CDA数据分析师章节练习(2020.04.09)

单项选择题
字段“户籍所在省份”，下列方法最适宜的是（）
A.需要编码为数值变量
B.需要编码为字符变量
C.需要编码为二分变量
D.需要编码为分类变量
单项选择题
在Spark中，DAGScheduler的输出形式为（）
A.DAG图
B.Stage
C.TaskSet
D.Task
单项选择题
使用余弦相似度时，结果等于1表示两个向量（）
A.完全相同
B.完全相反
C.完全相关
D.不确定
单项选择题
分析师小A在建立了多元线性回归模型后，发现残差出现了异方差，那么小A可以考虑（）
A.对因变量取自然对数
B.对自变量取自然对数
C.将模型的常数项强制为0
D.对因变量乘以某一个系数a，进行放大或者缩小
多项选择题
关于Hadoop单机模式和伪分布式模式的说法，错误的是：（）
A.两者都起守护进程，且守护进程运行在一台机器上
B.单机模式不使用HDFS，但加载守护进程
C.两者都不与守护进程交互，避免复杂性
D.后者比前者增加了HDFS输入输出以及可检查内存使用情况
单项选择题
使用历史数据构造训练（Train）集、验证（Validation）集和检验（Test）集后，使用哪个数据集来训练模型？（）
A.训练（Train）集
B.验证（Validation）集
C.检验（Test）集
D.以上都不用
单项选择题
小王为了运用逻辑回归进行反欺诈识别，直接从数据库中运用简单随机抽样的方法进行抽样，并得到了10000条样本，其中7000作为训练，3000作为测试，在测试集中小王的正负样本整体预测准确率为99.7%，下面表述错误的是（）
A.模型的整体预测准确率很高，因此可以认为模型结果是可靠的
B.有必要进一步查看混淆矩阵
C.有必要查看正负样本比例
D.反欺诈问题中，运用简单随机抽样是欠妥的
单项选择题
HFile数据格式中的Data字段用于（）
A.存储实际的KeyValue数据
B.存储数据的起点
C.指定字段的长度
D.存储数据块的起点
单项选择题
关于缺失值填充与训练集、测试集的关系，下面正确的操作是（）
A.先用全数据的均值填充缺失值，然后随机分割训练集、测试集
B.先随机分割训练集、测试集，然后用各自集合的均值填充缺失值
C.先随机分割训练集、测试集，然后用训练集的均值填充缺失值
D.先随机分割训练集、测试集，然后用测试集的均值填充缺失值
单项选择题
下列不是SVM核函数的是？（）
A.多项式核函数
B.logistic核函数
C.径向基核函数
D.Sigmoid核函数