20230506大数据预处理试卷-03
关注公众号【国开搜题】，回复【试题】获取试题答案渝粤搜题
一 、单选题
1. 下列选项中，属于将连续型变量离散化为定性变量具有的作用的是（）。
A. 适应算法的需要。
B. 消除数据中的异常值。
C. 填补数据中的缺失值。
D. 提高数据的准确性。
答案：A
- 关注公众号【国开搜题】，对话框内发送试题，获得答案。
2. 下列表述中，正确的是（）。渝粤题库，我们的目标是要做全覆盖、全正确的答案搜索服务。
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。国开搜题
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【国开搜题】，对话框内发送试题，获得答案。
3. 哑变量也可以被称作（）。
A. 连续型变量
B. 多分类变量
C. 0-1型变量渝粤教育
D. 数值型变量
答案：C
- 关注公众号【国开搜题】，对话框内发送试题，获得答案。
4. Robust缩放公式为（）。
A. Xscaled=X−X-S。
B. Xscaled=X−X-。
C. Xscaled=XXmax。
D. Xscaled=X−MedianIQR。
答案：D
- 关注公众号【国开搜题】，对话框内发送试题，获得答案。渝粤搜题
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【国开搜题】，对话框内发送试题，获得答案。
6. 确定某个数据是否为异常值时，需要比较该值与（）的距离。渝粤题库，我们的目标是要做全覆盖、全正确的答案搜索服务。
A. 平均值
B. 中值
C. 最大值
D. 最小值
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
7. 下列关于数据预处理的表述中，不正确的是（）。
A. 具备专业经验的数据科学家可以在数据分析前忽略数据预处理。
B. 数据预处理是在数据采集后，分析前这段时间里对数据进行的处理操作。
C. 数据预处理的效果与数据分析顺利与否直接相关。
D. 数据预处理往往占据数据分析项目总工作量的60%以上。
答案：关注公众号【国开搜题】，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，平均值大于0。
B. 中心化后，标准差没有发生改变。
C. 中心化后，极差没有发生改变。
D. 中心化后，分布形状没有发生改变。
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
9. 下列表述中正确的是（）。
A. 低频分类数据可能是由于真实的分类结果确实存在低频分类。
B. 处理低频分类数据的唯一方法是将这些数据删除。
C. 低频分类数据全部是采集数据时格式不规范或错误所导致的。
D. 低频分类数据通常呈现出类别很少，且很多类别仅有几个甚至一个样本的情况。
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
10. 关于在计算机系统中的日期时间型数据，下列说法正确的是（）。
A. 日期时间型数据是以文本形式存储的。
B. 日期时间型数据是以缺失值形式存储的。
C. 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。
D. 在Python中，datetime模块不支持日期和时间的数学运算。
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
二 、判断题
1. 异常值的数值可能是真实的值。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
2. Robust缩放不易受极端值影响。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
3. Pearson相关系数的值在[0,1]之间分布。（）？渝粤题库
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
4. 多分类定性变量可以转变为哑变量。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
5. 日期时间型数据不能进行任何计算。（）？
A. √国开一网一平台
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
6. 在数据存储过程中，由于设备故障造成存储失败而导致的数据缺失，属于机械原因。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。渝粤题库，我们的目标是要做全覆盖、全正确的答案搜索服务。
7. 如果输入数据是连续型数据，使用决策树模型时，需要将连续型变量离散化为定性变量使用。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
8. 过多的低频类别会严重影响建模的效率。（）？
A. √
B. ×
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。渝粤搜题
9. 使用LASSO算法可以进行变量选择。（）？
A. √
B. ×渝粤搜题
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
10. 具有不同的数据特征的变量不能直接纳入到同一个分析体系中。（）？
A. √国开搜题
B. ×渝粤搜题
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
三 、问答题
1. 请简述大数据预处理的目标。
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
2. 请简述数据归约的概念及其形式。
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
四 、填空题
1. 使用Lasso算法进行变量选择： Lasso_model = Lasso(alpha=0.03, random_state=0) lasso_model. fit (train_x, train_y) coef = pd.Series(lasso_model.coef_ ,index=train_x.columns) var_lasso = coef[coef. ].index
A. ne(0)
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
2. 对数据集data中的所有变量进行Min-Max缩放，结果保存在data_scale中： mm_scaler = () data_scale = mm_scaler.fit_transform(data)
A. MinMaxScaler
答案：关注公众号【国开搜题】，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： scaler = StandardScaler( =False) centralize_b = scaler.fit_transform(B)
A. with_std
答案：关注公众号【国开搜题】，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，并将结果存储于数据框df中： df = pd.get_dummies(s, prefix= )
A. "d"国开一网一平台
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
5. 截取保存了地址的变量addr的前三个字，并查看其唯一值情况： addr. (0, 3).unique()
A. str.slice
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
6. 计算变量y与x的Spearman相关系数： Spearman_xy = (y, x)
A. spearmanr
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
7. 对数据序列d1采用等宽分箱，分组数为7组，结果保存在d2中： d2 = pd. (d1, bins=7)
A. cut
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。渝粤题库，我们的目标是要做全覆盖、全正确的答案搜索服务。
8. 对boston数据集中的变量LSTAT进行处理，随机选择10个值将其赋值为缺失值： sample = random.sample(range(boston.shape[0]), 10) boston. [sample, "LSTAT"] = np.nan
A. loc
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
9. 对序列B进行Max-ABS缩放，结果保存在B1中： B1 = pd.Series( (B))
A. robust_scale
答案：关注公众号【国开搜题】，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"，请将d1中的所有日期转换为日期时间型数据并存储于d2中。 d2 = pd.to_datetime(d1, ="%Y/%m/%d")
A. format
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
五 、综合题
1. 已知date1为以文本形式存储日期数据的序列，其存储形式形如“2022/12/31”，请写出下方代码的功能 date2 = pd.to_datetime(date1, format="%Y/%m/%d") w = date2.dt.dayofweek weekend = w.isin([5, 6])
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
2. 请写出下方代码的功能 model_all = GradientBoostingClassifier(random_state=0) model_all.fit(X=train_x, y=train_y) feature_imp = pd.Series(model_all.feature_importances_, index=train_x.columns) var_tree = feature_imp.sort_values(ascending=False).head(8).index print(feature_imp.sort_values(ascending=False)) print(" 结果为： %s" % var_tree.values)
答案：关注公众号【国开搜题】，对话框内发送试题，获得答案。
关注公众号【国开搜题】，回复【试题】获取试题答案
微信扫码添加好友
如二维码无法识别，可拨打 13662661040 咨询。