CDA考试教材 https://www.cdaglobal.com/article/475.html
CDA模拟题库 https://www.cdaglobal.com/article/473.html
76.下表是一个购物篮,假定支持度阈值为40%,其中__(A D)__是频繁闭项集。
TID 项
1 abc
2 abcd
3 bce
4 acde
5 de
A、abc
B、ad
C、cd
D、de
77.Apriori算法的计算复杂度受__(ABCD)__影响。
A、支持度阀值
B、项数(维度)
C、事务数
D、事务平均宽度
78. 我们可以用哪种方式来避免决策树过度拟合 (Overfitting)的问题? (AB)
A、利用修剪法来限制树的深度
B、利用盆栽法规定每个节点下的最小的记录数目
C、利用逐步回归法来删除部分数据
D、目前并无适合的方法来处理这问题
79.以下属于分类器评价或比较尺度的有: (ACD)
A、预测准确度
B、召回率
C、模型描述的简洁度
D、计算复杂度
80.在评价不平衡类问题分类的度量方法有如下几种:(ABCD)
A、F1度量
B、召回率(recall)
C、精度(precision)
D、真正率(ture positive rate,TPR)
81.贝叶斯信念网络(BBN)有如下哪些特点:(AB)
A、构造网络费时费力
B、对模型的过分问题非常鲁棒
C、贝叶斯网络不适合处理不完整的数据
D、网络结构确定后,添加变量相当麻烦
82.如下哪些不是最近邻分类器的特点: (C)
A、它使用具体的训练实例进行预测,不必维护源自数据的模型
B、分类一个测试样例开销很大
C、最近邻分类器基于全局信息进行预测
D、可以生产任意形状的决策边界
83.如下那些不是基于规则分类器的特点:(AC)
A、规则集的表达能力远不如决策树好
B、基于规则的分类器都对属性空间进行直线划分,并将类指派到每个划分
C、无法被用来产生更易于解释的描述性模型
D、非常适合处理类分布不平衡的数据集
84.以下属于聚类算法的是( ABD )。
A、K均值
B、DBSCAN
C、Apriori
D、Jarvis-Patrick(JP)
85.( CD )都属于簇有效性的监督度量。
A、轮廓系数
B、共性分类相关系数
C、熵
D、F度量
86. 下列对ID3算法的描述,何者为真?(A, B, D)
A、每个节点的分支度都不相同
B、使用Information Gain作为节点分割的依据
C、可以处理数值型态的字段
D、无法处理空值的字段
87.( ABCD )这些数据特性都是对聚类分析具有很强影响的。
A、高维性
B、规模
C、稀疏性
D、噪声和离群点
88.在聚类分析当中,( AD )等技术可以处理任意形状的簇。
A、MIN(单链)
B、MAX(全链)
C、组平均
D、Chameleon
89.( AB )都属于分裂的层次聚类算法。
A、二分K均值
B、MST
C、Chameleon
D、组平均
90.下列哪种算法可同时用来做分类以及预测数值?(A, B)
A、Neural Network
B、Decision Tree
C、Logistic Regression
D、Linear Regression
三、内容相关题
(一)、根据相同的背景材料回答若干道题目,每道题的答案个数不固定。下列各题A)、B)、C)、D)四个选项中,每题至少有一个选项是正确的,多选或少选,均不能得分。
I、下图为类神经元的示意图,请回答1至3题:
1、【答案(A)】
请问虚线的部分为?
A、类神经元
B、 键结值(Weight)
C、阀值(Bias)
D、激发函数(Activation Function)
2、【答案(D)】
请问请问( )为?
A、类神经元
B、键结值(Weight)
C、阀值(Bias)
D、激发函数(Activation Function)
3、【答案(B)】
请问W1, W2, …, Wm为?
A、类神经元
B、键结值(Weight)
C、阀值(Bias)
D、激发函数(Activation Function)
II、根据下表的混乱矩阵(Confusion Matrix),回答4至5题:
4、【答案(A)】
对于属性值YES的响应率(Precision)应如何计算?
A. B. C. D.
5、【答案(B)】
对于属性值YES的捕捉率(Recall)应如何计算?
A. B. C. D.
(二)、6-10题略
四、案例操作题
带数据,数据请见***
(一)、根据相同的背景材料和数据回答若干道题目,每道题的答案个数不固定。在做题过程中需要使用统计软件进行相应的操作。提供SAS、SPSS和CSV三种格式的数据,统计软件不受限制。下列各题A)、B)、C)、D)四个选项中,每题至少有一个选项是正确的,多选或少选,均不能得分。
I、一家银行希望使用自有业务数据和外部征信局数据来构造信用评分模型。该数据保存在Credit这张表中。其变量描述如下:
分析过程需要使用软件进行,可以使用任何软件完成以下题目:
1、 (AB)
以下哪个变量是分类变量
A. TARGET
B. BanruptcyInd
C. InqFinanceCnt24
D. TLBadDerogCnt
2、 (B)
这些变量中,有多少个变量具有缺失值
A. 7
B. 11
C. 12
D. 27
3、(B)
InqCnt06的中位数是
A.0
B.2
C.40
D.3.11
4、(AC)
以下四个变量中,哪两个右偏严重
A. TLCnt24
B. TlOpenPct
C. TLSatCnt
D. TLSatPct
5、(B)
将数据按7:3的比例分为训练集和验证集,对有缺失值的变量使用中位数进行填补后,使用逐步回归法以Target为被解释变量构造逻辑回归,以下哪些变量的解释力度最强
A.TLBadCnt24
B.TLBalHCPct
C.TLCnt03
D.TLDel60Cnt24
6-10略
(二)、11-20题略
立刻扫码
看更多数据分析师认证试题
——学数据分析技能一定要了解的大厂入门券,CDA数据分析师认证证书!
CDA(数据分析师认证),与CFA相似,由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新,迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准,具有专业化、科学化、国际化、系统化等特性。
同时,CDA全栈考试布局和认证体系已得到教育部直属中国成人教育协会及大数据专业委员会认可,并由为IBM、华为等提供全球认证服务的Pearson VUE面向全球提供灵活的考试服务。
报名方式
登录CDA认证考试官网注册报名>>点击报名
报名费用
Level Ⅰ:1200 RMB
Level Ⅱ:1700 RMB
Level Ⅲ:2000 RMB
考试地点
Level Ⅰ + Ⅱ:中国区30+省市,70+城市,250+考场,考生可就近考场预约考试 >看看我所在的地哪里报名<
Level Ⅲ:中国区30所城市,北京/上海/天津/重庆/成都/深圳/广州/济南/南京/杭州/苏州/福州/太原/武汉/长沙/西安/贵阳/郑州/南宁/昆明/乌鲁木齐/沈阳/哈尔滨/合肥/石家庄/呼和浩特/南昌/长春/大连/兰州>看看我所在的地哪里报名<
报考条件
CDA Level I >了解更多<
▷ 报考条件:无要求。
▷ 考试时间:随报随考。
CDA Level II >了解更多<
▷ 报考条件:获得CDA Level Ⅰ认证证书;
▷ 考试时间:随报随考。
CDA Level III >了解更多<
▷ 报考条件:获得CDA Level Ⅱ认证证书;
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
(备注:数据分析相关工作不限行业,可涉及统计,数据分析,数据挖掘,数据库,数据管理,大数据架构等内容。)
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25