国开2022年秋《大数据分析与挖掘技术》（本科）形考任务2试题及答案

A．{面包，牛奶}

B．{面包，牛奶，啤酒}

C．{面包}

D．{面包，牛奶，花生，啤酒}

A．左图相关系数大于0

B．右图相关系数小于0

C．左图相关系数等于0

D．右图相关系数等于0

A．单向关

B．典型相关

C．偏相关

D．点二列(点双列)相关

A．对于有k个表现值的定性变量，只设定(k-1)个虚拟变量;

B．虚拟变量的值通常用“0”或“1”来表示;

C．对于每个样本而言，同一个定性变量对应虚拟变量的值之和不超过1;

D．对于季节变量而言，四个季节需要设定4个虚拟变量

A．员工职位需要考虑成是分类变量

B．员工职位需要引入虚拟变量来处理

C．如果员工职位有5个类别，那么需要引入5个虚拟变量来表示

D．员工报酬需要考虑成被解释变量

A．线性回归模型

B．非线性回归模型

C．对数线性模型

D．Logistic回归模型

A．线性回归模型

B．Logistic回归模型

C．分位数回归

D．非线性回归

A．此次分析构建了一个计数模型

B．收集了30个观测数据

C．对数似然值为-39.804

D．自变量都不显著

A．1-近邻的复杂度最高

B．随着近邻个数的增加，模型的复杂度增加

C．近邻个数不会影响模型的预测能力

D．近邻个数需要人为确定

A．此决策树根节点的gini为0.145

B．落入此决策树根节点中的数据有35个

C．此次划分的gini增益为0.058

D．落入Petal、Length≤5.05的数据将为判为versicolor一类

A．左图相关系数大于0

B．右图相关系数小于0

C．左图相关系数大于右图

D．右图相关系数等于0

A．Pearson相关系数

B．Spearman相关系数

C．Kendalltau-b相关系数

D．Hoeffding’sD相关系数

A．当数据具有尖峰厚尾的分布特征或有离群点(即异常值)时，采用分位数回归更稳健。

B．分位数回归不需要进行残差检验

C．分位数回归会给出因变量不同分位数水平下的参数估计

D．分位数回归不需要做模型检验

A．马氏距离不受总体空间大小的影响

B．受计量单位的影响

C．反映了按平均水平计算被判定样本到中心的相对距离(该距离以方差为单位)

D．是标准化的变量的欧氏距离

A．局部最优性

B．信息增益大的划分

C．信息增益小的划分

D．GINI增益大的划分

A．左图两类数据的划分是一个线性可分问题

B．右图的两类数据的划分是一个线性不可分问题

C．左图两类数据的划分是一个线性不可分问题

D．右图的两类数据的划分是一个线性可分问题