数据分析算法与模型模拟题(三)(附答案).docVIP

. . 一、计算题 （共4题，100分） 1、通过分析关于二手车的相关变量，研究这些变量怎么影响二手车的交易价格。 二手车抽样 - 预处理.csv 收集的数据包含： 变量名 代表含义 数据类型 备注 yuanjia 原价 连续变量 汽车原价 baojia 报价 连续变量 汽车报价 licheng 里程 连续变量 累计里程数（单位：万公里） pailiang 排量.L. 连续变量 发动机单位时间内释放的能量 mali 最大马力.Ps. 连续变量 最大动力输出 changshang 厂商 离散变量 十一分类——排名前十的厂商分别用1-10表示，以及前十以外的其他水平 cheshen_type 车身结构-车类型 离散变量 四分类——“SUV”、“两厢”、“三厢”、“MPV” pengzhuang 排除重大碰撞 离散变量 排除重大碰撞（0）存在重大碰撞（1） waiguan_xiufu 外观修复检查 离散变量 排除外观修复（0）存在外观修复（1） waiguan_quexian 外观缺陷检查 离散变量 排除外观缺陷（0）存在外观缺陷（1） neishi_quexian 内饰缺陷检查 离散变量 排除内饰缺陷（0）存在内饰缺陷（1） shangpaishijian 上牌时间 连续变量 与2017年2月之间的时间差（单位：月） 对数据进行预处理，分析应采用的模型，写出详细的思路和数据分析过程，用多种方法检验和解释模型，说明模型的实际意义。 答案解析： 因变量采用车辆报价数据，自变量选择除车辆报价数据之外的其他变量，进行线性回归分析可以看到删除了三个变量，R方和调整R方都接近1，模型拟合度很好。由于自变量中真皮座椅、外观缺陷、车身类型未通过t检验，因此需要将这三个变量删除后再做线性回归分析，可得：? ? ? Y=1.1036-0.0646shangpaishijian-0.1064licheng-0.4235biansu+0.8482zhouju-1.0036pailiang+0.0154mali-0.1729tianchuang1+0.7581tianchuan2+0.3974daocheyingxiang-0.5061GPS-0.2864waiguan_xiufu+0.5156yuanjia+0.1665paifang-0.0199changshang 模型拟合效果很好，且通过了F检验和t检验，（常数项的t检验可以不通过）可以根据此模型对二手车进行价格评估 2、利用Apriori算法，写出下列购物篮数据的频繁项集和强关联规则（设定支持度为2，置信度为0.7） 若此购物篮数据为某超市随机选取的7位顾客的交易数据，请结合之前得到的结果为该超市提一些建议。 答案解析： 先将给定的数据整理成datahoop关联分析可识别的格式，导入datahoop平台，对变量牛肉、鸡肉、牛奶、奶酪、靴子、衣服进行关联分析。设置最小支持度为2/7=0.286，最小置信度为0，可以得到频繁项集（删除重复）。设置最小支持数为2/7=0.286、最小置信度=0.7，可以得到提升度1的有效强关联规则（删除单项） 解答：首先对原数据进行预处理至 然后再处理至 导入datahoop平台，设置支持度为0.286，置信度为0 删除重复项 一项频繁项集： （e）、（a）、（d）、（b）、（c） 二项频繁项集： （a，e）、（d，e）、（b，e） 再将支持度和置信度的值分别设置成0.286和0.7，导入datahoop平台 二项的有效强关联规则： ae e a d e b e 三项的强关联规则： （a,d） e (d,e) a (a,b) e 从上面数据可以看出牛肉和鸡肉等肉食产品可以放在一起，方便客户选择，牛奶和奶酪则要放在附近的走道旁，让需要的顾客更方便拿取 3、以下数据是31个省市各行业的工资情况，各行业工资难免相关，因此，请先进行降维处理再进行聚类分析。 降维、聚类.xls 答案解析： 分析数据发现无缺失值，且不需要进行其他处理。本案例采用k-means算法进行聚类，因此还需考虑异常值和共线性。由于数据量太少，单独一个数据也可能是一个特殊的类，因此这里不做异常值处理。由相关系数矩阵分析发现变量之间存在共线性，所以不能直接进行聚类，接下来用主成分分析对变量进行降维处理。 设置主成分个数为2时发现累计贡献率为0.9557，效果很好，可以用PC1和PC2进行聚类分析。（这里PC1和PC2是由标准化后的变量求得的，很小，且没有量纲差距，所以聚类分析时不再进行标准化）。接下来用k-means算法对PC1和PC2进行聚类分析，分别选3，4，5个类别进行聚类，发现聚成三类时效果最好。