雨课堂学堂在线学堂云《大数据与商务智能（兰州财经大学）》单元测试考核答案

大数据与商务智能第1题SPSSAU与传统SPSS相比,最大的优势之一是?A需要高性能电脑才能运行B必须安装本地软件C基于云端,无需安装即可使用D仅支持基础统计分析第2题SPSSAU的智能化分析功能类似于什么?A一个复杂的编程工具B一个全知全能的导师C一个简单的计算器D一个数据存储平台第3题SPSSAU不支持以下哪种功能?A描述性统计B回归分析C因子分析D完全离线操作第4题SPSSAU的数据管理功能可以处理以下哪种格式?A仅支持SPSS格式B仅支持文本文件CExcel和CSV格式D仅支持图片格式第5题SPSSAU的不足之一是?A功能过于简单B完全免费C依赖网络D仅支持高级统计分析第1题Logistic回归主要用于解决哪种类型的问题?A预测连续数值B解决聚类问题C处理时间序列数据D解决分类问题,特别是二分类第2题为什么不能直接使用线性回归来解决分类问题?A线性回归计算太复杂B线性回归的结果是连续值,无法直接解释为概率C线性回归只能处理一个特征D线性回归对数据分布有严格限制第3题Logistic函数(Sigmoid函数)的主要作用是什么?A将输入值映射到0到1之间的概率值B加快模型计算速度C减少特征数量D直接输出分类标签第4题Logistic回归模型通过什么方法来确定最佳参数?A最小二乘法B梯度下降(未提及,但为常见方法)C最大似然估计D主成分分析第5题以下哪项是Logistic回归的典型应用场景?A预测明天的气温B根据用户行为预测其是否会购买商品C对客户进行分组(无监督聚类)D生成一段文本聚类分析技术第1题在K-means聚类算法中,以下哪一项是需要用户预先指定的关键参数?A初始中心点的精确坐标B簇的数量KC每个簇的最大数据点数量D数据点的维度第2题哪种聚类方法特别适合处理包含噪声(异常值)的数据集,并能发现任意形状的簇?AK-means聚类B层次聚类(凝聚式)C密度聚类(如DBSCAN)D主成分分析(PCA)第3题如果研究人员不确定数据应分为多少组,并希望看到一个完整的、具有层次结构的聚类过程,他们最适合采用哪种方法?AK-means聚类B逻辑回归C层次聚类D线性回归第4题4、聚类分析是一种有监督的机器学习方法，因为它需要使用已标记的数据来训练模型。第5题5、在市场细分中，聚类分析可以根据客户的消费行为将其分为不同的群体，从而制定精准的营销策略。熵值法原理第1题熵值法的核心思想是什么?A通过专家经验为指标赋予权重B通过计算指标的熵值来衡量其信息量,并据此分配权重C直接对原始数据进行加权平均D优先处理数值最大的指标第2题根据熵值法的原理,如果一个指标的熵值很小,说明什么?A该指标在不同评价对象间差异不大,信息分散B该指标在不同评价对象间差异较大,信息集中C该指标的数据质量很差D该指标需要被标准化第3题熵值法的一个重要优点是什么?A能够完美地融入决策者的主观偏好B对数据质量没有任何要求C客观性强,避免了人为因素的干扰D计算结果非常容易解释所有细节第4题熵值法的标准计算步骤包括以下哪些环节?A数据标准化B计算指标的熵值C进行因子旋转D根据熵值确定权重E进行综合评分第5题关于熵值法的局限性,以下哪些描述是正确的?A对数据的质量要求不高B完全依赖数据,可能忽略需要主观判断的因素C计算过程极其复杂,难以操作D如果数据本身存在问题,会严重影响评价结果E对于权重接近的指标,结果的解释可能较为困难人工神经网络（ANN）第1题人工神经网络()的设计灵感主要来源于什么?A鸟类飞行原理B人类大脑的神经元网络结构C量子力学理论D传统计算机的二进制逻辑第2题在训练人工神经网络时,哪两种算法是关键工具,用于不断调整权重以减小预测误差?A主成分分析和因子分析B决策树和随机森林C反向传播和梯度下降DK-means聚类和DBSCAN第3题当一个神经网络过于复杂,记住了训练数据中的噪声而非一般规律时,这种现象被称为?A欠拟合(Underfitting)B过拟合(Overfitting)C梯度爆炸(GradientExplosion)D收敛(Convergence)第4题一个典型的人工神经网络包含以下哪些基本层结构?(选择所有符合的选项)A卷积层(ConvolutionalLayer)B输入层(InputLayer)C池化层(PoolingLayer)D隐藏层(HiddenLayers)E输出层(OutputLayer)第5题人工神经网络在以下哪些领域有广泛应用?(选择所有符合的选项)A图像分类B自然语言处理(如机器翻译)C预测分析(如股票预测)D生成艺术E描述性统计(如计算平均值)文本分析方法第1题文本分析中,哪种方法的目标是识别文本中表达的情感倾向(如积极、消极或中立)?A词频统计(WordFrequencyAnalysis)B情感分析(SentimentAnalysis)C命名实体识别(NamedEntityRecognition)DTF-IDF第2题潜在狄利克雷分配()是哪种文本分析方法的常用技术?A情感分析B主题模型(TopicModeling)C词嵌入(WordEmbedding)D词云(WordCloud)第3题TF-IDF方法的主要作用是什么?A生成可视化的关键词云图B识别文本中的人名、地名等实体C衡量一个词在特定文档中的重要性,平衡其出现频率和普遍性D将词语转化为向量以捕捉语义关系第4题4、词频统计（WordFrequencyAnalysis）是一种能够充分考虑词语上下文和语义的复杂文本分析方法。第5题5、命名实体识别（NER）可以从文本中识别出特定类型的实体，如人名、地名和组织名。因子分析第1题因子分析的基本思想是通过研究原始数据相关矩阵的内部结构,找出所有变量中具有共性的因素,并将其综合为少数几个:A可观测指标B不可观测的公共因子C特殊因子D主成分第2题因子分析的数学模型可以简写为:AX=AF+εX=AF+εBF=AX+εF=AX+εCX=FA+εX=FA+εDF=XA+εF=XA+ε第3题因子分析在经济分析中的主要应用不包括以下哪一项?A寻求数据基本结构B数据简化与分类处理C直接预测经济指标未来数值D提取公共因子以解释复杂经济问题第4题4、因子分析是一种通过对变量或样品的相关系数矩阵内部结构的研究，提取公共因子以再现原始变量与综合变量之间关系的多元统计方法。第5题5、因子分析中，公共因子通常是可直接观测的指标，而特殊因子是不可观测的。聚类分析第1题聚类分析中,用来描述样品或变量亲疏程度的两种主要途径是:A距离和相关系数B距离和相似系数C协方差和相关系数D均值和方差第2题下列哪种距离克服了量纲的影响,且受奇异值影响较小,适用于高度偏倚的数据?A明氏距离B欧氏距离C兰氏距离D马氏距离第3题在对变量进行聚类分析时,通常采用以下哪种统计量来描述变量之间的亲疏程度?A距离B均值C相似系数D方差第4题聚类分析按照分组理论依据的不同,可分为哪些方法?A系统聚类法B动态聚类法C模糊聚类法D图论聚类法E聚类预报法第5题关于马氏距离的表述,以下哪些是正确的?A与变量的单位无关B考虑了变量之间的相关性C在聚类过程中应始终使用全部数据计算的协方差矩阵D同一类样本的马氏距离应当用该类自身的协方差矩阵计算E受变量量纲的影响较大方差分析第1题方差分析主要用于检验:A多个正态总体的方差是否相等B多个正态总体的均值是否相等C两个总体的比例是否相等D样本数据是否服从正态分布第2题在方差分析中,用来进行分组研究并对响应产生影响的变量称为:A响应B水平C因子D离差第3题方差分析的基本思想是通过比较哪两个方差来判断不同水平对结果是否有影响?A总离差与组内离差B组间方差与组内方差C系统性方差与随机性方差D样本方差与总体方差第4题若不同水平对结果没有影响,则组间方差与组内方差的比值应接近于:A0B1C2D无穷大第5题方差分析中,总离差可以分解为:A组间离差与组内离差B系统性离差与随机性离差C因子离差与水平离差D样本离差与总体离差对应分析第1题对应分析的核心目的是:A仅研究变量之间的相关性B仅研究样品之间的相似性C同时研究变量与样品之间的关系,并在同一坐标系中直观表达D替代主成分分析和因子分析第2题对应分析通过哪种数据变换将原始数据矩阵转换为过渡矩阵,从而结合R型和Q型因子分析?A标准化变换B对数变换C数据规格化处理D傅里叶变换第3题对应分析能够克服传统因子分析的局限性,主要体现在:A仅进行R型因子分析B仅进行Q型因子分析C将R型和Q型因子分析结合,直接通过R型获得Q型结果D避免使用矩阵运算第4题4、对应分析可以同时将变量和样品反映在相同坐标轴的图形上，便于直观分析变量、样品及其相互关系。第5题5、对应分析在处理数据时，对变量和样品的标准化处理是对等的，这有助于建立R型和Q型因子分析之间的联系。减肥效果统计检验第1题配对样本t检验适用于以下哪种研究设计?A比较两个完全独立、无关联的组别(如男性和女性)的均值B比较同一组对象在接受两种不同处理或在不同时间点上的均值C比较三个或以上不同组别的均值差异D分析两个连续变量之间的相关关系第2题在减肥效果的案例中,进行配对样本t检验的原假设(H0)通常是什么?A减肥前的平均体重等于减肥后的平均体重B减肥前后的平均体重差值等于0C减肥后的平均体重大于减肥前的平均体重D减肥前后的体重变化没有规律第3题根据家庭成员受教育水平的分析,以下哪一对家庭成员之间的受教育年限不存在显著差异?A受访者与其配偶B受访者与其母亲C受访者与其父亲D受访者的父亲与母亲第4题在SPSS的配对样本t检验输出中,我们主要依据哪个表中的哪个值来判断均值差异是否显著?A“配对样本统计量”表中的“均值”B“配对样本相关系数”表中的“Sig.”值C“配对样本检验”表中的“t”值和“Sig.(双侧)”值D“配对样本统计量”表中的“标准差”第5题配对样本t检验与独立样本t检验的一个关键区别在于?A配对样本t检验要求数据是连续的,而独立样本t检验不要求B配对样本t检验的两个样本组是相关的或不独立的,而独立样本t检验的两个样本组是独立的C配对样本t检验只能用于检验两个均值,而独立样本t检验可以检验多个均值D配对样本t检验比独立样本t检验需要更大的样本量教育公平性探讨第1题在进行独立样本t检验之前,需要先进行哪种检验来判断使用哪种t检验公式?A正态性检验BLevene方差齐性检验C相关性检验D信度检验第2题关于美国公民受教育年限的种族差异分析,最终的统计结论是什么?A白人与黑人的受教育年限不存在显著差异B白人的受教育年限显著高于黑人C黑人的受教育年限显著高于白人D无法得出结论第3题根据讲稿中“独立样本t检验”的分析实例,该检验方法适用于以下哪些情况?(选择所有符合的选项)A比较一个群体在干预前后的得分差异B比较两个独立群体(如男性和女性)在某一个连续变量上的均值差异C比较三个或以上群体(如不同收入等级)在某一个变量上的差异D分析两个连续变量之间的相关关系E检验不同种族(如白人和黑人)在受教育年限上的差异第4题从讲稿中的SPSS输出结果可以解读出哪些信息?(选择所有符合的选项)A在性别差异检验中,Levene检验的P值(Sig.)大于0.05,说明两组方差齐性B在种族差异检验中,t检验的P值(Sig.)为0.000,说明在0.05水平上差异显著C女性样本的平均受教育年限略高于男性D白人样本的平均受教育年限高于黑人E种族差异检验的样本量中,白人群组小于黑人群组结构方程模型（基础篇）第1题路径分析的主要目的是什么?A将变量简化为几个具有代表性的因子B根据特征值判别研究对象的类型归属C检验一个假想因果模型的准确和可靠程度,测量变量间因果关系的强弱D基于变量的协方差矩阵分析变量间的关系第2题判别分析与聚类分析的主要区别是什么?A判别分析使用因子,而聚类分析使用路径B判别分析处理因变量,而聚类分析处理自变量C聚类分析之前类别未知,而判别分析的类别是预先分好的D聚类分析是参数方法,而判别分析是非参数方法第3题结构方程模型()是哪一种统计方法的扩展?A仅因子分析B仅路径分析C仅多元回归分析D一般线性模型(GLM),是多种方法(如路径分析、因子分析等)的扩展第4题以下哪些是讲稿中明确提到的、用于研究现象复杂关系的统计方法?(选择所有符合的选项)A单因素方差分析B路径分析C因子分析D判别分析E结构方程模型第5题根据讲稿,结构方程模型()相比传统多元统计方法具有哪些优势?(选择所有符合的选项)A只能检验自变量和因变量的单一关系B综合了多种方法,能处理变量的多重相互关系C将变量关系的检验能力从探索性分析转变为验证性分析D允许自变量和因变量存在测量误差E可以同时检验模型中的潜在变量、观测变量和误差项之间的关系结构方程模型（进阶篇）第1题结构方程模型()是哪一种统计方法的扩展?A仅因子分析B仅路径分析C仅多元回归分析D一般线性模型(GLM),是多种方法(如路径分析、因子分析等)的扩展第2题结构方程模型主要包含哪两个组成部分?A探索性因子分析和验证性因子分析B测量模型和结构模型C外生变量和内生变量D观察变量和潜变量第3题在结构方程模型中,那些无法直接观测而又需深入探讨的问题通常被作为什么?A观察变量B测量误差C潜变量D外生变量第4题验证性因子分析()与探索性因子分析()的一个关键区别是什么?ACFA使用潜变量,而EFA不使用BCFA事先知道变量与因子间的从属关系,而EFA不知道CCFA用于降维,而EFA用于检验假设DCFA是测量模型,而EFA是结构模型第5题结构方程模型相比传统的路径分析的一个重要优势是什么?A路径分析只能有一个因变量,而SEM允许多个因变量B路径分析要求各内生变量不能存在测量误差,而SEM允许存在测量误差C路径分析基于协方差矩阵,而SEM基于相关系数矩阵D路径分析可以证明因果关系,而SEM只能检验相关关系结构方程模型（高级应用）第1题结构方程模型建模的五个步骤中,第一步是什么?A模型估计B模型识别C模型设定D模型评价第2题根据“t法则”,要保证结构方程模型可识别,需要满足什么条件?A样本量必须大于观察变量数量的10倍B模型中未知参数的数量必须小于或等于样本协方差矩阵中元素的个数C所有潜变量必须是外生变量D测量模型必须恰好识别第3题模型评价环节不包括以下哪一项?A模型参数检验B拟合程度检验C重新收集数据D解释能力评价第4题4、在结构方程模型中，模型设定可以完全依靠数据驱动，无需任何理论基础。第5题5、如果一个结构方程模型是过度识别的，意味着无法得到参数的唯一估计值。神经网络基础第1题科学家设计人工神经网络的灵感主要来源于:A计算机电路B人类大脑神经元的工作方式C数学公式推导D动物群体行为第2题神经网络中,负责对输入数据进行层层加工处理的部分是:A输入层B隐藏层C输出层D权重矩阵第3题在一个神经元中,决定是否输出信号的关键部件是:A权重B偏置C激活函数D输入信号第4题如果没有激活函数,多层神经网络将:A计算速度更快B只能处理线性问题C能够处理更复杂的非线性问题D更容易训练第5题衡量神经网络预测结果与真实值差异的函数称为:A激活函数B损失函数C梯度函数D权重函数第6题反向传播算法的主要作用是:A前向计算预测结果B高效计算各层参数的梯度C初始化网络参数D选择最优的激活函数第7题关于神经网络层次结构的正确描述包括:A输入层负责接收原始数据B隐藏层可以有多层C同一层的神经元相互连接D输出层给出最终结果E数据只能从输入层流向输出层第8题神经元内部计算包含哪些要素?A输入信号加权求和B加上偏置项C通过激活函数处理D随机丢弃部分输入E与其他神经元交换权重第9题常见的激活函数包括:A阶跃函数Bsigmoid函数CReLU函数D损失函数E梯度函数第10题关于梯度下降算法的正确描述是:A通过计算梯度来更新参数B沿着梯度方向更新参数C学习率过大可能导致无法收敛D学习率过小会导致训练过慢E不需要计算损失函数基础实例演示第1题在神经网络实例中,设置随机数种子的主要目的是:A提高神经网络的计算速度B保证每次运行程序生成的随机权重一致,使结果可重复C增加神经网络的复杂度D减少训练所需的次数第2题该实例中使用的激活函数是:AReLU函数B阶跃函数Csigmoid函数DTanh函数第3题神经网络训练过程中,调整突触权重的依据是:A输入数据的平均值B预测输出与实际输出之间的误差C随机数生成器的状态D训练次数的大小第4题在该实例中,训练神经网络使用的数据是:A表格中的全部五行数据B仅第五行数据C表格中的前四行数据D随机生成的数据第5题sigmoid函数在该神经网络中的作用不包括:A将输出值映射到0到1之间B引入非线性特