智能数据分析试卷及分析.docxVIP

智能数据分析试卷及分析

一、单项选择题（共10题，每题1分，共10分）

在数据清洗过程中，处理缺失值最不推荐的方法是（）？

A.使用均值、中位数或众数进行填充

B.直接删除包含缺失值的记录

C.使用回归或K近邻等算法进行预测填充

D.将缺失值视为一个单独的类别进行标记

答案：B

解析：直接删除包含缺失值的记录会直接造成数据损失，可能影响数据的完整性和代表性，尤其是在数据量较小或缺失并非完全随机时，会导致分析结果产生偏差。因此，这是最不推荐的方法。其他选项均为常见且合理的缺失值处理策略。

下列哪一项不是数据可视化的核心目标？（）

A.发现数据中的模式和趋势

B.向受众清晰有效地传达信息

C.替代严谨的统计分析结论

D.辅助决策者进行理解和判断

答案：C

解析：数据可视化是一种强大的沟通和探索工具，其核心目标是A、B、D选项所述。然而，可视化本身并不能替代统计检验、模型验证等严谨的定量分析，它更多是辅助和呈现分析结果，而不能直接作为最终的、唯一的科学结论。

在构建线性回归模型时，若发现自变量之间存在高度相关性，这通常被称为（）问题？

A.异方差性

B.多重共线性

C.自相关性

D.欠拟合

答案：B

解析：多重共线性是指回归模型中的两个或两个以上自变量高度相关，这会导致模型估计的系数不稳定、难以解释，并可能影响模型的预测能力。异方差性指误差项的方差非常数，自