雨课堂学堂在线学堂云《python数据挖掘（青岛）》单元测试考核答案

第1题数据取样时，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。第2题分类是总结已有类别对象的特点，并根据这些特点，进行未知类别对象的类别预测的过程，又可称为无监督学习。第3题数据挖掘是从大量的数据中筛选出有效的、可信的以及隐含信息的高级处理过程。第4题数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成数据描述、预测数据等任务.第5题数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成数据描述、预测数据等任务。第1题定量属性可以是整数值或者是连续值。第2题卡方测试用来度量离散标称属性数据的相关性。第3题数据清洗的主要目的是将数据集中存在的什么问题进行处理，降低其对后续数据分析处理的影响。A噪声B缺失C最大值D最小值正确答案：BC第4题下列对学生的描述属性中，标称属性的属性是：A头发颜色B身高C婚姻状况D学号正确答案：AC第5题给定df是一个DataFrame对象，对df所有字段进行描述性统计，可以利用的方法为：Adf.summary()Bdf.statistics()Cdf.describe()Ddf.mean()第6题descirbe()函数统计各个属性的非空值数、平均值、标准差、最大值、最小值以及默认为（25%、50%、75%）分位数等。第7题指定k1,k2两列，去除重复保留出现的第一行，可用drop_duplicates([‘k1’,‘k2’]])。第8题采用分箱方法不能进行数据离散化。第9题数据归约是用来得到数据集的归约表示，它比源数据集小得多，但仍接近于保持源数据的完整性。第10题数据取样时，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。第四章关联分析技术章节测试第1题给定最小支持度阈值minsup，一个频繁项集的所有非空子集都是频繁的。第2题逐层发现算法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。第3题在多层次关联规则分析中，如果将商品进行归类，每一商品类别的支持度会（）其包含的每个商品的支持度，从而有利于发现一些有意义的频繁模式或关联规则。A大于B不确定C小于D等于第4题非频繁项集的超集有可能是频繁的。第5题只要有两个频繁3项集，就一定能够生成一个候选4项集。第6题频繁项集的非空子集一定是频繁项集。第7题寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。第8题数据库有5个事物，设min_sup=60%，min_conf=80%。TID购买的商品I100{M,O,N,K,E,Y}I200{D,O,N,K,E,Y}I300{M,A,K,E}I400{M,U,C,K,Y}I500{C,O,O,K,I,E}使用Apriori算法找出所有频繁项集包括：A频繁1项集：{M}，{O}，{K}，{E}，{Y}B频繁2项集：{M,K},{O,K},{O,E},{K,E},{K,Y}C频繁3项集：{O,K,E}D频繁4项集：{O,N,K,E}正确答案：ABC第9题设X={1,2,3}是频繁项集,则可由X产生关联规则的个数为()A4B5C6D7第五章决策树章节测试第1题如何查看决策树的测试精度？Aconfusion_matrix()函数Bscore()函数Cfit()函数D其他选项都不对。第2题andom_state若设置为3，则每次得到的数据不一样。第3题tree.Plot_tree()的作用是定义一棵决策树。第4题在使用sklearn.tree.DecisionTreeClassifier返回每个叶子的索引应该使用如下哪个函数？Adecosion_path()Bget_depth()Capply()Dget_n_leaves()第5题在使用sklearn.tree.DecisionTreeClassifier设置决策树时使用max_depth设置最大树深度。第6题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。第7题决策树方法可用于连续数据离散化。第8题决策树方法可以称为一种数据挖掘技术，也可以称为一种机器学习技术，所以数据挖掘和机器学习是一样的。第9题设训练样本集包含{ID，收入（万元），婚否，爱旅游}四个特征，8条记录如表所示，采用C4.5算法进行连续属性划分，通过构建决策树，输出规则为：ID收入

婚否

爱旅游1

2.5

否

否2

12

否

是3

3否

否4

3.2

是

是5

4

否

否6

4.8

否

否7

6.8

是

是8

9.8

否

是AIf

收入<5.8and

婚否=“是”，则爱旅游=“是”；BIf

收入<5.8and

婚否=“否”，则爱旅游=“否”；CIf

收入>5.8and

婚否=“否”，则爱旅游=“否”；DIf

收入>=5.8，则爱旅游=“是”。正确答案：DBA第七章朴素贝叶斯章节测试第1题Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。第2题朴素贝叶斯算法在对属性个数比较多或者属性之间相关性较大时，分类效果更好。第3题朴素贝叶斯算法的主要缺点包括：A虽然理论上、朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型给定输出类别的情况下,假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。而在属性相关性较小时，朴素贝叶斯性能最为良好。对于这一点，有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进。B事先并不知道先验概率，先验概率很多时候取决于假设，假设的模型可以有很多种，因此在某些时候会由于假设的先验模型的原因导致预测效果不佳。C由于我们是通过先验和数据来决定后验的概率从而决定分类，所以分类决策存在一定的错误率。D对输入数据的表达形式很敏感。正确答案：ABCD第4题在sklearn中，朴素贝叶斯种类有多种，包含：AGaussianNBBMultinomialNBCBernoulliNBDBayes正确答案：ABC第5题以下哪个算法和朴素贝叶斯算法类似。AC4.5BK-meansCopticsDbirch第6题高斯朴素贝叶斯分类公式中的每个特征都是离散的。第7题后验概率P(H|X)表示条件X下H的概率。第8题先验概率是根据历史资料或主观估计的方法得到的概率。第十章划分聚类章节测试第1题关于k-means算法，正确的描述是：A能找到任意形状的聚类B初始值不同，最终结果可能不同C每次迭代的时间复杂度是O(n^2)，其中n是样本数量D不能使用核函数(kernelfunction)第2题K-Means算法中的初始中心点：A可随意设置B必须在每个簇的真实中心点的附近C必须足够分散D

直接影响算法的收敛结果第3题聚类分析可以作为其它算法的预处理步骤，如数据离散化，数据归约等。第4题简单地将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作A层次聚类B划分聚类C密度聚类D模糊聚类第5题假设数据挖掘的任务是将如下8个点（用（x，y）代表位置）聚类为3个簇：A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9)距离函数是欧式距离。假设初始选择A1，B1和C1分别为每个聚类的中心，用K-平均算法来给出在第一次循环执行后的三个聚类中心:A(2,10),(5,8),(1,2)B(2,10),(6,6),(2,3)C(2,10),(6,6),(1.5,3.5)D(2,10),(5,8),(2,3)第6题设有6个二维样本点,p1(0,0),p2(1,2),p3(3,1),p4(8,8),p5(9,10),p6(10,7),若想将其聚类为2类,首先选择p1和p2为两类中心点,采用欧式距离测算方式,则第一轮划分结束,新生成的簇中心点分别为:()A(0,0),(1,2)B(0,0),(6.2,5.6)C(1,2),(8,8)D(0.5,1),(8,8)第十一章层次聚类章节测试第1题BIRCH算法利用了一个树结构来帮助我们快速的聚类，这个数结构类似于平衡B+树，一般将它称之为聚类特征树第2题在scikit-learn中，BIRCH类的重要参数不多,以下对其参数描述正确的是：Athreshold:即叶节点每个CF的最大样本半径阈值T。Bbranching_factor：即CFTree内部节点的最大CF数B，以及叶子节点的最大CF数L。Cn_clusters：即类别数K，在BIRCH算法是可选的，如果类别数非常多，我们也没有先验知识，则一般输入None。Dcompute_labels：表示标示类别数量，默认是整数1。正确答案：CBA第3题BIRCH算法的主要优点有：A节约内存，所有的样本都在磁盘上，CFTree仅仅存了CF节点和对应的指针。B聚类速度快，只需要一遍扫描训练集就可以建立CFTree，CFTree的增删改都很快。C可以识别噪音点，还可以对数据集进行初步分类的预处理。D更适合数据特征维度非常大的样本。正确答案：BAC第4题BIRCH是一种：A分类器B聚类算法C关联分析算法D特征选择算法第5题在对Brich进行参数定义时，簇直径越小越好。第6题BIRCH是一种A分类器B聚类算法C关联分析算法D特征选择算法第7题在下表中给定的样本上进行合并（凝聚）层次聚类，初始簇{1}，{2}，{3}，{4}，{5}，{6}，{7}，{8}.假定算法的终止条件为3个簇，则此3个簇为：序号属性1属性2序号属性1属性21210575225664384712458849A最后3个簇为：{2，5}，{1，7，8}，{3，4，6}B最后3个簇为：{2，4，7}，{1，3，8}，{5，6}C最后3个簇为：{1，2，7}，{4，5}，{3，6，8}D最后3个簇为：{2，7}，{1，4，8}，{3，5，6}第十二章密度聚类章节测试第1题OPTICS

算法仅存储了每个对象的核心距离。第2题下列选项中关于OPTICS算法说法正确的是：AOPTICS算法的提出就是为了帮助DBSCAN算法选择合适的参数，降低输入参数的敏感度。BOPTICS算法往往只能发现凸形的聚类簇。COPTICS算法的目的就是要过滤低密度区域，发现稠密样本点。DOPTICS算法是一种基于高密度联通区域的聚类算法，它将类簇定义为高密度相连点的最大集合。正确答案：ACD第3题OPTICS算法属于下列那一项：A分类算法B聚类算法C关联规则D时间序列预测第4题以下哪个算法和朴素贝叶斯算法类似。AC4.5BK-meansCopticsDbirch第5题以下属于聚类算法的是：APAMBOPTICSCBIRCHDID3正确答案：ABC第6题在cluster.DBSCAN()的众多参数中，algorithm取何值时，表示使用暴力法搜寻最近邻？Akd_treeBball_treeCau