2025年大学大四（大数据分析）预测分析技术测试题及答案.docVIP

2025年大学大四（大数据分析）预测分析技术测试题及答案

（考试时间：90分钟满分100分）

班级______姓名______

第I卷（选择题共40分）

答题要求：本卷共8小题，每小题5分。在每小题给出的四个选项中，只有一项是符合题目要求的。

1.以下哪种算法不属于预测分析技术中的机器学习算法？

A.决策树

B.线性回归

C.关联规则挖掘

D.支持向量机

2.在时间序列预测中，以下哪种方法常用于处理季节性数据？

A.移动平均法

B.指数平滑法

C.霍尔特-温特斯方法

D.回归分析法

3.对于分类问题的预测模型评估，以下哪个指标是衡量模型在正例上正确预测的比例？

A.准确率

B.召回率

C.F1值

D.特异度

4.当使用神经网络进行预测分析时，以下哪种激活函数在隐藏层中较为常用？

A.Sigmoid函数

B.ReLU函数

C.Tanh函数

D.以上都是

5.预测分析技术中的特征选择主要目的是？

A.提高模型的准确性

B.减少计算量和存储需求

C.防止模型过拟合

D.以上都是

6.在预测分析中，交叉验证的主要作用是？

A.评估模型的泛化能力

B.选择最优模型参数

C.提高模型训练速度

D.以上都不是

7.以下哪种数据预处理操作通常用于将连续型变量转换为离散型变量？

A..标准化

B.离散化

C.缺失值处理

D.异常值处理

8.对于预测模型的性能评估，以下哪种情况说明模型可能存在过拟合？

A.训练集准确率高，测试集准确率低

B.训练集和测试集准确率都很低

C.训练集和测试集准确率都很高

D.训练集准确率低，测试集准确率高

第II卷（非选择题共60分）

9.（10分）简述预测分析技术中常用的三种机器学习算法及其适用场景。

10.（15分）在进行时间序列预测时，如何判断数据是否具有平稳性？请列举至少两种方法，并简要说明。

11.（15分）给定一个二元分类问题，模型预测结果如下：实际正例有100个，预测为正例的有80个，其中实际为正例且预测为正例的有60个；实际负例有200个，预测为负例的有160个，其中实际为负例且预测为负例的有140个。计算该模型的准确率、召回率和F1值。

12.（2）（20分）材料：某电商平台记录了用户的购买行为数据，包括购买时间、购买商品种类、购买金额等。现在想要预测用户未来可能购买的商品种类。

问题：请你设计一个基于关联规则挖掘的预测方案，说明主要步骤和涉及的关键技术。

13.（2）（20分）材料：一家连锁超市收集了各门店的销售数据，包含不同时间段的销售额、客流量等信息。目标是预测未来一周各门店的销售额。

问题：请描述一种可以使用的预测方法，并说明如何利用现有数据进行模型训练以及如何评估模型的预测效果。

答案：1.C2.C3.B4.D5.D6.A7.B8.A9.决策树：适用于处理具有类别属性的数据，可用于分类和回归问题，对数据特征要求不高，易于理解。线性回归：用于预测连续型变量，适用于数据呈现线性关系的场景。支持向量机：擅长处理高维数据和小样本数据，在分类问题中表现出色，能有效处理非线性可分问题。10.方法一：绘制时间序列图，观察数据的趋势和季节性，如果数据没有明显的趋势和季节性变化，则可能具有平稳性。方法二：进行单位根检验，如ADF检验，若检验结果显示数据平稳，则说明数据具有平稳性。11.准确率=(80+140)/(100+200)=220/