Python數(shù)據(jù)科學(xué)導(dǎo)引智慧樹知到期末考試答案2024年

Python數(shù)據(jù)科學(xué)導(dǎo)引智慧樹知到期末考試答案2024年P(guān)ython數(shù)據(jù)科學(xué)導(dǎo)引對于春夏秋冬四季進(jìn)行編碼，能夠生成one-hot編碼的方法是（）。

A:onehot()。B:encoding()。C:factorize()。D:get_dummies()。答案:get_dummies()。將df的行索引降序+列索引升序排序，正確的方法是（）。

A:先df.sort_index(axis=0,ascending=False)，然后df.sort_index(axis=0,ascending=True)。B:df.sort_index(axis=0,ascending=True).sort_index(axis=1,ascending=False)。C:先df.sort_index(axis=0,ascending=False)，然后df.sort_index(axis=0)。D:df.sort_index(axis=0,ascending=False).sort_index(axis=1)。答案:df.sort_index(axis=0,ascending=False).sort_index(axis=1)。以下不是Python語言關(guān)鍵字的選項是（）

A:defB:inC:returnD:define答案:define如果擬合曲線沒有通過大部分的實測數(shù)據(jù)點，很有可能出現(xiàn)的現(xiàn)象是（）。

A:欠擬合。B:過擬合。C:正常擬合。D:不確定。答案:欠擬合。下面代碼的輸出結(jié)果是（）s=["seashell","gold","pink","brown","purple","tomato"]print(s[1:4:2])

A:['gold','pink']B:

['gold','brown']C:['gold','pink','brown','purple','tomato']D:

['gold','pink','brown']答案:[‘purple’,‘tomato’]從宏觀的角度講，數(shù)據(jù)可視化的功能不包括（）。

A:信息清洗B:信息記錄C:信息傳播D:信息的推理分析答案:信息清洗下面哪種算法是通過某種相似性測度計算數(shù)據(jù)之間的相似性，并按照相似度由高到低排序（）。

A:凝聚聚類分析B:K中心點算法C:K-means算法D:DBCSCAN答案:凝聚聚類分析構(gòu)建數(shù)據(jù)倉庫的最終目的是（）。

A:收集業(yè)務(wù)需求B:建立數(shù)據(jù)倉庫邏輯模型C:為用戶和業(yè)務(wù)部門提供決策支持D:開發(fā)數(shù)據(jù)倉庫的應(yīng)用分析答案:為用戶和業(yè)務(wù)部門提供決策支持以下選項中符合Python語言變量命名規(guī)則的是（）。

A:*iB:TemplistC:3_1D:AI!答案:Templist下面屬于機(jī)器學(xué)習(xí)的先天本能是（）。

A:優(yōu)化輸入數(shù)據(jù)和輸出數(shù)據(jù)的映射關(guān)系/函數(shù)好壞的評價函數(shù)B:學(xué)習(xí)trainingdataset中輸入輸出數(shù)據(jù)間的關(guān)系C:舉一反三學(xué)習(xí)trainingdataset中數(shù)據(jù)D:人們依據(jù)現(xiàn)有數(shù)據(jù)抽象出來的數(shù)學(xué)模型答案:人們依據(jù)現(xiàn)有數(shù)據(jù)抽象出來的數(shù)學(xué)模型數(shù)據(jù)清洗的方法不包含（）。

A:重復(fù)數(shù)據(jù)記錄處理B:噪聲數(shù)據(jù)清楚C:一致性檢查D:缺失值處理答案:重復(fù)數(shù)據(jù)記錄處理共線性嚴(yán)重程度的一種度量是（）。

A:R方。B:P值。C:條件數(shù)（conditionnumber）。D:F統(tǒng)計量。答案:條件數(shù)（conditionnumber）。df=pd.DataFrame(np.random.randint(60,100,(2,3)),index=["物理","化學(xué)"],columns=["張怡","李華","云萌萌"])，不能夠添加一列新的數(shù)據(jù)的操作是（）。

A:df["張飛"]=[100,100]B:df.loc["張飛",:]=[100,100]C:df.insert(loc=1,column="張飛",value=[100,100])D:df.loc[:,"張飛"]=[100,100]答案:df.loc[張飛,:]=[100,100]下列哪項可以作為集群的管理（）

A:Puppet。B:CluderaManager。C:ZookeeperD:Pdsh。答案:Pdsh###Puppet###Zookeeper用于分類與回歸應(yīng)用的主要算法有（）

A:決策樹B:HotSpot算法C:BP神經(jīng)網(wǎng)絡(luò)D:貝葉斯答案:決策樹Hadoop組件的核心功能包括（）

A:分布式計算。B:分析。C:分布式數(shù)據(jù)存儲。D:挖掘。答案:分布式數(shù)據(jù)存儲Pytorch中的神經(jīng)網(wǎng)絡(luò)模型有（）。

A:torch.Conv2dB:torch.nn.MaxPool2dC:torch.nn.LinearD:torch.nn.RNN答案:torch.nn.Linear###torch.nn.RNN###torch.Conv2d###torch.nn.MaxPool2d氣泡圖和散點圖的區(qū)別主要在散點的面積、顏色等，在實踐中使用參數(shù)（）調(diào)整。

A:square。B:c。C:s。D:size。答案:s###cDBSCAN是一種基于密度的聚類方法，根據(jù)半徑eps和最小包含點MinPts對數(shù)據(jù)進(jìn)行分類，分為（）。

A:中心點B:噪聲點C:核心點D:邊界點答案:核心點;邊界點;噪聲點s=pd.Series(np.random.randint(59,100,5),index=list("ABCDE"))，與s[“A”]等價的表達(dá)方法是（）。

A:s.iloc[0]B:S[0]C:x=s[:1]D:s.loc["A"]答案:S[0];s.loc[A];s.iloc[0]已知x=3，那么執(zhí)行語句x+=6之后，x的內(nèi)存地址不變。（）

A:錯B:對答案:錯回歸問題和分類問題都有可能發(fā)生過擬合。（）

A:錯B:對答案:對函數(shù)中必須包含return語句。（）

A:對B:錯答案:錯已知x=3，那么賦值語句x='abcedfg'是無法正常執(zhí)行的。（）

A:錯B:對答案:錯多子圖布局使用subplot()進(jìn)行設(shè)置。（）

A:對B:錯答案:對L2正則化稱為Lasso回歸，即常說的“套索回歸”，適用于輸入變量即特征的選擇。（）

A:錯B:對答案:錯假設(shè)x為列表對象，那么x.pop()和x.pop(-1)的作用是一樣的。（）

A:對B:錯答案:對transform()只能對每一列進(jìn)行計算，所以transform()需要指定要操作的列。（）

A:對B:錯答案:對K中心點算法的聚類中心一樣是樣本空間的數(shù)據(jù)。（）

A:對B:錯答案:對pandas對DataFrame進(jìn)行重新索引的函數(shù)是reset_index()。（）

A:對B:錯答案:錯pandas.DataFrame.dropna(axis=0,how="all")表示所有值均為缺失值才刪除該行。（）

A:正確B:錯誤答案:正確函數(shù)內(nèi)部定義的局部變量當(dāng)函數(shù)調(diào)用結(jié)束后被自動刪除。（）

A:錯B:對答案:對聚合操作就是將二維數(shù)據(jù)轉(zhuǎn)換成一個Series。（）

A:錯B:對答案:錯join()連接方式，可選”left”,”right”,”outer”,”inner”,默認(rèn)為”inner”。（）

A:錯B:對答案:錯pandas.DataFrame.duplicated()用于重復(fù)值判斷，返回一個由布爾值組成的Series對象。（）

A:錯B:對答案:對輸入層的輸入個數(shù)為5，即意味著輸入層有5個神經(jīng)元。（）

A:錯B:對答案:錯數(shù)據(jù)的結(jié)構(gòu)類型主要分為結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。（）

A:正確B:錯誤答案:正確HDFS是基于流數(shù)據(jù)模式訪問和處理超大文件的需求而開發(fā)的，具有高容錯、高可靠、高可擴(kuò)展性、高吞吐率等特征，適合一次寫入，多次讀的讀寫任務(wù)。（）

A:對B:錯答案:對3+4j不是合法的Python表達(dá)式。（）

A:對B:錯答案:錯stack()可將列旋轉(zhuǎn)到行，從而將寬表變成長表。（）

A:對B:錯答案:對可視為pivot_table()的逆操作的是pivot()。（）

A:錯B:對答案:錯在比較兩個模型的擬合效果時，甲、乙兩個模型的R方值分別約為0.88和0.93，則擬合效果好的模型是乙。（）

A:對B:錯答案:對循環(huán)神經(jīng)網(wǎng)絡(luò)的i時刻的輸入是,則隱狀態(tài)的更新公式為（）

A:B:C:D:答案:AI參考:選項B是正確的。\n\n在循環(huán)神經(jīng)網(wǎng)絡(luò)中，隱狀態(tài)的更新公式通常由兩部分組成：前一時刻的隱狀態(tài)和當(dāng)前的輸入。具體到給定的輸入圖像，更新公式為：\n\nH(t+1)=H(t)+tanh(Wx+b)\n\n其中，H(t)是前一時刻的隱狀態(tài)，tanh是雙曲正切函數(shù)，W是權(quán)重矩陣，b是偏置項。這里的輸入圖像是x，通過W和b進(jìn)行轉(zhuǎn)換后與H(t)進(jìn)行加法運算，得到新的隱狀態(tài)H(t+1)。\n\n所以，根據(jù)這個公式，選項B是正確的。'閔可夫斯基距離，當(dāng)P=______時，是曼哈頓距離（）。

A:2B:0C:1D:答案:AI參考:正確答案是B。曼哈頓距離也稱為區(qū)間距離，指兩點在坐標(biāo)軸上所占據(jù)空間區(qū)間的距離。閔可夫斯基距離是基于曼哈頓距離的一個概念，是考慮了所有可能的坐標(biāo)變換的平均距離。在閔可夫斯基距離中，P=0時，曼哈頓距離就等于點自身的歐幾里得距離，也就是它到原點的距離。因此，本題答案為B。'下列說法正確的是（）。

A:xlabel()用于設(shè)置x軸的標(biāo)簽。B:tick_params()用于設(shè)置或更改刻度線等。C:ticks()用于設(shè)置x軸和y軸的刻度。D:xlim()用于指定x軸的刻度范圍。答案:AI參