数据挖掘(哈尔滨理工大学) 中国大学MOOC答案2024版100分完整版

答案: Scikit-learn

10、 以下Python包中，提供了DataFrame数据类型的是（ ）。

答案: Pandas

11、 为了避免包的依赖关系和系统兼容性等方面出现问题，本课程推荐的Python安装方式为（ ）。

答案: 通过Anaconda安装

12、 下列对学生的描述属性中，标称属性的属性是：

答案: 头发颜色;
婚姻状况;
学号

13、 下列哪些指标可以度量数据的离散趋势度量：

答案: 极差;
四分位数;
四分位数极差;
五数概括

14、 在探索性数据分析中，认为最有代表性，最能反映数据重要特征的五数概括,包括：

答案: 中位数Q2;
四分位数Q1;
四分位数Q3;
最小值;
最大值

15、 在文献中，属性、维、特征和变量通常可以互换地使用。

答案: 正确

16、 二元属性是一种特殊的标称属性，分为对称和不对称两种。

答案: 正确

17、 序数属性的值存在有意义的序。相邻两者之间的差是已知的。

答案: 错误

18、 如果属性不是离散的，则它是连续的。

答案: 正确

19、 四分位数极差（IQR）是第1个和第2个四分位数之间的距离。

答案: 错误

20、 盒图用来考察两个属性之间是否存在正相关和负相关。

答案: 错误

21、 对于非对称的二元属性，两个都取值1的情况(正匹配)被认为比两个都取值0的情况(负匹配)更有意义，其中负匹配数t被认为是不重要的，因此在计算时可以忽略。

答案: 正确

22、 一般来说数据库中行对应于数据对象，而列对应于属性。

答案: 正确

23、 相异性矩阵又称对象-对象结构，存放n个对象两两之间的邻近度。

答案: 正确

24、 在计算混合类型属性的相异性时，一般是通过将所有有意义的属性转换到共同的区间[0.0,1.0]上，实现在单个相异性矩阵中进行计算。

答案: 正确

25、 为了抵消少数极端值对均值计算的影响，我们可以使用 。
答案: 截尾均值

26、 中列数是数据集的 最大值 和 的平均值。
答案: 最小值

27、 给定两个数据对象（19,4,5）和（22,6,3），则两个对象之间的欧氏距离 。如果计算结果是小数，则保留一位；如果是整数，则直接填写整数
答案: 4.1

28、 给定两个数据对象（19,4,5）和（22,6,3），则两个对象之间的曼哈顿距离 。如果计算结果是小数，则保留一位；如果是整数，则直接填写整数
答案: 7

29、 给定两个数据对象（19,4,5）和（22,6,3），则两个对象之间的上确界距离 。如果计算结果是小数，则保留一位；如果是整数，则直接填写整数
答案: 3

30、 x=(5,0,3,0,2,0,0,2,0,0)和y=(3,0,2,0,1,1,0,1,0,1)，使用余弦相似度公式计算这两个向量之间的相似性等于 。如果计算结果是小数，则保留一位；如果是整数，则直接填写整数
答案: 0.9

第三单元 数据预处理 第三单元测验

1、 运行以下代码from sklearn.datasets import load_irisiris_data = load_iris()iris_data.data.shape输出结果为(150, 4)。则表示iris数据集包括样本个数为（ ）。

答案: 150

2、 运行以下代码from sklearn.datasets import load_irisiris_data = load_iris()iris_data.data.shape输出结果为(150, 4)。则表示iris数据集包括样本特征数为（ ）。

答案: 4

3、 在Numpy包中，计算中位数的函数为（ ）。

答案: numpy.median() 

4、 在Numpy包中，计算标准差的函数为（ ）。

答案: numpy.std() 

5、 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（ ）。

答案: df.describe() 

6、 运行以下代码” import matplotlib.pyplot as plt”引入plt后，要绘制饼状图，需要利用的函数为（ ）。

答案: plt.pie()

7、 运行以下代码” import matplotlib.pyplot as plt”引入plt后，要绘制折线图，需要利用的函数为（ ）。

答案: plt.plot() 

8、 运行以下代码” import matplotlib.pyplot as plt”引入plt后，要绘制直方图，需要利用的函数为（ ）。

答案: plt.hist()

9、 运行以下代码” import matplotlib.pyplot as plt”引入plt后，要绘制散点图，需要利用的函数为（ ）。

答案: plt.scatter() 

10、 使用最小-最大法进行数据规范化，需要映射的目标区间为[0,100]，原来的取值范围是[-10,10]。根据等比映射的原理，一个值8映射到新区间后的值是（ ）。

答案: 90

11、 使用零均值规范化方法，年收入属性的均值为65，标准差为12，则年收入59万元规范化后为（ ）。

答案: -0.5

12、 使用等距离分箱法进行数据离散化，数据范围为20, 40, 50, 58, 65, 80, 80, 82, 86, 90, 96, 105, 120, 200，区间个数为4。下列属于4个箱的区间是（ ）。

答案: [110,155)

13、 特征选择方法中，一般的启发式方法有（ ）。

答案: 以上都是

14、 在使用主成分分析法进行数据属性特征提取中，在对数据集进行中心化处理后，为了去除冗余和降低噪音，应将协方差矩阵非对角线上的元素化为（ ）。

答案: 0

15、 关联规则的挖掘算法只能处理（ ）类型的取值，为此（ ）是继续其知识发现过程的必要步骤。

答案: 离散；数据离散化

16、 （ ）是指对描述对象的属性进行重新组合，获得一组反映事物本质的少量的新的属性的过程。（ ）是指从属性集合中选择那些重要的、与分析任务相关的子集的过程。

答案: 特征提取；特征选择

17、 下列不属于数据预处理原因的是（ ）。

答案: 数据量过于庞大

18、 下列关于数据规范化说法错误的是（ ）。

答案: 数据规范化是为了给重要的属性赋予更大的权重

19、 缺失值处理方法中错误的是（ ）。

答案: 对于所有属性都可以使用均值

20、 主成分分析的步骤是（ ）。

答案: 中心化数据集-计算协方差矩阵-计算特征根-计算主成分矩阵-得到降维后的数据集

21、 下列关于等距离分箱的说法中错误的是（ ）。

答案: 等距离分箱能使每个区间内包含的取值个数大致相同

22、 数据预处理的任务不包括（ ）。

答案: 数据分类

23、 使用python处理缺失值的方法中叙述错误的是（ ）。

答案: interpolate()使用中位数填充缺失值

24、 最小最大规范化方法MinMaxScaler属于python中的哪个包（ ）。

答案: sklearn

25、 主成分分析方法PCA属于属于python中的哪个包（ ）。

答案: sklearn

26、 最小-最大法中，假设需要映射到目标区间为[L,R ]，原来的取值范围为[l, r ]。一个值x映射到新区间后的值v的计算方法是（ ）。

答案:

27、 在利用中文文本绘制词云时，需要在anaoncda的基础上安装哪些工具包（ ）。

答案: Wordcloud;
Jieba

28、 数据预处理的任务有哪些（ ）。

答案: 数据离散化;
数据规范化;
数据清洗;
特征提取与特征选择

29、 数据规范化方法有哪些（ ）。

答案: 最小-最大法;
z-score

30、 数据清洗的主要目的是将数据集中存在的（ ）和（ ）进行处理，降低其对后续数据分析处理的影响。

答案: 缺失;
噪声

31、 特征选择过程是描述同一对象的多个属性的取值范围，统一到相同的范围，避免某些属性的作用大于其它属性。

答案: 错误

32、 通过数据离散化，可以实现缩减数据量的效果。

答案: 正确

33、 有监督的离散化方法常用的有分箱法和ChiMerge方法。

答案: 错误

34、 基于熵的方法可以被看做是自顶向下的分裂方法，ChiMerge则属于自底向上的合并方法。

答案: 正确

35、 一种简单的填补缺失值的方法为, 将属于同一类的对象的该属性值的均值赋予此缺失值。

答案: 正确

36、 分箱离散化是一种有监督离散化方法。

答案: 错误

37、 基于熵的离散化方法是常用的有监督的离散化方法。

答案: 正确

38、 选择属性子集的方法一般采用启发式方法，只检验部分可能性比较大的子集，这样可以快速完成属性的选择。

答案: 正确

39、 主成分分析能够达到去除冗余、降低噪音和降维的目的，但无法得到反映事物本质的新变量。

答案: 错误

40、 将数据分为n个等频的箱中，可以⽤箱均值、箱中位数或箱边界光滑数据。

答案: 正确

41、 在主成分分析中，每个主成分都是原始变量的线性组合，且各个主成分之间互不相关。

答案: 正确

42、 等距离分箱可能导致属于某些区间的取值非常多，而某些区间的取值又非常少。 则能够解决此问题。
答案: 等频

43、 面对噪音，一类是识别出噪音，将其去除；另一类是可以使用 方法，用于平滑噪音。
答案: 分箱

44、 使用主成分分析法进行数据属性特征提取中，每个新的特征是原有特征的 。
答案: 线性组合

45、 一组数据：20，40，50，58，65，80，80，82，86，90，96，105，120，200。采用等距分箱法分为4箱，其中82位于第____个箱。（填写阿拉伯数字）
答案: 2

46、 一组数据：20，40，50，58，65，80，80，82，86，90，96，105，120，200。使用最大-最小法进行数据规范化，目标区间为[0,1]，则80映射到新区间后的值为___。（四舍五入保留小数点后两位）
答案: 0.33