2025年超星尔雅学习通《互联网挖掘与分析》章节测试题库及答案解析.docxVIP

2025年超星尔雅学习通《互联网挖掘与分析》章节测试题库及答案解析

单位所属部门：________姓名：________考场号：________考生号：________

一、选择题

1.互联网挖掘与分析的首要任务是（）

A.收集尽可能多的数据

B.运用复杂的算法模型

C.提取有价值的信息

D.展示精美的图表

答案：C

解析：互联网挖掘与分析的最终目的是从海量数据中提取出有价值的信息，为决策提供支持。收集数据是基础，但不是首要任务；算法模型是手段，不是目的；图表展示是结果的一部分，但不是核心。首要任务是明确分析目标，提取关键信息。

2.下列哪种方法不属于数据预处理范畴（）

A.数据清洗

B.数据集成

C.数据变换

D.模型训练

答案：D

解析：数据预处理是数据挖掘前的重要步骤，包括数据清洗（处理缺失值、异常值等）、数据集成（合并多个数据源）、数据变换（规范化、离散化等）。模型训练属于数据挖掘阶段，是在预处理后的数据上应用算法构建模型的过程，不属于预处理范畴。

3.在描述数据分布特征时，常用的统计量不包括（）

A.均值

B.中位数

C.分位数

D.协方差

答案：D

解析：描述数据分布特征时，常用的统计量有均值（集中趋势）、中位数、分位数（离散程度和分布位置）等。协方差是描述两个变量线性相关程度的统计量，主要用于相关性分析，而非单纯描述单变量分布特征。

4.决策树算法中，选择分裂属性时常用的指标是（）

A.信息熵

B.方差分析

C.相关系数

D.回归系数

答案：A

解析：决策树算法通过递归分割数据集构建树模型，选择分裂属性时常用信息熵（ID3算法）或基尼系数（C4.5算法）作为衡量标准，目的是最大化信息增益或最小化不纯度。方差分析、相关系数和回归系数主要用于其他类型的统计分析和模型构建。

5.下列哪种模型适用于处理非线性关系（）

A.线性回归模型

B.逻辑回归模型

C.K近邻模型

D.线性判别分析

答案：C

解析：线性回归、逻辑回归和线性判别分析都假设变量间存在线性关系。K近邻（KNN）模型通过寻找数据点最近的K个邻居来进行分类或回归，能够有效处理非线性关系，属于非参数模型。

6.时间序列分析中，季节性因素主要影响（）

A.趋势成分

B.随机成分

C.周期性波动

D.平稳性

答案：C

解析：时间序列通常包含趋势成分（长期方向）、季节性成分（固定周期波动，如季度、月度）和随机成分（不规则波动）。季节性因素导致数据在特定周期内呈现规律性波动，是时间序列分析的重要内容。

7.关联规则挖掘中，衡量规则强度的主要指标是（）

A.支持度

B.置信度

C.提升度

D.协方差

答案：C

解析：关联规则挖掘（如Apriori算法）关注项集之间的关联关系，常用支持度（项集出现频率）、置信度（规则前件预测后件的准确率）和提升度（规则带来的增益）三个指标。提升度衡量规则A→B相对于随机猜测的强度，是判断规则是否有价值的核心指标。

8.聚类分析中，K均值算法的缺点是（）

A.对初始聚类中心敏感

B.只能处理数值型数据

C.计算效率高

D.具有良好的可解释性

答案：A

解析：K均值算法的优点是计算简单、效率高，但缺点是对初始聚类中心的选择敏感，可能陷入局部最优解；只适用于数值型数据；对噪声和异常值敏感；需要预先指定聚类数量K，且结果可能受K值影响较大。良好的可解释性不是其特点。

9.在进行特征工程时，以下哪种方法属于降维技术（）

A.特征选择

B.特征提取

C.数据标准化

D.模型集成

答案：A

解析：特征工程旨在提升模型性能，常用方法包括特征选择（从现有特征中挑选重要特征，如过滤法、包裹法、嵌入法）和特征提取（将原始特征组合成新特征，如主成分分析PCA）。数据标准化是数据预处理步骤，模型集成是模型构建策略，都不属于降维技术本身。

10.修改互联网挖掘中，用于评估分类模型性能的指标不包括（）

A.准确率

B.召回率

C.F1分数

D.决策树深度

答案：D

解析：评估分类模型性能常用指标包括准确率（整体预测正确的比例）、召回率（正例中被正确识别的比例）、精确率（预测为正例中实际为正的比例）以及它们的综合指标F1分数等。决策树深度是模型结构的属性，反映树的复杂度，不属于模型性能评估指标。

11.互联网挖掘中，关联规则挖掘主要发现数据项之间的（）

A.时间顺序关系

B.因果关系

C.关联或依赖关系

D.函数映射关系

答案：C

解析：关联规则挖掘的目标是发现隐藏在大量数据项中的有趣关联或依赖关系，例如购物篮分析中“购买啤酒的人经常也购买尿布”。它关注的是项集之间的同时出现性，而非时间顺序、因果关系或精确的函数映射。

12.在进行数据探索性分析时，常用的可视化