大学网课搜题引擎
首页
学堂在线
商业数据思维与实战
第五章 大数据时代的统计分析（下）
题目详情
简答题
虚拟变量只能作为自变量。( )
A、正确
B、错误
查看答案与解析
简答题
jieba库的load_userdict函数可（ ） A、完成精确模式分词 B、向分词词典中增加新词 C、加载自定义词库 D、完成搜索引擎模式分词
简答题
下面的各问题中,哪些是相关分析要解决的问题() A、判断变量之间是否存在关系 B、判断一个变量数值的变化对另一个变量的具体影响 C、描述变量之间的关系紧密程度 D、判断变量之间存在什么样的关系
简答题
在如下对文本分析工具的描述中,错误的是____ A、SnowNLP分词性能优于jieba B、ACNLP可进行分词、词性标记、关键词提取、语句情感分析 C、Python可完成商业数据分析、挖掘过程 D、NLPIR可进行新词发现、自定义词语、实体提取、词频统计、文本分类
简答题
判断逻辑回归预测效果的好坏,可以通过____ A、AUC值 B、ROC曲线 C、TPR、FPR D、ABC均可
简答题
在利用可调整的决定系数 A、正确 B、错误
简答题
可对wordcloud.WordCloud中的relative_scaling参数进行设置，（ ）。 A、表示词语水平方向排版出现的频率 B、表示按照比例放大画布 C、可给每个词随机分配颜色 D、用于关联词频与字体大小
简答题
在如下有关文本分析的描述中,错误的是____ A、在对文本进行分析之前,可先从网络上爬取待分析的文本数据 B、自然语言处理技术不能对词性进行标注 C、在对中文文本进行分析之前,应将中文文本进行分词处理 D、词袋法可将文本转化为计算机能够理解的向量
简答题
如果两个变量之间存在着负相关,指出下列回归方程中哪个肯定有误____ A、 B、 C、 D、
简答题
假定顾客购买某商品的支出同收入水平和性别有关,由于性别(男、女)是分类变量,因此,用虚拟变量回归分析性别和收入对购买支出的影响时,需要引入两个虚拟变量。( ) A、正确 B、错误
简答题
在回归建模过程中,假设自变量广告类型有三个水平:报纸广告、电视广告、互联网,在进行回归分析时,是否可以编码例如1、2、3直接带入?____ A、可以 B、不可以
简答题
某零售店在分析其销售收入影响时,发现销售收入受到多种因素的影响,其中消费者年龄的构成是一个重要的影响因素,若年龄划分为:18岁以下、18-30岁、30-50岁、50岁以上四个层次,在回归中考虑年龄这个变量时,需引入的虚拟变量(哑变量)的个数为____ A、1个 B、2个 C、3个 D、4个
简答题
在回归建模过程中,假定自变量消费者地域分为东部、中部、西部,在进行回归时,需要引入( )个虚拟变量(哑变量)? A、不需要 B、1个 C、2个 D、3个
简答题
可对jieba.analyse.extract_tags中的allowPOS参数进行设置，（ ）。 A、用于词性过滤 B、表示待提取关键词的文本 C、表示返回关键词的数量 D、表示是否返回每个关键词的权重
简答题
某电商希望预测用户是否购买该类商品,请问用何种分析方法较为合适?____ A、线性回归 B、聚类分析 C、虚拟变量回归 D、逻辑回归
简答题
Logistic回归适用于因变量为____ A、二分类变量 B、多分类有序变量 C、多分类无序变量 D、ABC均可
简答题
对不同年份的产品成本拟合的直线方程为 A、时间每增加一个单位,产品成本平均增加1.75个单位 B、时间每增加一个单位,产品成本平均下降1.75个单位 C、产品成本每变动一个单位,平均需要1.75年时间 D、产品成本每减少一个单位,平均需要1.75年时间
简答题
在如下有关关键词提取的描述中，错误的是（ ）。 A、关键词提取在文献检索、自动文摘、文本聚类、文本分类等方面具有着重要应用 B、TextRank算法是基于有监督关键词提取算法的 C、有监督的关键词提取方法主要通过分类方式进行 D、无监督的关键词提取方法不需要人工标注语料辅助训练
简答题
对于从网络上爬取到的文本数据，在如下描述中，错误的是（ ）。 A、有可能是短文本数据 B、有可能是长文本数据 C、有可能是半结构化数据 D、一定是结构化数据
简答题
回归方程的决定系数R2值越大,则回归方程____ A、拟合程度越低 B、拟合程度越高 C、拟合程度有可能高,也有可能低 D、用回归方程进行预测越不准确
简答题
根据你的判断,下面的相关系数取值哪一个是错误的____? A、-0.86 B、0.75 C、1.22 D、0
商业数据思维与实战
章节列表
第一章 数字经济的基本概念
25
第二章 数据思维
25
期末考试
40
第三章 大数据时代的商业模式
26
第四章 大数据时代的统计分析（上）
21
第五章 大数据时代的统计分析（下）
25
第六章 商业数据分析实战（上）
20
第七章 商业数据分析实战（中）
20
第八章 商业数据分析实战（下）
20