一、单选题常见的数据质量问题不包括 (A) 噪声 (B) 异常点 (C) 缺失值 (D) 数据维度常见的数据挖掘任务不包括 (A) 聚类分析 (B) 关联分析 (C) 预测分类 (D) 数据清洗下列哪个不属于相似性度量 (A) 相关系数 (B) 余弦相似度 (C) Jaccard 系数 (D) 闵可夫斯基距离设 X{a, b, c, d, e, f} 是频繁项集则可由 X 产生 个候选关联规则(A) 60 (B) 62 (C) 64 (D) 32簇评估的度量轮廓系数的取值范围是 (A) [0, 1] (B) [-1, 1] (C) (0,1) (D) (-1,1)下面选项中 t 不是 s 的子序列的是 (A) s{2,4}, {3,5,6}, {8} t{2}, {3,6}, {8}(B) s{2,4}, {3,6,8}, {8} t{2}, {6,8}(C) s{1,2}, {3,4} t{2}, {2, 3}(D) s{2,4}, {2,4} t{4}下列哪种方法或者模型不属于分类方法 (A) 神经网络 (B) 支持向量机 (C) 决策树 (D) DBSCANDBSCAN 在最坏情况下的时间复杂度是 。其中 n 为点的个数(A)O(n2)O(n^2)O(n2)(B)O(n)O(n)O(n)(C)O(log⁡n)O(\log n)O(logn)(D)O(nlog⁡n)O(n\log n)O(nlogn)对于一颗决策树若某个叶节点包含训练样本的数目为正类 8 个负类 0 个则这个叶节点的熵为 (A) 0 (B) 0.5 (C) 1 (D) 不确定关于 Adaboost 算法下列说法不正确的为 (A) 模型的权重和为 1 (B) 增加错误分类样本的权重(C) 是一种集成算法 (D) 样本权重的和为 1Scikit-learn 包提供了用于数据挖掘的各种模型 M下列说法错误的是 (A)M.fit()通常用于确定模型中的参数(B)M.predict()用于新样本数据的预测(C)M.score()用于计算预测准确度(D)M.predict()通常需要传入测试集及其标签在决策树中不纯度度量包括 (A) 基尼系数 (B) 熵 (C) 分类误差 (D) 以上都是数据离散化方法不包括 (A) 等宽离散化 (B) 等频离散化 (C) K 均值离散化 (D) 方差离散化被分类模型正确预测的负样本数用 表示。(A) FN (B) TP (C) FP (D) TN以下关于分类和回归的说法中错误的是 (A) 分类和回归都属于监督学习(B) 决策树既可以用于分类也可以用于回归(C) 分类和回归的评估均可使用均方误差MSE作为标准(D) 分类和回归的区别在于输出变量的类型分类输出离散值回归输出连续值二、简述题叙述 DBSCAN 聚类的 5 个步骤。1简述数据不平衡的概念及其对模型的影响2简述处理数据不平衡的方法。三、计算题给定数据集如下假设属性 AB 相互独立且 A 的取值为 {1,2,3}B 的取值为 {S, M, L}Y 为类别。使用朴素贝叶斯方法预测测试样本A2, BS的类别标签。A111112222233333BSMMSSSMMLLLMMLLY-1-111-1-1-11111111-1假设 reg 是类LogisticRegression的一个实例并用于二分类0 或者 1经过拟合之后得到reg.coef_ [-0.05, 0.67, 0.11]reg.intercept_ -0.39其中reg.coef_对应属性(x1,x2,x3)(x_1,x_2,x_3)(x1​,x2​,x3​)的系数设类别为 Y。写出逻辑斯蒂回归方程并计算(x1,x2,x3)(3.3,−3.5,1.1)(x_1,x_2,x_3)(3.3,-3.5,1.1)(x1​,x2​,x3​)(3.3,−3.5,1.1)对应的类别。给定如下训练样本集使用基尼系数作为不纯度度量计算1整个训练样本集关于类属性的基尼系数2a1a_1a1​为序数型属性如何二元划分a1a_1a1​信息增益最大画出此时对应的决策树高度为 13对于连续属性a2a_2a2​划分点为 3.8 时的信息增益。实例a1a_1a1​a2a_2a2​目标类1高1.02低6.03低5.0-4中4.05中5.0-6高2.3-7中3.0下表给出了一个二分类问题的分类模型M1M_1M1​表格中给出的是把模型应用到数据集上得到的后验概率表中为正类的概率XXX为属性向量。详细写出 ROC 曲线所需要数据的计算过程并画出模型M1M_1M1​的 ROC 曲线并计算面积 AUC。下图是一棵包括 15 个候选 3 - 项集的哈希树其使用的哈希函数为h(p)(p−1)mod 3h(p)(p-1)\mod 3h(p)(p−1)mod3给定事务 {1, 2, 4, 5, 8, 9}计算该事务会使得哪些 3 - 项集的支持度计算加 1。要求写出详细过程。梯度提升算法GBDT的流程如下图所示对于下表中给定的数据集使用梯度提升树对yyy进行拟合即属性为xxx回归目标为yyy写出最终的拟合函数。要求(1) 使用决策树桩高度为 1 的决策树(2) 损失函数LLL使用误差平方和(3) 学习率α0.1\alpha0.1α0.1(4)M2M2M2序号xxxyyy152273.231044156算法流程GBDT输入训练数据T(x1,y1),…,(xN,yN), xi∈Rn,yi∈RT{(x_1,y_1),\dots,(x_N,y_N)},\ x_i\in R^n,y_i\in RT(x1​,y1​),…,(xN​,yN​),xi​∈Rn,yi​∈R输出提升树f^(x)\hat{f}(x)f^​(x)(1) 初始化f0(x)arg⁡min⁡c∑i1NL(yi,c)f_0(x)\arg\min_{c}\sum_{i1}^N L(y_i,c)f0​(x)argminc​∑i1N​L(yi​,c)(2) 对m1,2,3,…,Mm1,2,3,\dots,Mm1,2,3,…,M(a) 对i1,2,…,Ni1,2,\dots,Ni1,2,…,N计算rmi−∂L(yi,f(xi))∂f(x)∣f(x)fm−1(x)r_{mi}-\left.\frac{\partial L(y_i,f(x_i))}{\partial f(x)}\right|_{f(x)f_{m-1}(x)}rmi​−∂f(x)∂L(yi​,f(xi​))​​f(x)fm−1​(x)​(b) 对rmir_{mi}rmi​拟合一棵回归树得到第mmm棵树其叶节点记为Rmj,j1,2,…,JR_{mj},j1,2,\dots,JRmj​,j1,2,…,J(c) 对j1,2,…,Jj1,2,\dots,Jj1,2,…,J计算cmjarg⁡min⁡c∑xi∈RmjL(yi,fm−1(xi)c)c_{mj}\arg\min_{c}\sum_{x_i\in R_{mj}} L(y_i,f_{m-1}(x_i)c)cmj​argminc​∑xi​∈Rmj​​L(yi​,fm−1​(xi​)c)(d) 更新fm(x)fm−1(x)α∑j1Jcmj⋅δ(x∈Rmj)f_m(x)f_{m-1}(x)\alpha\sum_{j1}^J c_{mj}\cdot\delta(x\in R_{mj})fm​(x)fm−1​(x)α∑j1J​cmj​⋅δ(x∈Rmj​)其中α\alphaα为学习率(3) 得到回归树f^(x)f0(x)α∑m1M∑j1Jcmj⋅δ(x∈Rmj)\hat{f}(x)f_0(x)\alpha\sum_{m1}^M\sum_{j1}^J c_{mj}\cdot\delta(x\in R_{mj})f^​(x)f0​(x)α∑m1M​∑j1J​cmj​⋅δ(x∈Rmj​)注文档部分内容可能由 AI 生成