《感知数据》作业的答案： 一、填空题 1. 在数据分析中，_____是指对数据进行整理和归纳，以便提取有用信息的过程。答案：数据清洗 2. 数据挖掘的常用算法之一是_____，它通过构建决策树来进行分类和预测。答案：决策树 3. 在机器学习中，过拟合是指模型在训练集上表现很好，但在_____上表现不佳的现象。答案：测试集 4. 数据可视化工具如Tableau和_____可以帮助用户更直观地理解数据模式和趋势。答案：Power BI 5. 数据库管理系统（DBMS）通常提供SQL语言来查询和操作数据库中的_____。答案：数据集 6. 在大数据环境下，Hadoop是一个用于存储和处理大规模数据集的开源软件框架，其核心组件包括HDFS和_____。答案：MapReduce 7. 数据科学项目的关键步骤之一是_____，即确定项目目标和所需资源。答案：问题定义 8. 在统计分析中，均值是描述数据集中趋势的一种度量，而_____则反映了数据的离散程度。答案：标准差 9. 数据预处理阶段可能包括缺失值处理、异常值检测和_____等步骤。答案：数据标准化/归一化 二、选择题 1. 以下哪种方法是监督学习的例子？ A. 聚类分析 B. 线性回归 C. 主成分分析 D. 关联规则学习 答案：B 解析：监督学习是指通过已标记的数据来训练模型，以进行预测或分类的任务。线性回归是一种常见的监督学习方法，用于预测连续数值。聚类分析和主成分分析属于无监督学习，而关联规则学习虽然可以用于预测，但通常不被视为标准的监督学习方法。 2. 在数据预处理中，标准化的目的是什么？ A. 减少特征数量 B. 提高模型的解释性 C. 使不同特征具有相同的尺度 D. 增加数据的稀疏性 答案：C 解析：数据标准化的目的是将所有特征转换到同一尺度，通常是0到1之间或具有单位方差和零均值。这样做是为了确保没有单一特征由于其数值范围大而对模型产生不成比例的影响。 3. 下列哪个指标不是评估分类模型性能的？ A. 准确率 B. 召回率 C. 精确率 D. 均方误差 答案：D 解析：均方误差是回归任务中常用的性能评估指标，用于衡量预测值与实际值之间的平均平方差。而准确率、召回率和精确率则是分类任务中常用的性能评估指标。 4. 在大数据分析中，哪项技术不是用来处理海量数据的？ A. MapReduce B. SQL查询优化 C. NoSQL数据库 D. 实时流处理 答案：B 解析：MapReduce是一种编程模型，用于处理和生成大数据集；NoSQL数据库设计用于高可用性和可扩展性，适合处理大量数据；实时流处理技术允许对数据流进行即时分析。而SQL查询优化主要关注提高传统关系型数据库查询的效率，虽然也可以应用于大数据环境，但并非专为处理海量数据而设计。 5. 以下哪种图最适合展示数据随时间变化的趋势？ A. 饼图 B. 条形图 C. 折线图 D. 散点图 答案：C 解析：折线图非常适合展示数据随时间或其他连续变量变化的趋势，因为它能够清晰地显示出数据点的连接线，从而揭示出趋势或模式。饼图更适合展示类别之间的比例关系；条形图适用于比较不同类别的数值大小；散点图则常用于探索两个量化变量之间的关系。 6. 在数据科学中，交叉验证的主要目的是什么？ A. 增加模型复杂度 B. 减少训练时间 C. 避免过拟合 D. 提高特征重要性 答案：C 解析：交叉验证是一种评估模型泛化能力的技术，通过将数据集划分为多个子集，轮流使用其中一个子集作为测试集，其余作为训练集，来模拟独立测试的场景。这有助于估计模型在新数据上的性能，并减少过拟合的风险。 7. 下列哪个选项不是数据可视化的原则？ A. 清晰性 B. 美观性优先于准确性 C. 一致性 D. 交互性 答案：B 解析：数据可视化的首要原则是清晰准确地传达信息，而不是追求美观性。虽然美观的设计可以增强视觉效果，但不应牺牲准确性和清晰度。清晰性、一致性和交互性都是数据可视化的重要原则。 8. 如果 ... ...
