【Data Mining】【第五章作业】

2023-11-19

一. 单选题

1.回归分析中使用的距离是点到直线的垂直坐标距离,最小二乘准则是指( )。
A. 在这里插入图片描述
B. 在这里插入图片描述
C.在这里插入图片描述
D. 在这里插入图片描述
正确答案: D

2.回归分析的步骤为( )。
① 进行相关分析 ② 建立预测模型 ③ 确定变量 ④ 确定预测值 ⑤ 计算预测误差
A. ①③④⑤②
B. ③①⑤②④
C. ③②①⑤④
D. ③⑤①②④
正确答案: C

3.下列变量之间的关系是函数关系的是( )。
A. 已知二次函数y=ax2+bx+c,其中a,c是已知常数,取b为自变量,因变量是这个函数的判别式Δ=b2-4ac。
B. 光照时间和果树亩产量
C. 降雪量和交通事故发生率
D. 每亩施用肥料量和粮食产量
正确答案: A

4.对于回归分析,下列说法错误的是( )。
A. 在回归分析中,变量间的关系若是非确定性关系,那么因变量不能由自变量唯一确定
B. 线性相关系数可以是正的,也可以是负的
C. 回归分析中,如果r2=1,说明x与y之间完全相关
D. 样本相关系数r∈(-1,1)
正确答案: D

5.某地区调查了2-9岁儿童的身高,由此建立的身高y(cm)与年龄x(岁)的回归模型为y=8.25x+60.13,下列叙述正确的是( )。
A. 该地区一个儿童的身高为142.63cm
B. 该地区2-9岁的儿童每年的身高约增加8.25cm
C. 该地区9岁儿童的平均身高是134.38cm
D. 利用这个模型可以准确地预测该地区每个2-9岁儿童的身高
正确答案: B

6.在这里插入图片描述
A. y = 0.51x + 6.65
B. y = 6.65x + 0.51
C. y = 0.51x + 42.30
D. y = 42.30x + 0.51
正确答案: A

7.下表是x和y之间的一组数据,则y关于x的回归方程必过( )。
在这里插入图片描述
A. 点(2, 3)
B. 点(1.5, 4)
C. 点(2.5, 4)
D. 点(2.5, 5)
正确答案: C

8.反映由模型中解释变量所解释的那部分离差大小的是( )。
A. 总离差平方和
B. 回归平方和
C. 残差平方和
D. 可决系数
正确答案: B

9.总离差平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是( )。
A. TSS>RSS+ESS
B. TSS=RSS+ESS
C. TSS<RSS+ESS
D. TSS2=RSS2+ESS2
正确答案: B

10.决定系数R2的取值范围是( )。
A. R2<=1
B. R2>=1
C. 0<R2<1
D. -1<R2<1
正确答案: C

11.回归分析中定义的( )。
A. 解释变量和被解释变量都是随机变量
B. 解释变量为非随机变量,被解释变量为随机变量
C. 解释变量和被解释变量都为非随机变量
D. 解释变量为随机变量,被解释变量为非随机变量
正确答案: B

12.最大或然准则是按从模型中得到既得的n组样本观测值的什么最大的准则确定样本回归方程( )。
A. 离差平方和
B. 均值
C. 概率
D. 方差
正确答案: C

13.下表为日本的汇率与汽车出口数量数据,其中X为平均汇率(日元/美元),Y为汽车出口数量(万辆),那么,X与Y的相关系数为( )。
在这里插入图片描述
A. 0.0769
B. 0.9321
C. 0.9203
D. 0.0679
正确答案: B

14.已知某农场通过试验取得早稻收获量与春季降雨量和春季温度的数据如下,则早稻收获量对春季降雨量和春季温度的二元线性回归方程为( )。
在这里插入图片描述
A.
在这里插入图片描述
B.
在这里插入图片描述
C.
在这里插入图片描述
D.
在这里插入图片描述
正确答案: D

15.为研究某市家庭收入与月平均生活支出的关系,该市统计部门随机调查了10个家庭,得数据如下,则回归直线方程为()。
在这里插入图片描述
A.
在这里插入图片描述
B.
在这里插入图片描述
C.
在这里插入图片描述
D.
在这里插入图片描述
正确答案: C

二. 多选题

1.在回归分析中,检验线性相关显著性常用的三种检验方法,包含( )。
A. 相关系数显著性检验法
B. t检验法
C. F检验法(即方差检验法)
D. χ2检验法
正确答案: ABC

2.回归方程在这里插入图片描述,则下列说法不正确的有( )。
A. y=1.5x - 15
B. 15是回归系数a
C. 1.5是回归系数a
D. x=10时,y=0
正确答案: ABD

3.下列关系中具有相关关系的是( )。
A. 人的年龄与他拥有的财富之间的关系
B. 曲线上的点与该点的坐标之间的关系
C. 苹果的产量与气候之间的关系
D. 森林中的同一种树木,其断面直径与高度之间的关系
正确答案: ACD

4.下列变量中,属于正相关的是( )。
A. 收入增加,储蓄额增加
B. 产量增加,生产费用增加
C. 收入增加,支出增加
D. 价格下降,消费增加
正确答案: ABC

三. 填空题

1.回归分析按照涉及变量的多少,分为:
正确答案:
(1) 一元回归分析
(2) 多元回归分析

2.若线性回归方程中的回归系数b = 0,则相关系数r为:____
正确答案:
(1) 0

3.某化工厂为预测产品的回收率y,需要研究它和原料有效成分含量x之间的相关关系,现取8对观测值,计算得 ,则其线性回归方程为(系数保留两位小数)____
正确答案:
(1) y=2.62x+11.47;y=11.47+2.62x

4.已知关于某设备的使用年限x与所支出的维修费用y(万元),有如下统计资料。若y对x呈线性相关关系,则回归直线方程 ,表示的直线一定过定点:____
在这里插入图片描述
正确答案:
(1) (4,5)

5.使用F检验对多元线性回归方程进行线性关系的显著性检验,所求F值越大,说明线性关系越:____
正确答案:
(1) 显著

6.在使用决定系数R2对回归方程进行拟合优度检验时,R2越大表示回归方程的拟合程度越____,R2越小表示回归方程的拟合程度越____。
正确答案:
(1) 好
(2) 差

7.____是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。
正确答案:
(1) 回归分析

8.F检验运用服从F分布的统计量或方差比作为统计检验,通过____度量回归方程的线性关系是否显著
正确答案:
(1) 显著性水平; 显著性水平检验

9.____是指分类器/回归器正确地预测新的或先前未见过的数据的属性值/类标号的能力
正确答案:
(1) 准确率;分类准确率

10.当一些变量的值确定以后,另一些变量的值也随之完全确定的关系,这些变量间的关系完全是已知的,变量间的关系可以用函数关系表示,我们称之为____
正确答案:
(1) 确定性关系

11.变量之间有一定的依赖关系,变量之间虽然互相影响和制约,但由于受到无法估计和控制的因素的影响,使变量间的关系呈现不确定性,当一些变量的值确定以后,另一些变量值虽然随之变化,却不能完全确定,这时,变量间的关系就可以精确地用函数表示,即不能由一个或若干变量的值精确地确定另一个变量的值,我们称这样的关系为____
正确答案:
(1) 非确定性关系

12.在回归分析中:被解释变量y是____、解释变量x是____。
正确答案:
(1) 随机变量;因变量
(2) 非随机变量;自变量

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【Data Mining】【第五章作业】 的相关文章

  • 太牛逼了!从Python入门到入魔

    总被读者问到 我看完了python入门的书 后面就不知道要学什么了 今天就给你们整理全套入门到进阶的教程 这套教程非常全面而且详细 从Python入门到Python进阶 Django Flask等Web框架以及爬虫 数据库 算法与数据结构等
  • 回归测试策略

    什么是回归测试 开发人员把Bug修复好之后 测试人员需要重新验证Bug是否修复好了 同时在新版本中进行测试以检测开发人员在修复代码过程中是否引入新的Bug 此过程就称为回归测试 1 即使上一轮的Bug被修复了 在下一轮的测试中还可能发现新的
  • 任务五:使用LightGBM对数据进行分类并评估

    1 对前几部得到的特征进行分类 主要用到sklearn中的LightGBM进行评估 并用网格搜索进行参数调优 2 Lightgbm是2017年在当时的NeurIPS 当时为NIPS 上发表的论文 文中主要是相比于XGBoost LightG
  • 对话数据宝董事长汤寒林:数据要素崛起的背后是产业链的爆发

    数字经济再添新概念 数据要素的来到会对行业产生什么影响 数科星球原创 作者丨苑晶 编辑丨十里香 从小众的极客文化再到被众多企业所接纳 信息科技已经历70余年 现在 随着越来越多的企业开始拥抱数据产业之时 数据的有效利用成为企业间备受关注的话
  • 【Data Mining】【第五章作业】

    文章目录 一 单选题 二 多选题 三 填空题 一 单选题 1 回归分析中使用的距离是点到直线的垂直坐标距离 最小二乘准则是指 A B C D 正确答案 D 2 回归分析的步骤为 进行相关分析 建立预测模型 确定变量 确定预测值 计算预测误差
  • 数据中台与数据仓库区别

    1 数据源不同 先从数据来源上来说 数据中台的数据来源可以是结构化数据或者非结构化的数据 而传统数仓的数据来源主要是业务数据库 数据格式也是以结构化数据为主 2 数据的处理不同 数据中台不仅仅是汇聚企业各种数据 而且让这些数据遵循相同的标准
  • 大数据、数据分析和数据挖掘的区别

    大数据 数据分析 数据挖掘的区别是 大数据是互联网的海量数据挖掘 而数据挖掘更多是针对内部企业行业小众化的数据挖掘 数据分析就是进行做出针对性的分析和诊断 大数据需要分析的是趋势和发展 数据挖掘主要发现的是问题和诊断 1 大数据 big d
  • 推荐算法(Recommended Algorithms)

    大家好 我是Sonhhxg 柒 希望你看完之后 能对你有所帮助 不足请指正 共同学习交流 个人主页 Sonhhxg 柒的博客 CSDN博客 欢迎各位 点赞 收藏 留言 系列专栏 机器学习 ML 自然语言处理 NLP 深度学习 DL fore
  • 一种简单的计算item相似度算法

    计算item之间相似度是个有意义的工作 比如词的相似度就有很多应用场景 词相似度就有很多做法 工业上现在用得最多的可能是word2vec了 还有些算语义相似度的偏学术的办法 这里介绍一种比较简单可行的思路 不只是算词相似度 其他类型也可以
  • 数据挖掘知识浅析

    一 什么是数据挖掘 数据挖掘是指从大量数据中提取或 挖掘 知识 数据挖掘是一种 黄金挖掘 从沙子堆中挖掘出黄金 找出最有价值的黄金 这种有机的价值物提取的过程称为 黄金挖掘 通过某种手段或者经验丰富人士 从海量的数据中找出有用的 数据 掌握
  • 数据仓库与数据挖掘复习资料

    一 题型与考点 第一种 1 解释基本概念 中英互译 解释简单的含义 2 简答题 每个10分有两个一定要记住 考时间序列Time series 第六章 的基本概念含义 解释 作用 序列模式挖掘的作用 考聚类 第五章 重点考密度聚类的定义描述
  • Python数据分析原来这么简单!5分钟上手,让你成为数据分析达人!

    前言 数据分析是如今信息时代的核心技能之一 通过对大量数据的收集 整理 处理和分析 数据分析师可以从中提取出有价值的信息 为企业决策提供支持和指导 而Python作为一种简单 易学且功能强大的编程语言 成为了数据分析的热门工具之一 本文将为
  • Python-一键爬取图片、音频、视频资源

    前言 使用Python爬取任意网页的资源文件 比如图片 音频 视频 一般常用的做法就是把网页的HTML请求下来通过XPath或者正则来获取自己想要的资源 这里我做了一个爬虫工具软件 可以一键爬取资源 媒体文件 但是需要说明的是 这里爬取资源
  • 探索关系:Python中的Statsmodels库进阶

    目录 写在开头 1 多元线性回归 场景介绍 2 Logistic回归 2 1 Logistic回归的概念 2 2 应用案例 2 2 1 建立模型和预测
  • 深入挖掘:Python中的Statsmodels库高级应用

    写在开头 随着数据科学的发展 解决更为复杂问题的关键往往在于深入了解数据并采用更高级的分析工具 本文将带您深入探讨Python中的Statsmodels库 并引入一些高级功能 为更深入的数据挖掘奠定基础 1 方差分析 1 1 方差分析概念
  • Pendulum详解1——Pendulum库入门指南 - 时光的艺术

    写在开头 时间 是编程世界中不可或缺的元素 无论是事件调度 数据分析 还是用户界面的显示 时间都扮演着关键的角色 然而 在Python的标准库 datetime 中 我们经常面临繁琐的操作和限制 为了摆脱这些束缚 我们引入了一个更加强大和灵
  • 淘宝商品类目接口API:获取淘宝商品分类类目信息

    cat get 获得淘宝分类详情 响应参数 名称 类型 必须 示例值 描述 info Mix 0 cid 16 parent cid 0 name 其他女装 is parent true status normal sort order 0
  • 时间序列平稳性相关检验方法

    理解平稳性 一般来说 平稳时间序列是指随着时间的推移具有相当稳定的统计特性的时间序列 特别是在均值和方差方面 平稳性可能是一个比较模糊的概念 将序列排除为不平稳可能比说序列是平稳的更容易 通常不平稳序列有几个特征 平均值随时间推移发生变化
  • 数据分析求职-面试技巧

    之前咱们已经分享了岗位介绍 求职准备思路 简历如何准备 今天咱俩聊一聊面试的技巧 1 面试流程 咱们先聊聊面试的基本流程 简历 笔试筛选 gt 技术初面 gt 技术二面 gt 技术三面 gt 技术交叉面 gt HR面 这个过程中有几个点值得
  • 如何快速搭建一个自营商城?(调用电商API实现快速采集商品)

    一 背景介绍 在数字化时代 电商行业蓬勃发展 无数商家涌入这片蓝海 对于许多有志于开拓电商业务的企业和个人来说 快速搭建一个自营商城成为了迫切的需求 然而 传统意义上的自建商城需要投入大量的人力 物力和时间 这让许多初创企业和个人望而却步

随机推荐