南开大学20秋学期《数据分析》在线作业(参考答案) .pdfVIP

1.()反映了学习方法对未知的测试数据集的预测能力，是学习中的重要概念。 A.训练误差 B.测试误差 C.统计误差 D.平均误差 答案：B 2.支持向量机的 MapReduce 实现要进行几轮 MapReduce?() A.1 B.2 C.3 D.自行规定 答案：D 3.类的 R 型聚类是指()。 A.对样本个体进行聚类 B.对指标变量进行聚类 答案：B 4.在估计 PLSA 生成模型的参数时，使用()。 A.极大似然估计 B.对数似然函数 C.特征独立假设 D.贝叶斯定理 答案：A 5.在链接作弊的垃圾农场中，作弊者拥有并完全控制的网页称为()。 A.不可达网页 B.可达网页 C.自有网页 答案：C 6.潜在语义分析创新地引入了()。 A.单词维度 B.文本维度 C.话题维度 答案：C 7.非频繁模式()。 A.其置信度小于阈值 B.令人不感兴趣 C.包含负模式和负相关模式 D.对异常数据项敏感 答案：D 8.置信度(confidence)是衡量兴趣度度量()的指标。 A.简洁性 B.确定性 C.实用性 D.新颖性 答案： B 9.决策树中的叶结点表示()。 A.特征 B.类 C.属性 D.值域输出 答案：B 10.数据产生方式变革中数据产生方式是主动的主要是来自哪个阶段?() A.运营式系统阶段 B.用户原创内容阶段 C.感知式系统阶段 答案：B 11.文本中所有单词的出现情况表示了文本的()。 A.种类 B.特征 C.语义内容 D.语义结构 答案：C 12.闵式距离参数是()时代表曼哈顿距离。 A.0 B.1 C.2 D.无穷 答案： B 13.为了计算中介度，必须计算所有边上()的数目。 A.所有路径 B.最短路径 C.结点入度 D.节点出度 答案：B 14.聚类属于()。 A.有监督学习 B.无监督学习 C.强化学习 D.对抗学习 答案：B 15.评价分类器效果时，表示正确分类的样本数与总样本数之比的指标是()。 A.准确率 B.精确率 C.召回率 D.F1 值 答案：A 16.逻辑斯谛分布的分布函数范围在()。 A.(-∞，∞) B.(0 ，1) C.(-1/2 ，1/2) D.(-1 ，1) 答案： B 17.Apriori 算法的加速过程依赖于以下哪个策略?() A.抽样 B.剪枝 C.缓冲 D.并行 答案：B 18.向量空间模型中，将单词在文本中出现的数据用一个()表示。 A.单词-文本矩阵 B.单词-向量矩阵 C.距离矩阵 D.权重矩阵 答案：A 19.潜在语义分析中，以()表示文本的语义内容。 A.话题 B.话题向量 C.语义向量 D.距离向量 答案：B 20.KNN 算法用 MapReduce 实现，要进行几轮 MapReduce?() A.1 B.2 C.3 D.4 答案： B 21.按社团形成机制分类，社团包括()。 A.明显的社团 B.预定义社团 C.自组织社团 D.隐含的社团 答案：BC 22.决策树的生成过程是()。 A.递归地进行下去，直至所有训练据子集被基本正确分类，或者没有合适的特征为止， 最后每个子集都被分到叶结点上，即都有了明确的类 B.如果这些子集已经能够被基本正确分类，那么构建叶结点，并将这些子集分到所对 应的叶结点中去 C.构建根结点，将所有训练数据都放在根结点 D.选择一个最优特征，按照这一特征将训练数据集分割成子集，使得各个子集有一个 在当前条件下最好的分类 E.如果还有子集不能被基本正确分类，那么就对这些子集选择新的最优特征，继续对 其进行分割，构建相应的结点 答案：ABCDE 23.回归分析方法中，按照输入变量个数分类，可分为()。 A.一元回归 B.多元回归 C.线性回归 D.非线性回归 答案：AB 24.下列哪些任务适合构建分类模型?() A.银行业务中，客户申请贷款，根据客户的相关数据分析他是属于“诚信”类还是 “失信”类 B.邮件系统可以根据 email 标题和内容区分出垃圾邮件 C.医学研究人员根据病理数据，合理辨识病情状况，采取合理治疗手段 D.房价预测 答案：ABC 25.ID3 算法流程为()。 A.从根结点开始，对结点计算所有可能的特征的信息增益，选择信息增益最大的特征 作为结点的特征，由该特征的不同取值建立子结