【国开搜题】国家开放大学 一网一平台20230506大数据预处理试卷06期末考试押题试卷与答案

[复制链接]
查看: 16|回复: 0

19万

主题

19万

帖子

59万

积分

论坛元老

Rank: 8Rank: 8

积分
594010
发表于 2024-4-20 18:05:50 | 显示全部楼层 |阅读模式
20230506大数据预处理试卷-06
关注公众号【】,回复【试】获取试题答案

国开一网一平台
一 、单选题
1. 下列关于分箱法的表述中,不正确的是()。
A. 使用客观法进行数据离散化是计算机科学领域通常的做法,通常用名词“分箱”称呼这种方法。
B. 分箱法主要有等宽法(等宽分箱)和等频法(等频分箱)两种形式。
C. 等宽分箱法一般被称作“分类”。
D. 在统计分析领域,客观法和主观法中都会用到分箱法。
答案:C
- 关注公众号【】,对话框内发送试题,获得答案。
2. 下列表述中,正确的是()。
A. 含有缺失值的变量必须被剔除
B. 数据缺失的原因是该数据不存在。
C. 数据缺失会造成模型解释能力下降。
D. 非随机缺失类型是指数据的缺失仅仅依赖于其它变量。
答案:C
- 关注公众号【】,对话框内发送试题,获得答案。
3. 下列关于哑变量的说法中,不正确的是()。
A. 任何一个k个类别的定性变量都可以转换为k-1个哑变量
B. 哑变量只有两个类别,用0和1表示。
C. 哑变量的0-1形态与逻辑型数据的False和True相同,0表示True,1表示False。
D. 哑变量属于定性变量。
答案:C
- 关注公众号【】,对话框内发送试题,获得答案。
4. 数据中心化公式为()。
A. Xscaled=X−X-S。
B. Xscaled=X−X-。
C. Xscaled=XXmax。国开一网一平台
D. Xscaled=X−MedianIQR。
答案:B
- 关注公众号【】,对话框内发送试题,获得答案。
5. 下列关于数据归约的表述中,不正确的是()。
A. 过多的数据会导致模型训练效率低下。
B. 在进行数据分析前可以通过数据归约简化数据。
C. 为了简化数据,可以允许损失较多的信息。
D. 在样本量增加到一定程度后,信息含量趋近于不变。
答案:关注公众号【】,对话框内发送试题,获得答案。
6. 在大多数箱线图绘图工具中,定义上限值位置和下限值位置分别为()。
A. 上限值:Q1+1.5×IQR ,下限值:Q3−1.5×IQR
B. 上限值:Q1−1.5×IQR ,下限值:Q3+1.5×IQR
C. 上限值:Q3−1.5×IQR ,下限值:Q1+1.5×IQR
D. 上限值:Q3+1.5×IQR ,下限值:Q1−1.5×IQR
答案:关注公众号【】,对话框内发送试题,获得答案。
7. 数据分析项目的基本工作流程是()。
A. 数据预处理->数据获取(采集)->数据分析(建模)->数据分析结果的展示和应用。
B. 数据获取(采集)->数据分析(建模)->数据预处理->数据分析结果的展示和应用。
C. 数据获取(采集)->数据预处理->数据分析(建模)->数据分析结果的展示和应用。
D. 数据获取(采集)->数据预处理->数据分析结果的展示和应用 ->数据分析(建模)。
答案:关注公众号【】,对话框内发送试题,获得答案。
8. 下列关于数据中心化的表述中,不正确的是()。
A. 中心化后,平均值等于0。
B. 中心化后,标准差没有发生改变。
C. 中心化后,极差变大。
D. 中心化后,分布形状没有发生改变。
答案:关注公众号【】,对话框内发送试题,获得答案。
9. 下图是某分类变量各类别计数分布的箱线图,从图中可知()。

A. 变量中存在大量计数很低的类别。
B. 该变量类别很少,可以清晰的用箱线图展示各类别的频数。
C. 这个变量不存在低频分类现象。
D. 绝大多数分类计数很高。
答案:关注公众号【】,对话框内发送试题,获得答案。
10. 关于计算机系统中的日期时间型数据,下列说法不正确的是()。
A. 日期时间型数据是以数值形式存储的。
B. 日期时间型数据以“1970年1月1日0时0分0秒”这个时间点为0。
C. 日期时间型数据是以缺失值形式存储的。
D. 在Python中,datetime模块可支持日期和时间的数学运算。
答案:关注公众号【】,对话框内发送试题,获得答案。
二 、判断题
1. 一旦发现异常值,就应当将其删除。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
2. 经过Max-ABS缩放后,数据的正负可能会发生改变。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
3. Spearman相关系数的值在[0,1]之间分布。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
4. 顺序型变量可以转变成得分变量()?
A. √国开一网一平台,我们的目标是要做全覆盖、全正确的答案搜索服务。
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
5. 在计算机系统中,日期时间型数据是以文本形式存储的。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
6. 数据缺失使得数据集信息含量降低,还会使一些模型无法应用。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
7. 在数据离散化中,使用客观法得到的是分类或顺序形式的定性变量,依据的是研究者基于研究目的所确定的类别。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
8. 数据错误是指数据集中的数据与其真值不一致的情况。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
9. 变量选择的目的是减少数据集的列。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
10. 某变量的数据标准化结果以0为中心对称分布。()?
A. √
B. ×
答案:关注公众号【】,对话框内发送试题,获得答案。
三 、问答题
1. 简述哑变量的概念与特征。
答案:关注公众号【】,对话框内发送试题,获得答案。
2. 请简述维度归约的思路。
答案:关注公众号【】,对话框内发送试题,获得答案。
四 、填空题
1. 使用test_x数据集计算只包含部分变量var_new的新模型model_new的AUC值: auc = (y_true=test_y, y_score=model_new.predict_proba (test_x[var_new])[:,1])
A. roc_auc_score
答案:关注公众号【】,对话框内发送试题,获得答案。
2. 将数据集data中的变量y缩放到区间[0,10],结果保存在y1中: scaler = MinMaxScaler(feature_range =(0,10)) y1 = scaler.fit_transform( )
A. data[["y"]]
答案:关注公众号【】,对话框内发送试题,获得答案。
3. 对序列B进行中心化,结果保存在centralize_b中: centralize_b = (B, with_std=False)
A. scale
答案:关注公众号【】,对话框内发送试题,获得答案。
4. 请将定性变量序列s其转换为哑变量,每个哑变量的变量名均以字母d开头,缺失值也作为一个类别,并将结果存储于数据框df中: df = pd.get_dummies(s, prefix="d", =True)
A. dummy_na
答案:关注公众号【】,对话框内发送试题,获得答案。
5. 使用boston数据集实现GBDT模型填补。首先初始化一个GBDT模型,模型的训练集为train,将含有缺失值的变量LSTAT作为目标变量,其余变量作为自变量拟合模型: train = boston.dropna(subset=["LSTAT"]) GBDT = GBDT.fit(X=train.drop("LSTAT",axis=1 ), y=train["LSTAT"])
A. GradientBoostingRegressor()
答案:关注公众号【】,对话框内发送试题,获得答案。
6. 计算序列y与数据集X中每一个变量的Spearman相关系数,并将结果依次存储在序列p中: for i in X: p = (y, X)[0]
A. spearmanr
答案:关注公众号【】,对话框内发送试题,获得答案。
7. 对data数据采用等宽分箱,分组数为5组,结果保存在result中: result = pd.cut(data, =5)
A. bins
答案:关注公众号【】,对话框内发送试题,获得答案。
8. 将数据集data中变量v1的缺失值使用其均值进行填补,将填补完的变量保存在v1_fill中: v1_fill = data["v1"].fillna(data["v1"]. )
A. mean()
答案:关注公众号【】,对话框内发送试题,获得答案。
9. 对数据data计算标准分数,data_mean是data的平均值,data_std是data的标准差,结果保存在result中: result=(data- )/ data_std
A. data_mean
答案:关注公众号【】,对话框内发送试题,获得答案。
10. 在序列d1中以字符串形式存储这日期数据,其格式类似于:"2022/08/28",将d1中的所有日期转换为日期时间型数据并存储于d2中。现需要从d2中提取月份信息。 d2 = pd.to_datetime(d1, format="%Y/%m/%d") month = d2.
A. dt. month
答案:关注公众号【】,对话框内发送试题,获得答案。
五 、综合题
1. 请写出下方代码的功能 data = pd.read_csv(r"d:data.csv",header=0) x1_fill = data["x1"].fillna(data["x1"].mean())
答案:关注公众号【】,对话框内发送试题,获得答案。
2. 请写出下方代码的功能 minmax_scaler = MinMaxScaler(feature_range=(0,10)) data_s = minmax_scaler.fit_transform(data)
答案:关注公众号【】,对话框内发送试题,获得答案。
关注公众号【】,回复【试题】获取试题答案





上一篇:【国开搜题】国家开放大学 一网一平台20230506大数据预处理试卷09期末考试押题试卷与答案
下一篇:【国开搜题】国家开放大学 一网一平台20230506大数据预处理试卷05期末考试押题试卷与答案
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图