国家开放大学大数据分析与挖掘技术成人高考试题答案

邢老师：13068761630 13333709510(微信同号) 张老师

联大青书学堂文才和学其他华夏大地现代兴业安徽教育在线超星中国大学mooc 学起plus弘成广东开放大学国家开放大学上海开放大学含弘慕课中国医科大学

成人高考指南

提升学历的理由：
升职加薪、积分落户、考研、公务员考试、子女入学、出国留学

成人高考报名入口

当前位置：首页 > 国家开放大学系统 > 郑州大学> 国家开放大学大数据分析与挖掘技术

显示国家开放大学系统国家开放大学大数据分析与挖掘技术所有答案
时间序列经过1阶差分后平稳，其自相关系数图p阶截尾, 偏自相关系数图q阶截尾,可以识别为（）。【A.】MA(p)模型【B.】ARIMA(p,1,q)模型【C.】AR(p)模型【D.】ARMA(p,q)模型
答案是：B
如图是某模型最小信息数值，根据结果可以选择最优模型是（）【A.】MA(1) 【B.】ARMA(1,1) 【C.】AR(1) 【D.】ARMA(0,1)
答案是：B
下列说法错误的是（）。【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。【C.】进
答案是：AD
下列说法正确的是（）。【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。【C.】
答案是：BC
确定ARMA模型p、q的过程即为模型的识别过程，也称ARMA模型的定阶。下列属于模型识别的方法是（）。【A.】自相关系数【B.】协方差矩阵【C.】偏自相关系数图【D.】最小信息准则
答案是：ACD
拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。【A.】√ 【B.】×
答案是：B
自相关系数的是为给定中间观测值的条件下，观测值与前面某个间隔的观测值之间的相关系数。【A.】√ 【B.】×
答案是：B
偏自相关系数的实质是使得残差的方差达到最小的k阶AR模型的第k项系数。【A.】√ 【B.】×
答案是：A
偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。【A.】√ 【B.】×
答案是：B
相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型一定一致。【A.】√ 【B.】×
答案是：B
拖尾是指在自相关系数图或偏自相关系数图中的系数有指数型、正弦型或震荡型衰减的波动，并不会都落入置信区间内。【A.】√ 【B.】×
答案是：A
截尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。【A.】√ 【B.】×
答案是：A
截尾是指在自相关系数图或偏自相关系数图中的系数有指数型、正弦型或震荡型衰减的波动，并不会都落入置信区间内。【A.】√ 【B.】×
答案是：B
相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。【A.】√ 【B.】×
答案是：A
确定ARMA模型p、q的过程即为模型的识别过程，也称ARMA模型的定阶。【A.】√ 【B.】×
答案是：A
偏自相关系数的是为给定中间观测值的条件下，观测值与前面某个间隔的观测值之间的相关系数。【A.】√ 【B.】×
答案是：A
Apriori算法的效率比FP-growth算法的效率低。【A.】√ 【B.】×
答案是：A
下列关于Apriori算法和FP-growth算法的说法正确的是（）。【A.】Apriori算法效率较低【B.】Apriori算法效率较高【C.】FP-growth算法效率较低【D.】FP-growth算法效率较高
答案是：AD
下列关于Apriori算法和FP-growth算法的说法不正确的是（）。【A.】Apriori算法效率较低【B.】Apriori算法效率较高【C.】FP-growth算法效率较低【D.】FP-growth算法效率较高
答案是：BC
下列关于FP-growth算法的说法不正确的是（）。【A.】FP-growth算法以一种自底向上的方式探索【B.】FP-growth算法以一种自上而下的方式探索【C.】FP-growth算法效率较低【D.】FP-grow
答案是：BC
下列关于FP-growth算法的说法正确的是（）。【A.】FP-growth算法以一种自底向上的方式探索【B.】FP-growth算法以一种自上而下的方式探索【C.】FP-growth算法效率较低【D.】FP-growt
答案是：AD
支持度确定规则可以用于给定数据集的频繁程度。【A.】√ 【B.】×
答案是：A
关联规则的强度可以用支持度和置信度度量。【A.】√ 【B.】×
答案是：A
置信度确定Y在包含X的事务中出现的频繁程度。【A.】√ 【B.】×
答案是：A
关联规则是指形如X→Y的蕴含表达式，其中X和Y是不相交的项集。【A.】√ 【B.】×
答案是：A
关联分析中，包含0个或多个项的集合被称为项集，若一个项集包含k项，则称其为k-项集。【A.】√ 【B.】×
答案是：A
置信度确定规则可以用于给定数据集的频繁程度。【A.】√ 【B.】×
答案是：B
持度计数是指包含特定项集的事务个数。【A.】√ 【B.】×
答案是：A
先验原理指的是如果一个项集是频繁的，则它的所有子集也一定是频繁的。【A.】√ 【B.】×
答案是：A
支持度确定Y在包含X的事务中出现的频繁程度。【A.】√ 【B.】×
答案是：B
支持度确定Y在包含X的事务中出现的频繁程度。【A.】√ 【B.】×
答案是：B
下列关于支持度和置信度的说法不正确的是（）。【A.】置信度确定规则可以用于给定数据集的频繁程度【B.】支持度确定规则可以用于给定数据集的频繁程度【C.】置信度确定Y在包含X的事务中出现的频繁程度【D.】支持度确定Y在包含X
答案是：AD
下列关于支持度和置信度的说法正确的是（）。【A.】置信度确定规则可以用于给定数据集的频繁程度【B.】支持度确定规则可以用于给定数据集的频繁程度【C.】置信度确定Y在包含X的事务中出现的频繁程度【D.】支持度确定Y在包含X的
答案是：BC
下列关于关联规则的说法正确的是（）。【A.】关联规则的强度可以用支持度和置信度度量【B.】支持度确定规则可以用于给定数据集的频繁程度【C.】置信度确定Y在包含X的事务中出现的频繁程度【D.】支持度确定Y在包含X的事务中出现
答案是：ABC
下列方法无法降低频繁项集的计算复杂度的是（）。【A.】减少候选项集的数目【B.】减少比较次数【C.】增加候选项集的数目【D.】增加比较次数
答案是：CD
下列方法可以降低频繁项集的计算复杂度的是（）。【A.】减少候选项集的数目【B.】减少比较次数【C.】增加候选项集的数目【D.】增加比较次数
答案是：AB
若关联规则为{牛奶，尿布}→{啤酒}:{牛奶，尿布，啤酒}，项集的支持度计数为2，而事务总数为5，则该项集的置信度为（）。【A.】0.4 【B.】0.67 【C.】2 【D.】5
答案是：B
若关联规则为{牛奶，尿布}→{啤酒}:{牛奶，尿布，啤酒}，项集的支持度计数为2，而事务总数为5，则该项集的支持度为（）。【A.】0.4 【B.】10 【C.】2 【D.】5
答案是：A
下列关于关联规则的说法不正确的是（）。【A.】关联规则的强度可以用支持度和置信度度量【B.】支持度确定规则可以用于给定数据集的频繁程度【C.】置信度确定Y在包含X的事务中出现的频繁程度【D.】支持度确定Y在包含X的事务中出
答案是：D
非参数相关系数计算方法较多，常见的主要有Spearman、Kendall.s tau-b和Hoeffding.s D相关系数等。【A.】√ 【B.】×
答案是：A
常见的非参数相关系数计算方法有（）。【A.】Spearman 【B.】Kendall.s tau-b 【C.】Hoeffding.s D 【D.】Pearson
答案是：ABC
下列不属于常见的非参数相关系数计算方法的是（）。【A.】Spearman 【B.】Kendall.s tau-b 【C.】Hoeffding.s D 【D.】Pearson
答案是：D
点二列（点双列）相关分析适用于两列变量中一列是来自正态总体的定距或定比数据，另一列是二分类数据的情况。【A.】√ 【B.】×
答案是：A
简单相关分析有时不能够真实地反映现象之间的关系【A.】√ 【B.】×
答案是：A
在进行相关分析时先剔除其对其他变量的影响，再研究变量之间的相关关系的方法称为偏相关分析。【A.】√ 【B.】×
答案是：A
r的取值范围为[-1,1]，当r取值为1时，表示为完全正线性相关；当r=0时，表现为无线性相关，当r取值为-1时，表示为完全负线性相关。【A.】√ 【B.】×
答案是：A
按相关因素（变量）的多少，可将相关关系分为单相关和复相关。【A.】√ 【B.】×
答案是：A
按相关因素（变量）之间的相关方向，可将相关关系分为单相关和复相关。【A.】√ 【B.】×
答案是：B
按相关因素（变量）的多少，相关关系又可分为正相关和负相关。【A.】√ 【B.】×
答案是：B
r是两个变量之间线性关系的度量指标，但无法反映两个变量之间的因果关系。【A.】√ 【B.】×
答案是：A
如果P值越小则相关系数越显著，越能说明总体数据之间存在显著关系。【A.】√ 【B.】×
答案是：A
按相关因素（变量）之间的关系形态不同，相关关系可分为线性相关和非线性相关。【A.】√ 【B.】×
答案是：A
r的数值的大小与x和y的计量尺度有关，改变x和y的数据的计量尺度会改变r的数值。【A.】√ 【B.】×
答案是：B
r具有对称性，x与y之间的相关系数与y与x之间的相关系数相等。【A.】√ 【B.】×
答案是：A
按相关因素（变量）之间的相关方向，相关关系又可分为正相关和负相关。【A.】√ 【B.】×
答案是：A
如果P值越大则相关系数越显著，越能说明总体数据之间存在显著关系。【A.】√ 【B.】×
答案是：B
r的数值的大小与x和y的计量尺度无关，改变x和y的数据的计量尺度，并不改变r的数值。【A.】√ 【B.】×
答案是：A
Pearson相关系数是反映两个变量的线性相关程度，但它并不能够度量变量之间的非线性相关程度。【A.】√ 【B.】×
答案是：A
r是两个变量之间线性关系的度量指标，也可以反映两个变量之间的因果关系。【A.】√ 【B.】×
答案是：B
下列不属于按相关因素（变量）的多少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：CD
目前为： 6/9 页首页上页下页尾页

提升学历-成人高考报名入口提升学历-成人高考报名时间成人高考常见问题

成人高考指南

当前位置： 首页 > 国家开放大学系统 > 郑州大学> 国家开放大学大数据分析与挖掘技术

当前位置：首页 > 国家开放大学系统 > 郑州大学> 国家开放大学大数据分析与挖掘技术