山东交通学院
- 决策树算法适于处理离散型数据，对于连续性变量处理效果不佳。（ ）
- 一个神经网络可以没有输入层或输出层。（ ）
- 在K-均值聚类方法中，每个样本属于且仅属于一个类。（ ）
- 神经网络的学习实际是不断调整权重的一个过程。（ ）
- 所谓数据挖掘分析就是从海量的数据中抽取感兴趣的模式和知识（ ）
- BP神经网络是一种前馈神经网络。（ ）
- 在数据分布扁平程度的测度中，峰态系数＞0 为尖峰分布。（ ）
- 数据挖掘分析技术对高科技的研究是必不可少的,其主要的功能是对大批量数据的处理。（ ）
- 数据挖掘分析的任务是从数据中发现模式，模式按功能分为预测型(Predictive)和描述型(Descriptive)。（ ）
- 在有反馈的前向神经网络中，输出层会对输入层产生反馈信息。（ ）
- 格结构常用来枚举所有可能的项集（ ）
- BP神经网络同一层之间的神经元相互无连接。（ ）
- 给定关联规则A--＞B，意味着：若A发生，B也会发生（ ）
- 数字离散化是数据变换的一部分。（ ）
- 对分类数据进行自动概念分层时，不同值个数最多的属性将被放在概念分层的最顶层。（ ）
- 概念分层是指通过使用高层的概念（比如：青年、中年、老年）来替代底层的属性值（比如：实际的年龄数据值）来规约数据。（ ）
- 层次聚类不需要事先设置类别个数。（ ）
- 数据挖掘一般过程为：数据集选取、数据预处理、数据分析算法、分析总结改进。（ ）
- 遗传算法是一种生物进化思想的算法。（ ）
- 所谓基于数据库的知识发现(KDD)是指从大量数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。（ ）
- Apriori算法是一种典型的关联规则挖掘算法（ ）
- 多元回归是线性回归的一种扩展。（ ）
- 在保险业中，通过使用数据挖掘分析技术可以预测哪些行业、哪个年龄段、哪种社会层次的人会买哪种保险,或者预测哪类人容易买新的险种等。（ ）
- 可以用决策树算法来预测未来房价的走势。（ ）
- 从大量数据中挖掘出潜在价值关系、模式和趋势，并建立用于决策支持的模型，提供决策支持的方法、工具的过程，就是数据分析与挖掘。（ ）
- 不论是表头项节点还是FP-Tree中有节点，它们至少有2个属性，分别是（ ）
- 可以使用以下哪些标准比较分类或预测方法的有效性（ ）
- 以下哪些属于决策树算法的优点（ ）
- 以下关于分类和预测的说法正确的是（ ）
- 规范化指将数据按比例缩放，使之落入一个小的特定区间，以下哪些是常用的规范化的方法？（ ）
- 以下属维归约处理方法的有？（ ）
- 以下属于数据预处理的是（ ）
- 以下哪些统计学知识可以在数据挖掘中用到？（ ）
- 对于频繁项集挖掘分析，在分析过程中使用的约束包括以下几种类型（ ）
- 常见的统计图表有（ ）
- 常用的数据归约策略有？（ ）
- 数据可视化是与（）等并列的概念（ ）
- 以下哪些选项是数据挖掘分析的研究方向及趋势？（ ）
- 以下哪些是常见的聚类算法（ ）
- 以下哪些是概念分层生成的典型方法？（ ）
- 关联规则应用场景实例不包括（ ）。
- 以下哪个说法是正确的？（ ）。
- 以下关于切比雪夫不等式的说法哪一条是错误的？（ ）。
- 关于数据的相关性分析，以下说法不正确的是？（ ）
- （ ）函数主要用于在figure绘制对象中绘制各种曲线
- （ ）又称文字云是对文本数据中出现频率较高的关键词用图像的方式以视觉上的突出展示,形成"关键词的渲染"。
- 以下关于误差的说法错误的是（ ）
- artist的（ ）属性控制绘图顺序
- 以下关于BP神经网络的说法错误的是（ ）
- Matplotlib是基于（ ）语言的开源项目
A:错 B:对
答案:对
A:错 B:对
答案:错
A:错 B:对
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:对
A:错 B:对
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:对
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:对 B:错
A:错 B:对
A:count
B:root
C:name
D:ID
A:准确率
B:计算速度
C:样本数据的数量
D:方法的可伸缩性
A:构建高效，分类速度快
B:对数据分布有严格要求
C:可以帮助其他模型算法挑选自变量
D:易于理解和实现
A:两者都需要构建模型
B:两者都是用模型来估计未知值
C:预测法主要用来估计连续值
D:分类法主要用来预测类标号
A:平滑规范化
B:z-score规范化
C:最小－最大规范化
D:小数定标规范化
A:逐步向前选择
B:判定归纳树插入
C:逐步向后删除
D:向前选择和向后删除相结合
A:数据变换
B:数据规约
C:删除冗余数据
D:补充缺项数据
A:回归分析
B:参数检验
C:正态分布
D:区间估计
A:不可转变的
B:简洁的
C:反单调的
D:可转变的
A:箱线
B:维恩图
C:饼图
D:散点图
A:数值归约
B:维归约
C:数据压缩
D:数据立方体聚集
A:数据挖掘
B:科学可视化
C:信息可视化
D:可视分析学
A:专门用于知识发现的形式化和标准化的数据挖掘分析语言。
B:数据挖掘分析过程中的便于用户理解的及人机交互的可视化方法。
C:网络环境下的数据挖掘分析技术。
D:加强对各种非结构化数据的挖掘,如对文本数据、图形数据、视频图像数据、声音数据等。
A:层次方法
B:基于模型的方法
C:划分方法
D:基于网格的方法
A:直方图分析
B:基于熵的离散化
C:聚类分析
D:分箱技术
A:依据用户轨迹的商户精准营销
B:目标检测
C:穿衣搭配推荐
D:气象关联分析
A:样本有3个数值，即x1=2，x2=4，x3=9，则 x = 5。当 x = 5 确定后，x1，x2和x3有两个数据可以自由取值，另一个则不能自由取值。
B:当样本数据的个数为 n 时，若样本均值x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值。
C:从实际应用角度看，在抽样估计中，当用样本方差s2去估计总体方差σ2时， s2是σ2的无偏估计量。
D:一组数据中不可以自由取值的数据的个数。
A:对于任意分布形态的数据，根据切比雪夫不等式，至少有 1－1/k2的数据落在k个标准差之内。
B:如果一组数据不是对称分布，经验法则就不再使用，这时可使用切比雪夫不等式。
C:切比雪夫不等式对任何分布形状的数据都适用。
D:切比雪夫不等式提供的是“上界”，也就是“所占比例至多是多少”。
A:期望值和观测值之间相差越大，Χ2值也将越大
B:x2测试（chi-square test）或称卡方检验，可用于分类数据的相关性分析
C:相关性即意味着因果关系
D:Χ2测试时，Χ2的值越大，则两个变量相关的可能性越大
A:Dot()
B:Curve()
C:Blog()
D:Plot()
A:数据集
B:透视图
C:文字图
D:词云图
A:可以使用误差来调整神经网络的权重
B:误差一定是正值
C:在神经网络中，误差是向后传播的
D:是实际输出值与期望输出值之间的差
A:picker
B:Zorder
C:Figure
D:Axes
A:BP神经网络的误差是向前传播的
B:BP神经网络的信号是向前传播的
C:BP神经网络是一种前馈神经网络
D:BP神经网络由输入层、中间层和输出层组成
A:JAVA
B:C++
C:Python
D:ASP
温馨提示支付 ￥5.00 元后可查看付费内容,请先翻页预览!
