下列不属于按相关因素(变量)之间的相关方向将相关关系分类的是( )。
【A.】单相关
【B.】复相关
【C.】正相关
【D.】负相关
答案是:AB
下列关于相关系数r的说法正确的是( )。
【A.】当r=0时,表现为完全不相关
【B.】当r=0时,表现为无线性相关
【C.】当r取值为-1时,表示为完全负线性相关
【D.】当r取值为1时,表示为完全正线性相关
答案是:ABCD
下列关于相关系数r的说法正确的是( )。
【A.】r具有对称性
【B.】r的数值的大小与x和y的计量尺度无关
【C.】r无法反映两个变量之间的因果关系
【D.】r≥0时,表明两个变量之间存在正线性相关关系
答案是:ABCD
下列关于相关系数r的说法正确的是( )。
【A.】r的取值范围为[-1,1]
【B.】当r=0时,表现为无线性相关
【C.】当r取值为-1时,表示为完全负线性相关
【D.】当r取值为1时,表示为完全正线性相关
答案是:ABCD
下列属于变量之间的相关关系考察形式的是( )。
【A.】单相关和复相关
【B.】正相关和负相关
【C.】线性相关和非线性相关
【D.】偏相关和参数相关
答案是:ABC
按相关因素(变量)之间的相关方向,可以将相关关系分为( )。
【A.】单相关
【B.】复相关
【C.】正相关
【D.】负相关
答案是:CD
下列不属于按相关因素(变量)之间的关系形态不同将相关关系分类的是( )。
【A.】单相关
【B.】复相关
【C.】线性相关
【D.】非线性相关
答案是:AB
按相关因素(变量)之间的关系形态不同,可以将相关关系分为( )。
【A.】单相关
【B.】复相关
【C.】线性相关
【D.】非线性相关
答案是:CD
下列关于Pearson相关系数的显著性检验说法正确的是( )。
【A.】如果P值越小则相关系数越显著
【B.】如果P值越大则相关系数越显著
【C.】P值的大小无法看出相关系数是否显著
【D.】P值的大小可以看出相关系数的显著程度
答案是:AD
按相关因素(变量)的多少,可以将相关关系分为( )。
【A.】单相关
【B.】复相关
【C.】线性相关
【D.】非线性相关
答案是:AB
下列关于Pearson相关系数的显著性检验说法错误的是( )。
【A.】如果P值越小则相关系数越显著
【B.】如果P值越大则相关系数越显著
【C.】P值的大小无法看出相关系数是否显著
【D.】P值的大小可以看出相关系数的显著程度
答案是:BC
按相关因素(变量)之间的相关方向,可以将相关关系分为( )。
【A.】单相关和复相关
【B.】正相关和负相关
【C.】线性相关和非线性相关
【D.】偏相关和参数相关
答案是:B
下列不属于变量之间的相关关系考察形式的是( )。
【A.】单相关和复相关
【B.】正相关和负相关
【C.】线性相关和非线性相关
【D.】偏相关和参数相关
答案是:D
按相关因素(变量)的多少,可以将相关关系分为( )。
【A.】单相关和复相关
【B.】正相关和负相关
【C.】线性相关和非线性相关
【D.】偏相关和参数相关
答案是:A
下列关于相关系数r的说法不正确的是( )。
【A.】r具有对称性
【B.】r的数值的大小与x和y的计量尺度无关
【C.】r能够反映两个变量之间的因果关系
【D.】r≥0时,表明两个变量之间存在正线性相关关系
答案是:C
下列关于相关系数r的说法不正确的是( )。
【A.】当r=0时,表现为完全不相关
【B.】当r=0时,表现为无线性相关
【C.】当r取值为-1时,表示为完全负线性相关
【D.】当r取值为1时,表示为完全正线性相关
答案是:A
下列关于相关系数r的说法不正确的是( )。
【A.】r具有对称性
【B.】r的数值的大小与x和y的计量尺度有关
【C.】r无法反映两个变量之间的因果关系
【D.】r≥0时,表明两个变量之间存在正线性相关关系
答案是:B
下列关于相关系数r的说法不正确的是( )。
【A.】r具有对称性
【B.】r的数值的大小与x和y的计量尺度无关
【C.】r无法反映两个变量之间的因果关系
【D.】r≥0时,表明两个变量之间存在负线性相关关系
答案是:D
按相关因素(变量)之间的关系形态不同,可以将相关关系分为( )。
【A.】单相关和复相关
【B.】正相关和负相关
【C.】线性相关和非线性相关
【D.】偏相关和参数相关
答案是:C
相关系数r的取值范围是( )。
【A.】0≤r≤1
【B.】0
答案是:D
当一个或几个变量取一定的值时,另一个变量有确定值与之具体严格相对应,则称这种关系为相关关系。
【A.】√
【B.】×
答案是:B
当一个或几个变量取一定的值时,另一个变量有确定值与之具体严格相对应,则称这种关系为函数关系。
【A.】√
【B.】×
答案是:A
变量或数据之前的两种主要关系是因果关系和相关关系。
【A.】√
【B.】×
答案是:B
变量之间的影响不能够用具体的函数来度量,但变量之间的关系确实存在数量上不是严格对应的相互依存关系,则称这种关系为函数关系。
【A.】√
【B.】×
答案是:B
变量或数据之前的两种主要关系是函数关系和相关关系。
【A.】√
【B.】×
答案是:A
相关分析根据其分析方法和处理对象不同,可以分为简单相关分析、偏相关分析和非参数相关分析等。
【A.】√
【B.】×
答案是:A
相关分析根据相关关系表现形式的不同,可以分为简单相关分析、偏相关分析和非参数相关分析等。
【A.】√
【B.】×
答案是:B
相关关系是不确定的,主要考察变量之间的相互影响,这种影响不存在方向性。
【A.】√
【B.】×
答案是:A
相关分析根据相关关系表现形式的不同,又可以分为线性相关分析和非线性相关分析。
【A.】√
【B.】×
答案是:A
相关关系是确定的,主要考察变量之间的相互影响,这种影响不存在方向性。
【A.】√
【B.】×
答案是:B
变量之间的影响不能够用具体的函数来度量,但变量之间的关系确实存在数量上不是严格对应的相互依存关系,则称这种关系为相关关系。
【A.】√
【B.】×
答案是:A
函数关系是不确定的,往往将发生变动的变量称为“自变量”,将受自变量变动影响而发生变动的变量称为“因变量”。
【A.】√
【B.】×
答案是:B
相关分析根据其分析方法和处理对象不同,可以分为线性相关分析和非线性相关分析。
【A.】√
【B.】×
答案是:B
函数关系是确定性的,往往将发生变动的变量称为“自变量”,将受自变量变动影响而发生变动的变量称为“因变量”。
【A.】√
【B.】×
答案是:A
下列关于相关关系的说法正确的是( )。
【A.】相关关系主要体现为变量之间的相互依存关系
【B.】主要考察变量之间的相互影响,这种影响不存在方向性
【C.】相关关系是确定性的
【D.】相关关系是不确定的
答案是:ABD
下列不属于相关分析根据相关关系表现形式的不同划分的是( )。
【A.】非线性相关分析
【B.】偏相关分析
【C.】非参数相关分析
【D.】线性相关分析
答案是:BC
相关分析根据其分析方法和处理对象不同可以分为( )。
【A.】简单相关分析
【B.】偏相关分析
【C.】非参数相关分析
【D.】线性相关分析
答案是:ABC
下列不属于变量或数据之间的两种主要关系是( )。
【A.】依存关系
【B.】因果关系
【C.】函数关系
【D.】相关关系
答案是:AB
下列关于函数关系和相关关系说法正确的是( )。
【A.】函数关系是确定性的
【B.】函数关系是不确定的
【C.】相关关系是确定性的
【D.】相关关系是不确定的
答案是:AD
相关分析根据相关关系表现形式的不同可以分为( )。
【A.】非线性相关分析
【B.】偏相关分析
【C.】非参数相关分析
【D.】线性相关分析
答案是:AD
下列关于函数关系和相关关系说法不正确的是( )。
【A.】函数关系是确定性的
【B.】函数关系是不确定的
【C.】相关关系是确定性的
【D.】相关关系是不确定的
答案是:BC
变量或数据之间的两种主要关系是( )。
【A.】依存关系
【B.】因果关系
【C.】函数关系
【D.】相关关系
答案是:CD
相关分析根据其分析方法和处理对象不同可以分为( )。
【A.】简单相关分析、偏相关分析和非参数相关分析
【B.】简单相关分析、复杂相关分析和非参数相关分析
【C.】线性相关分析和非线性相关分析
【D.】简单相关分析和复杂相关分析
答案是:A
下列关于相关关系的说法不正确的是( )。
【A.】相关关系主要体现为变量之间的相互依存关系
【B.】主要考察变量之间的相互影响,这种影响不存在方向性
【C.】相关关系是确定性的
【D.】相关关系是不确定的
答案是:C
下列属于变量或数据之间的主要关系的是( )。
【A.】因果关系
【B.】函数关系
【C.】依存关系
【D.】以上皆是
答案是:B
下列不属于相关分析根据其分析方法和处理对象不同划分的类别是( )。
【A.】简单相关分析
【B.】偏相关分析
【C.】非参数相关分析
【D.】线性相关分析
答案是:D
变量或数据之间的两种主要关系的是( )。
【A.】因果关系和相关关系
【B.】因果关系和依存关系
【C.】函数关系和相关关系
【D.】函数关系和依存关系
答案是:C
相关分析根据相关关系表现形式的不同可以分为( )。
【A.】简单相关分析和复杂相关分析
【B.】偏相关分析和非偏相关分析
【C.】线性相关分析和非线性相关分析
【D.】参数相关分析和非参数相关分析
答案是:C
Dunn指数刻画了所有类两两之间的最短距离与最大类的“直径”之比,该指数越大,说明类与类之间分得越开。
【A.】√
【B.】×
答案是:A
DB指数刻画的是一个平均距离,该指数越小,说明聚类越好。
【A.】√
【B.】×
答案是:A
Dunn指数刻画了所有类两两之间的最短距离与最大类的“直径”之比,该指数越小,说明类与类之间分得越开。
【A.】√
【B.】×
答案是:B
DB指数刻画的是一个平均距离,该指数越大,说明聚类越好。
【A.】√
【B.】×
答案是:B
下列属于聚类模型评价的内部指标的是( )。
【A.】DB指数
【B.】Jaccard系数
【C.】Dunn指数
【D.】Rand指数
答案是:AC
下列不属于聚类模型评价的内部指标的是( )。
【A.】DB指数
【B.】Jaccard系数
【C.】Dunn指数
【D.】Rand指数
答案是:BD
下列关于聚类模型评价的外部指标说法错误的是( )。
【A.】Dunn指数越小,说明类与类之间分得越开
【B.】Dunn指数越大,说明类与类之间分得越开
【C.】DB指数刻画的是一个平均距离,该指数越小,说明聚类越好
【D.】DB
答案是:AD
下列关于聚类模型评价的外部指标说法正确的是( )。
【A.】Dunn指数越小,说明类与类之间分得越开
【B.】Dunn指数越大,说明类与类之间分得越开
【C.】DB指数刻画的是一个平均距离,该指数越小,说明聚类越好
【D.】DB指
答案是:BC
下列属于聚类模型评价的内部指标的是( )。
【A.】DB指数
【B.】Jaccard系数
【C.】FM指数
【D.】Rand指数
答案是:A
下列属于聚类模型评价的外部指标的是( )。
【A.】DB指数
【B.】Jaccard系数
【C.】FM指数
【D.】Rand指数
答案是:BCD
下列不属于聚类模型评价的外部指标的是( )。
【A.】DB指数
【B.】Jaccard系数
【C.】FM指数
【D.】Rand指数
答案是:A
决定系数是指模型解释了的数据波动的比例,取值区间为[0,1],越接近于1说明模型拟合得越好。
【A.】√
【B.】×
答案是:A
决定系数是指模型解释了的数据波动的比例,取值区间为[0,1],越接近于0说明模型拟合得越好。
【A.】√
【B.】×
答案是:B
下列关于决定系数的说法正确的是( )。
【A.】越接近于0说明模型拟合得越好
【B.】决定系数是指模型解释了的数据波动的比例
【C.】取值区间为[0,1]
【D.】越接近于1说明模型拟合得越好
答案是:BCD
下列属于回归模型评价指标的是( )。
【A.】平均绝对误差
【B.】平均相对误差
【C.】平均平方误差
【D.】决定系数
答案是:ACD
下列关于决定系数的说法不正确的是( )。
【A.】越接近于0说明模型拟合得越好
【B.】决定系数是指模型解释了的数据波动的比例
【C.】取值区间为[0,1]
【D.】越接近于1说明模型拟合得越好
答案是:A
下列不属于回归模型评价指标的是( )。
【A.】平均绝对误差
【B.】平均相对误差
【C.】平均平方误差
【D.】决定系数
答案是:B
随机挑选一个正样本以及一个负样本,分类器判定正样本的值高于负样本的概率就是AUC值。
【A.】√
【B.】×
答案是:A
AUC值(面积)越小的分类器,性能越好。
【A.】√
【B.】×
答案是:B
下列关于AUC的说法正确的是( )。
【A.】AUC被定义为ROC曲线下的面积,也就是ROC曲线的积分
【B.】通常取值在0.5~1
【C.】随机挑选一个正样本以及一个负样本,分类器判定正样本的值高于负样本的概率就是AUC值
【D
答案是:ABC
下列属于由混淆矩阵导出的评价准则的是( )。
【A.】F1 score
【B.】ROC曲线
【C.】AUC
【D.】召回率
答案是:ABCD
下列属于由混淆矩阵导出的评价准则的是( )。
【A.】准确率
【B.】精确率
【C.】召回率
【D.】F1 score
答案是:ABCD
下列关于AUC的说法不正确的是( )。
【A.】AUC被定义为ROC曲线下的面积,也就是ROC曲线的积分
【B.】通常取值在0.5~1
【C.】随机挑选一个正样本以及一个负样本,分类器判定正样本的值高于负样本的概率就是AUC值
【D
答案是:D
在回归学习中常用的损失函数是平方损失函数。
【A.】√
【B.】×
答案是:A
对于预测任务的数据挖掘来说,性能评估的指标包括平均绝对误差和均方根误差等。
【A.】√
【B.】×
答案是:A
ROC曲线是一种常用的评价方法,可用来展示临界值的选择与算法性能之间的关系,用于评价临界值不同的算法的性能。
【A.】√
【B.】×
答案是:A
对于分类任务的数据挖掘,评价指标一般可通过一个混淆矩阵计算得到,包括准确度、特效度、灵敏度以及考虑错分成本的指标。
【A.】√
【B.】×
答案是:A
通过样本估计期望预测误差只有重复抽样这一种方式。
【A.】√
【B.】×
答案是:B
模型越复杂,偏差越大,方差越小;模型越简单,偏差越小,而方差越大。
【A.】√
【B.】×
答案是:B
有监督学习模型的目的是寻找一个可以很好地描述自变量X与因变量Y之间关系的函数f。
【A.】√
【B.】×
答案是:A
通过样本估计期望预测误差一般有重复抽样和交叉验证两种方式。
【A.】√
【B.】×
答案是:A
模型越复杂,偏差越小,方差越大;模型越简单,偏差越大,而方差越小。
【A.】√
【B.】×
答案是:A
在回归学习中常用的损失函数是指数损失函数。
【A.】√
【B.】×
答案是:B
下列关于偏差和方差的说法正确的是( )。
【A.】偏差和方差受模型的复杂度影响
【B.】模型越复杂,偏差越小,方差越大
【C.】模型越复杂,偏差越大,方差越小
【D.】模型越简单,偏差越大,方差越小
答案是:ABD
期望预测误差主要包括( )。
【A.】模型假设失误带来的误差
【B.】采用某种方法估计最优值时,估计值的平均可能偏离了真实值
【C.】估计值自身由于数据的随机性产生一个波动部分
【D.】一些主观人为因素
答案是:ABC
下列属于常用的损失函数的是( )。
【A.】0-1损失函数
【B.】平方损失函数
【C.】指数损失函数
【D.】负二项损失函数
答案是:ABCD
下列关于偏差和方差的说法不正确的是( )。
【A.】模型越复杂,偏差越大,方差越小
【B.】模型越复杂,偏差越小,方差越大
【C.】模型越简单,偏差越小,方差越大
【D.】模型越简单,偏差越大,方差越小
答案是:AC
下列关于偏差和方差的说法正确的是( )。
【A.】模型越复杂,偏差越大,方差越小
【B.】模型越复杂,偏差越小,方差越大
【C.】模型越简单,偏差越小,方差越大
【D.】模型越简单,偏差越大,方差越小
答案是:BD
下列关于期望预测误差的说法正确的是( )。
【A.】期望预测误差实际上是真实值与预测值在某种损失函数下的差值
【B.】期望预测误差实际上是真实值与预测值在某种损失函数下的平均值
【C.】通常我们使用期望预测误差作为寻优的目标函数
答案是:BCD
下列属于通过样本估计期望预测误差的方式的是( )。
【A.】不重复抽样
【B.】重复抽样
【C.】非交叉验证
【D.】交叉验证
答案是:BD
下列关于性能评估的指标说法正确的是( )。
【A.】对于预测任务的数据挖掘,性能评估的指标包括平均绝对误差和均方根误差等
【B.】对于分类任务的数据挖掘,评价指标一般可通过一个混淆矩阵计算得到
【C.】数据挖掘方法预测性能的评估是数
答案是:ABC
下列不属于通过样本估计期望预测误差的方式的是( )。
【A.】不重复抽样
【B.】重复抽样
【C.】非交叉验证
【D.】交叉验证
答案是:AC
下列关于偏差和方差的说法不正确的是( )。
【A.】偏差和方差受模型的复杂度影响
【B.】模型越复杂,偏差越小,方差越大
【C.】模型越复杂,偏差越大,方差越小
【D.】模型越简单,偏差越大,而方差越小
答案是:C
下列不属于期望预测误差的是( )。
【A.】模型假设失误带来的误差
【B.】采用某种方法估计最优值时,估计值的平均可能偏离了真实值
【C.】估计值自身由于数据的随机性产生一个波动部分
【D.】一些主观人为因素
答案是:D
在回归学习中常用的损失函数是( )。
【A.】0-1损失函数
【B.】平方损失函数
【C.】指数损失函数
【D.】负二项损失函数
答案是:B
下列关于期望预测误差的说法错误的是( )。
【A.】期望预测误差实际上是真实值与预测值在某种损失函数下的差值
【B.】期望预测误差实际上是真实值与预测值在某种损失函数下的平均值
【C.】通常我们使用期望预测误差作为寻优的目标函数
【
答案是:A
下列关于性能评估的指标说法错误的是( )。
【A.】对于预测任务的数据挖掘,性能评估的指标包括平均绝对误差和均方根误差等
【B.】对于分类任务的数据挖掘,评价指标一般可通过一个混淆矩阵计算得到
【C.】数据挖掘方法预测性能的评估是数据
答案是:D
设定虚拟变量时,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。
【A.】√
【B.】×
答案是:A
设定虚拟变量时,对于有k个表现值的定性变量,只设定(k-1)个虚拟变量。
【A.】√
【B.】×
答案是:A
虚拟变量的设定即把对变量的定性描述转化成对定量数据的描述。
【A.】√
【B.】×
答案是:A
虚拟变量的设定即把对变量的定量描述转化成对定性数据的描述。
【A.】√
【B.】×
答案是:B
设定虚拟变量时,虚拟变量的值通常用“0”或“1”来表示。
【A.】√
【B.】×
答案是:A
设定虚拟变量时应当遵循如下哪些原则( )。
【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
答案是:ABC
下列关于设定虚拟变量时应当遵循的原则说法不正确的是( )。
【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
答案是:D
主成分是原始变量的线性组合,它们相互正交(垂直),捕获了数据差异最大的方向。
【A.】√
【B.】×
答案是:A
主成分分析是一种经典的减少分析变量的方法,它将数据从原始的高维空间投影到低维空间。
【A.】√
【B.】×
答案是:A
主成分是原始变量的线性组合,它们相互正交(垂直),捕获了数据差异最小的方向。
【A.】√
【B.】×
答案是:B
主成分分析是一种经典的增加分析变量的方法,它将数据从原始的低维空间投影到高维空间。
【A.】√
【B.】×
答案是:B
下列关于主成分分析的说法正确的是( )。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合
答案是:ACD
下列关于主成分的属性说法正确的是( )。
【A.】它们是原始变量的线性组合
【B.】它们相互正交(垂直)
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
答案是:ABD
下列关于主成分分析的说法正确的是( )。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
答案是:AC
下列关于主成分分析的说法错误的是( )。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
答案是:BD
下列关于主成分分析的说法错误的是( )。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合
答案是:B
下列关于主成分的属性说法错误的是( )。
【A.】它们是原始变量的线性组合
【B.】它们相互正交(垂直)
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
答案是:C
离散化是一种将分类取值的变量转换成一个连续变量的数据预处理步骤。
【A.】√
【B.】×
答案是:B
离散化是一种将连续取值的变量转换成一个分类变量的数据预处理步骤。
【A.】√
【B.】×
答案是:A
有放回抽样有可能对同一个个体抽中了多次,无放回抽样则将抽出来的个体从抽样对象中去除,因此不会有重复的个体。
【A.】√
【B.】×
答案是:A
无放回抽样有可能对同一个个体抽中了多次,有放回抽样则将抽出来的个体从抽样对象中去除,因此不会有重复的个体。
【A.】√
【B.】×
答案是:A
下列关于抽样的说法正确的是( )。
【A.】抽样有多种方法,如有放回抽样、无放回抽样等
【B.】无放回抽样则将抽出来的个体从抽样对象中去除
【C.】有放回抽样有可能对同一个个体抽中了多次
【D.】无放回抽样会有重复的个体
答案是:ABC
下列关于抽样的说法错误的是( )。
【A.】抽样有多种方法,如有放回抽样、无放回抽样等
【B.】无放回抽样则将抽出来的个体从抽样对象中去除
【C.】有放回抽样有可能对同一个个体抽中了多次
【D.】无放回抽样会有重复的个体
答案是:D
下列关于抽样的说法正确的是( )。
【A.】抽样有多种方法,如有放回抽样、无放回抽样等
【B.】有放回抽样则将抽出来的个体从抽样对象中去除
【C.】无放回抽样有可能对同一个个体抽中了多次
【D.】无放回抽样会有重复的个体
答案是:A
数据整合是一个将两个或者多个对象的值合并成一个对象的预处理操作。
【A.】√
【B.】×
答案是:A
目前为:
4/5
页
首页 上页 下页 尾页