大数据技术概论.docxVIP

一1A2B3B4D5D6B7A8B9B10D11C12D13B14A15A16D17B18D19?20D

对对对错对对对对？对

变量的定义是什么?

变量，指值可以变的量。变量以非数字的符号来表达，一般用拉丁字母。变量的用处在于能一般化描述指令的方式。结果只能使用真实的值，指令只能应用于某些情况下。变量能够作为某特定种类的值中任何一个的保留器。

请列举三种常用的电子商务推荐算法。

一、基于内容的推荐算法

基于内容的推荐算法是根据商品的属性和用户的兴趣偏好进行匹配，给出相应的推荐结果。该算法适用于商品属性较为明确和用户喜好相对单一的场景。

二、协同过滤推荐算法.

协同过滤推荐算法是根据用户之间的相似性或商品之间的相似性进行推荐。该算法适用于用户兴趣多样化和商品属性较为复杂的场景。

三、深度学习推荐算法

深度学习推荐算法是近年来兴起的一种推荐算法，通过神经网络模型进行特征学习和推荐预测。该算法适用于大规模、高维度的数据，并能捕捉到更多的用户特征和商品关联信息。

请列举五种常见的数据缺失值插补方法.

缺失数据的插补方法是指当数据中存在缺失值时，通过一定的方法来填补缺失值，以便于进行数据分析和建模。常用的缺失数据插补方法包括均值插补、中位数插补、众数插补、回归插补、插值法、多重插补等。

1.均值插补:将缺失值用变量的均值来填补，适用于连续型变量。缺点是会使得数据集的均值变小增加数据集的标准差，且可能引入偏差。

2.中位数插补:将缺失值用变量的中位数来填补，适用于存在离群值或偏态分布的连续型变量。其优点是不受离群值的影响，但也会引入偏差。

3.众数插补:将缺失值用变量的众数来填补，适用于离散型变量。不会引入偏差，但可能导致数据集的分布发生变化。

4.回归插补:通过建立回归模型，将缺失值的变量作为因变量，其他相关变量作为自变量，对缺失值进行预测。适用于缺失数据与其他变量之间存在相关关系的情况。

5.插值法:根据缺失值前后观测值之间的关系进行插值。常见的插值方法有线性插值、多项式插值和样条插值等。适用于连续型变量的缺失值插补。

34.数据可视化的基本原则包括哪些方面?

数据可视化的原则

1、信息量:数据可视化应能够有效地传达消息，应用尽可能少的元素即可表达所要传达的语义信息。

2、对比度:数据可视化应该能够清晰地区分出重要和不重要的信息，从而引起用户的注意力。

3、关联性:数据可视化应该在可视化元素之间建立有意义的关联，使用户可以快速理解元素之间的关系。

4、可操作性:数据可视化应该提供一系列的可操作的交互元素,使用户可以通过不同的视图和操作进行数据分析。

5、直觉:数据可视化应该基于直觉的设计，使用户可以更容易的理解和接受。

6、健壮性:数据可视化应该有足够的健壮性，能够支持输入不同数据类型和结构，以及可变的数据量。

7、可拓展性:数据可视化应该具备可拓展性，方便用户根据不同的需求进行修改和扩展。