免规则采集器列表算法(【T·每日一练】2016年10月21日)

　　免规则采集器列表算法(【T·每日一练】2016年10月21日)

　　第一章1、麦肯锡研究院2011年提出的大数据定义是：大数据是指规模超过常规数据库工具获取、存储、管理和（）能力的数据集。A：计算B：访问C：应用D：分析答案：分析2、如果用4V来概括大数据的特征，一般指的是：Value、Velocity、Volume和（）。A:Variety B:Vainly C:Vagary D:Valley 答案：Variety 3、 大数据分析的四个方面主要是：数据分类、()、关联规则挖掘和时间序列预测。A：数据统计 B：数据计算 C：数据聚类 D：数据清洗 答：数据聚类4、新浪和京东联合推出的大数据产品推荐，是京东盲目推的。com 给当前浏览新浪网站的用户 页面。A：正确 B：错误 答案：错误 5、 目前的大数据处理技术只能处理结构化数据。A：正确 B：错误 答案：错误 第二章 1、 我们常用的 Microsoft Office 套件中 Access 数据库软件的数据库文件格式的后缀是 ()。A：mdf B：mdb C：dbf D：xls 答案：mdb 2、 大多数日志文件的后缀是 ()。A:txt B:csv C:xml D:log 答：log 3、 本课程重点介绍的weka软件的专有文件格式是()。我们常用的Microsoft Office套件中Access数据库软件的数据库文件格式的后缀是()。A：mdf B：mdb C：dbf D：xls 答案：mdb 2、 大多数日志文件的后缀是 ()。A:txt B:csv C:xml D:log 答：log 3、 本课程重点介绍的weka软件的专有文件格式是()。我们常用的Microsoft Office套件中Access数据库软件的数据库文件格式的后缀是()。A：mdf B：mdb C：dbf D：xls 答案：mdb 2、 大多数日志文件的后缀是 ()。A:txt B:csv C:xml D:log 答：log 3、 本课程重点介绍的weka软件的专有文件格式是()。

　　A：MongoDB B：ARFF C：value D：key map 答案：ARFF 4、 数据清洗的目的主要是解决数据的完整性、唯一性、合法性和()。A：专业性 B：排他性 C：一致性 D：共享性 答：一致性5、优采云 在软件的“自定义采集”工作模式下，需要在软件中输入一个（ ) 作为 采集 的目标出现。A：电话号码 B：关键词 C：网址 D：用户名 答：网址 6、优采云本软件采集规则可以通过以下方式导入或导出files ，这种文件的后缀是 ()。A:otd B:jpg C:png D:gif 答案：otd 7、Excel 可以通过操作“数据有效性”按钮来调节数据输入的范围。A：正确 B：错误 答案：是 8、 Excel 无法导入 txt 或 csv 格式的文件。A：正确 B：错误 答案：错误 9、优采云 本软件只能用于网站采集内置“简单采集”的数据“ 规则。A：正确 B：错误 答案：错误 10、优采云定制软件时采集，需要了解网页的页面结构。A：正确 B：错误答案：使用 DBSCAN 算法对第 3 章 1、 中的虹膜数据集（Iris.arff）进行聚类，将 epsilon 参数设置为 0.2，将 minPoints 参数设置为 5。忽略class 属性，则 () 簇将形成。A：正确 B：错误 答案：错误 10、优采云定制软件时采集，需要了解网页的页面结构。A：正确 B：错误答案：使用DBSCAN算法对第三章1、中的虹膜数据集（Iris.arff）进行聚类，设置epsilon参数为0.2，minPoints参数为5。忽略class 属性，则 () 簇将形成。A：正确 B：错误 答案：错误 10、优采云定制软件时采集，需要了解网页的页面结构。A：正确 B：错误答案：使用 DBSCAN 算法对第 3 章 1、 中的虹膜数据集（Iris.arff）进行聚类，将 epsilon 参数设置为 0.2，将 minPoints 参数设置为 5。忽略class 属性，则 () 簇将形成。

　　A: 1 B: 2 C: 3 D: 4 答案：3 2、 使用EM算法对天气数据集（weather.numeric.arff）进行聚类，设置numClusters为4，即聚类数4.其他参数保持默认值，忽略class属性。从结果可以看出，在以下选项中，()是错误的。A：模型的最大似然估计为-7.18 B：这组数据用算法迭代15次 C：第四个聚类的先验概率为0.14 D：第四个cluster 的实例数为4 答：第四个cluster的实例数为4 3、 使用SimpleKMeans算法对天气数据集（weather.numeric.arff）进行聚类，保持默认参数，即3 个集群和欧几里得距离。选择播放属性作为忽略属性。从结果可以看出，在以下选项中，()是错误的。A：这组数据被算法迭代了四次。B：产生三个中心点。C：聚合成 3 个集群，分别有 7、3 和 4 个实例。D：平方和的误差为8.928 答：这个组数据用算法4、迭代四次，使用线性回归（LinearRegression）分类器和M5P分类器对cpu进行分类。 arff，输出误差指数可以知道()。A：LinearRegression的标准误差比M5P小。B：LinearRegression 的平均绝对误差小于 M5P。C：LinearRegression的相对误差比M5P小。D：LinearRegression 的平均根误差小于 M5P 的平均值。平方根误差很大。答案：LinearRegression的平均平方根误差比M5P大。5、删除cpu.arff数据文件中的CACH属性后，使用M5P分类器构建方案。有 () 个 LM2 实例。

　　A: 165 B: 21 C: 23 D: 30 Answer: 21 6、 当outlook=sunny时，根据J48分类器训练weather.nominal.arff产生的决策树；温度=凉爽；湿度=高；windy =TRUE，分类结果为（）。A：是 B：否 C：没有结果 D：无法分类 答案：否 7、 根据 J48 分类器训练 iris.arff 产生的决策树，当 sepallength=4.4;