡沫D确认火已扑灭AD3、多选题从认知的角度看，以下说法正确的是A概念化是归类B学习是归类C感知是归类D决策是归类ABCD4、

判断题一般认为，数据挖掘可以包含数据分析技术和数据管理技术对5、

多选题

机器所能学到的知识包括A模式B模型C算法D函数ABD6、

判断题

关联规则主要表现为项集之间的因果关系错7、判断题

聚类分析的结果主要表现为数据空间的距离结构对8、

判断题

模型不在于构建，而在于选择对9、单选题

就逻辑推理方式而言，训练模型的过程属于A归纳B演绎C都是D都不是A10、

单选题就逻辑推理方式而言，将模型应用于预测的过程属于A归纳B演绎C都是D都不是B11、

判断题为确保模型的有效性，需要采用数学的方法对算法习得的模型进行证明错12、

判断题结构风险最小化策略，主要是为了提升模型在训练集上的性能指标错第三章1、

判断题所有的模型都是错的，但有些是有用的对2、判断题

无监督学习本身没有类标签，因此无法判断模型是否正确，也无需开展模型评估错3、

判断题相关关系不能等同于因果关系对4、

判断题数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已对5、

判断题

在集成学习中，单个分类器一般称之为弱分类器，组合分类器称之为强分类器对6、判断题数据密集型科学发现是一种新的范式，无需掌握机理模型，也无需了解业务背景错第四章1、

判断题

数学是研究模式的科学对2、

多选题

以下属于有监督学习算法的有A近邻法Bk-均值C随机森林D孤立森林AC3、判断题

在最近邻法中，每个训练样本的势力范围是半径为r的球体错4、

判断题近邻法分类的基本原理是根据数据空间中距离的远近，将测试点分配至不同的类中心错5、

判断题

决策树的构建过程，主要是通过属性取值不同，对空间进行细分，在细分空间中标签足够纯，从而实现分类对6、

判断题

随机森林的总体结构依然是一棵决策树，树的分枝又由若干棵决策树构成错7、

判断题

朴素贝叶斯分类器是将特征属性的取值作为新的证据，对对象所属类别的先验概率进行调整，从而实现分类对8、

判断题

逻辑斯蒂回归模型可以作为神经网络的计算节点对9、

判断题支持向量机是在特征张成的数据空间中，通过分类超平面实现类别的划分对10、

判断题

对于特定情境的建模问题，正确的答案、正确的模型应该是唯一的错第五章1、判断题

R是一个数据分析和绘图的环境对2、

判断题

R只适合传统统计，不适合机器学习和数据挖掘等任务错3、判断题

大部分数据科学团队，都同时使用两种以上的工具，如R和Python对4、判断题本课程代码及数据托管于对第六章1、

单选题

以下选项中，不包含在CRISP-DM数据处理流程中的是：A数据理解B建模C推理D评估C2、多选题

R代码的组成部分有A数据对象B函数调用C注释D变量定义ABC3、

判断题

R编码的基本过程可以概括为“利用别人的包和函数，讲述自己的故事”对4、

多选题

R里边的循环结构有哪些实现方式A、forB、whileC、untilD、repeatABD5、

判断题

repeat循环体中必然有一条next语句，否则会形成死循环错6、多选题欲查询if的帮助文档，正确的语句是A、help('if')B、?ifC、?'if'D、?"if"ACD7、多选题与1+1等价的语句有A、'+'(1,1)B、"+"(1,1)C、%+%(1,1)D、ABD8、

判断题

magrittr扩展包中的管道操作符lhs%>%rhs是一个函数，lhs和rhs分别为一个数据对象及函数对象对9、判断题

泛型函数可以根据对象所属类型的不同，执行不同的操作对10、

判断题

常见的+属于泛型函数，ggplot2扩展包对其进行了扩展对第七章1、多选题对于向量x<-c(first=1,second=2,third=3),合法的访问方式有：A、x[c(1,2,1,3)]B、x[c(-1,2,3)]C、x[c(-1,-3)]D、x[c('first',"third")]ACD2、单选题语句1:10-1:3的结果是A、0003336669B、00045678910C、0122344569D、语法错误，无结果A3、

单选题

语句sort(c(3,1,4,1,5,9,2,6))的结果是：A、11234569B、96543211C、68531724D、24713586A4、单选题语句order(c(3,'.',1,4,1,5))的结果是A、".""1""1""3""4""5"B、"5""4""3""1""1""."C、641352D、235146D5、

单选题用以表征等级、规模的变量，属于以下哪种变量A定类变量B定序变量C定距变量D定比变量B6、判断题

利用R语言进行有监督学习，若将其视为分类问题对待，则因变量一般要转换为因子对7、

多选题可以作为矩阵M的列下标的是A落入区间[1,ncol(M)]的正整数B落入区间[-ncol(M),-1]的负整数C长度为ncol(M)的逻辑向量D由names(M)中元素组成的字符向量ABCD8、

判断题

无论外部数据是图片、音频还是文本，均可转换为向量/因子/矩阵/数组/列表/数据框中的某种类型之一对9、

判断题数组对象可通过array()函数创建对10、

单选题

若字符向量partA是列表my_list的第1个组成部分，那么my_list[1]的结果是A列表对象B字符对象C序号对象D空对象A11、

多选题对于列表my_list的第一个组成部分partA，以下描述正确的是：A语句my_list['partA']与my_list[['partA']]等价B语句my_list$partA与my_list[[1]]等价C语句my_list[[1]]与my_list[['partA']]等价D语句my_list$partA与my_list[['partA']]等价BCD12、单选题在R语言数据建模中，用得最多的数据对象是A向量B列表C因子D数据框D13、单选题

要将数据框df(包含3列)的第2列和第3列调换位置，正确的代码是A、df<-df[,c(1,3,2)]B、df[,c(1,3,2)]C、df<-df[c(1,3,2),]D、df[c(1,3,2),]A第八章1、判断题

magrittr扩展包中的管道操作符，x%>%f%>%g表示f(g(x))错2、判断题

x%>%f(y,z,.)等价于f(x,y,z)错3、

判断题x%>%tail(n=3)等价于tail(x,n=3)对4、判断题df%>%select(1:3)%>%tail(n=3)表示选取数据框df的前三列后三行对5、判断题

df%>%mutate(sum3=rowSums(.[1:3]))表示基于df产生一个临时对象，该对象比数据框df多一列sum3，且sum3为df前三列之和对6、

多选题以下代码中，表示将数据框df按照其中的col1列从高到低进行排序的是A、df%<>%arange(desc(col1))B、df%<>%arange(col1)C、df%>%arange(desc(col1))->dfD、df%>%arange(desc(col1))AC7、判断题tidyr::spread()的功能是将长的数据变为宽的数据对8、判断题

tidyr::gather()的功能是将宽的数据变为长的数据对9、

单选题分组之后进行summarise(freq=n())，此处的freq表示A每组的记录数B总的记录数C每组的列数D总的列数A10、

多选题在dplyr扩展包中，列操作的函数有A、select()B、mutate()C、filter()D、arrange()AB11、

多选题

在dplyr扩展包中，行操作的函数有A、select()B、mutate()C、filter()D、arrange()CD12、

判断题

宽数据变为长数据，将由之前的若干列变为两列对13、单选题对于一个100×8的数据框，若将其中的5列数据由宽变长，变换之后的数据框的行列数分别为A100行8列B500行8列C500行5列D100行5列C第九章1、

多选题

数据框中的列，可表达的含义有A属性B特征C数据空间的维度D变量ABCD2、

多选题

数据框中的行，可表达的含义有A样本B观测记录C特征向量D数据空间中的数据点ABCD3、判断题

数据框可视为函数的三种表达方式之一——列表法对4、判断题

数据框的每一行，表现为数据空间中的一个点对5、判断题数据空间中的列，可以作为数据空间的维度对6、

判断题

数据框中的自变量，一般都表现为数据空间的维度，而因变量的取值（如类别），一般表现为数据点的标签对7、

多选题

数据框中蕴含的关系结构包括A映射关系B距离关系C伴随关系D相关关系ABCD第十章1、单选题在R语言中，茎叶图可通过以下哪个函数实现A、graphics::stem()B、graphics::barplot()C、graphics::boxplot()D、graphics::hist()A2、判断题在ggplot绘图系统中，几何映射geom与统计变换stat是成对出现对3、单选题

在ggplot2绘图系统中，通过以下哪个函数绘制概率密度图A、geom_densityB、geom_pointC、geom_stepD、geom_histA4、判断题

箱线图通过分位数来刻画数据的分布对5、多选题

在箱线图中，符合以下哪些条件的数据被视为异常数据A大于Q3+1.5*IQRB小于Q1-1.5*IQRC处于上边界或下边界之外的数据D处于中位数附近的数据ABC6、

多选题

哪些统计量可用来刻画数据的分散程度A极差B四分位距C标准差D中位数ABC7、单选题可直接用来计算相关系数的函数是A、stats::cor()B、stats::cov()C、stats::dist()D、stats::density()A8、

单选题

层峦叠嶂图属于何种分组图形A分组箱线图B分组概率密度图C分组直方图D分组茎叶图B9、

判断题

数据空间的密度，可定义为单位体积内数据的质量错10、

判断题

在计算Hopkins统计量时，随机抽取的点的个数，一般接近于记录数错第十一章1、判断题

关联分析（AssociationAnalysis）用于发现隐藏在大型数据集中有意义的联系，所发现的联系可以用频繁项集或关联规则的形式表示对2、

判断题

项集出现的频度是包含该项集的事务数，简称为项集的支持度错3、

判断题如果项集的支持度满足预定义的最小支持度阈值，称之为频繁项集对4、

判断题

规则X→Y的置信度定义为P(Y|X)对5、

判断题

Apriori算法所基于的先验性质是：非频繁项集的超集必定是非频繁的对6、单选题

在Apriori算法中，在得到频繁的k-1项集之后，通过以下哪种连接方法，生成k-项集候选A所有的k-项集都看做可能的候选集B通过频繁的k-1项集和频繁的1项集连接生成频繁的k-项集候选C通过合并一对频繁的k-1项集生成频繁的k项集候选D以上都不是C7、

判断题如果规则X→(Y-X)不满足置信度阈值，则规则X'→(Y-X')的规则也一定不满足置信度阈值，其中X为X'的真子集错8、

判断题满足最小支持度和置信度要求的规则X→Y是强规则，意味着X的出现有助于促进Y的出现错9、

多选题

对于规则X→Y和规则Y→X，相同的度量指标是A支持度B置信度C提升度D因果置信度AC10、判断题

若要通过arules::apriori挖掘若干连续变量之间的关联关系，通常需要对这些变量进行离散化处理对11、判断题

apriori算法采用逐层递进的方法生成频繁项集。若事务记录中共有N个项，则首先查找频繁的N项集，在此基础上查找频繁的N-1项集候选，逐层递进错12、

判断题

在Apriori算法中，需要先生成关联规则，然后才可以生成频繁项集错13、判断题支持度用以减少偶然性，置信度用以增加推断能力。因此，支持度设为0.8，置信度设为0.01是一个合理的参数设置错14、判断题设I={I1,I2,I3,I4,I5}，若频繁3-项集为{I1,I2,I3},{I1,I2,I4}，则可以将{I1,I2,I3,I4}作为频繁的4-项集候选错15、

判断题

由于Apriori在挖掘规则的过程中，已经设置了支持度和置信度，因此对于挖出的规则无需进行评估错16、判断题

若规则X→Y大于预先定义的最小支持度阈值和最小置信度阈值要求，则表明Y伴随X出现，X与Y是正相关关系错17、判断题规则X→Y所表示的只是伴随关系，而非因果关系，即：X伴随着Y的出现而出现错18、判断题

在支持度、置信度框架之下，FP-Growth等算法，可以挖出比Apriori算法更多更好的规则错第十二章1、判断题分类与回归的核心任务是建立函数关系y=f(X)，若y为数值变量，称之为回归；若y为类别变量，称之为分类对2、

多选题以下关于近邻法的描述，正确的是A近邻法是惰性学习方法B测试记录的标签，取决于训练集中离得最近的k条记录C若近邻数k=1，称之为最近邻法D邻近性可通过欧氏距离、曼哈顿距离等不同的指标进行度量ABCD3、

多选题决策树建模过程中，常用的不纯度指标有A分类错误率BGini指数C信息增益D增益率ABCD4、单选题分类回归树CART可通过以下哪个函数实现A、e1071::naiveBayes()B、stats::hclust()C、rpart::rpart()D、nnet::nnet()C5、

多选题以下用于rpart树模型可视化的函数有A、rpart::predict.rpart()B、rpart.plot::rpart.plot()C、rpart::plot.rpart()D、rpart::text.rpart()BCD6、

判断题

随机森林建模过程中，通过有放回的抽样方法得到自助样本，样本大小一般是原数据集的36%左右错7、

判断题在朴素贝叶斯分类器中，假定特征之间相互独立对8、判断题贝叶斯公式p(y|X)=p(y)*(p(X|y)/p(X))用以分类，可将p(X|y)/p(X)视为X出现时对于y的提升程度对9、判断题

逻辑斯蒂回归可以视为广义线性模型，其连接函数为logit函数对10、

判断题

在神经网络训练过程中，为了实现节点间权值的迭代优化，需要利用本节点的输出与实际值的偏差信息错11、判断题

对于线性可分但存在噪声点数据的情形，支持向量机通过引入松弛变量的方法进行处理对12、

多选题在R语言中，可用以支持向量机建模的函数有：A、kernlab::ksvm()B、stats::glm()C、e1071::svm()D、kknn::kknn()AC第十三章1、

判断题聚类分析将对象分成不同的簇，使得簇内对象彼此相似，簇间对象彼此相异对2、判断题聚类属于无监督学习，和分类不同，需要在预先不知道分类的情况下，将数据划分成有意义或有用的簇，捕获数据的自然结构对3、

多选题

以下属于数据标准化方法的有Amin-max标准化Bz-score标准化C正项序列归一化D连续数据离散化ABC4、单选题R语言中可直接用于数据标准化的函数有：A、base::mean()B、base::scale()C、stats::sd()D、e1071::kurtosis()B5、

判断题

欲判断数据是否适合聚类，可计算相应的Hopkins统计量。一般而言，Hopkins统计量接近于0.5，更适合开展聚类分析错6、

判断题

综合考虑凝聚性和分离性，可采用轮廓系数silhouettecoefficient评估聚类结果对7、

多选题计算轮廓系数时，至少需要给定的两个参数是：A对象之前的距离B聚类所采用的方法C对象所属的类D类中心的位置AC8、

多选题在R语言开源生态中，与kMeans算法相关的函数有A、stats::kmeans()B、fpc::kmeansruns()C、fpc::kmeansCBI()D、kknn::kknn()ABC9、判断题在k-Means建模过程中，若通过轮廓系数来优选k的取值，则轮廓系数最小的k值，为最优k值错10、判断题

层次聚类hierarchicalclustering在不同层次上对数据集进行划分，通过树状图dendrogram来表征对象的远近关系对11、判断题自下而上的层次聚类方法，其基本过程是每一次合并最接近的两个簇，直至仅剩下一个簇对12、

多选题簇之前的距