CDA數(shù)據(jù)分析師章節(jié)練習(xí)(2020.04.04)

多項(xiàng)選擇題
在SparkStreaming中，以下哪些數(shù)據(jù)可以作為DStream的輸入源（）
A.socketSteam
B.kafkaSteam
C.flumeSteam
D.twitterSteam
單項(xiàng)選擇題
分析師小A想要對(duì)多元線性回歸y=b0+b1x1+b2x2+…+bnxn+ε進(jìn)行線性關(guān)系檢驗(yàn)時(shí)，他設(shè)定的原假設(shè)可以是（）
A.b0=b1=……=bn=0
B.b1=……=bn=0
C.b0，b1，……，bn中存在任意一個(gè)不為0
D.b1，……，bn中存在任意一個(gè)不為0
單項(xiàng)選擇題
關(guān)于Tableau，以下說法錯(cuò)誤的是（）
A.Tableau支持多種格式數(shù)據(jù)，包括平面文件（比如Execl，txt文本），或者是數(shù)據(jù)
B.支持多表關(guān)聯(lián)
C.使用Tableau分析數(shù)據(jù)，比傳統(tǒng)的數(shù)據(jù)庫查詢快10到100倍
D.Tableau不能查詢Hadoop
單項(xiàng)選擇題
使用Pig的優(yōu)勢(shì)在于（）
A.Pig可以使用一個(gè)類SQL的語言，降低了學(xué)習(xí)成本
B.Pig的語言編輯器可以把類SQL語言轉(zhuǎn)換為一系列經(jīng)過優(yōu)化處理的MapReduce運(yùn)算
C.目前Pig主要由開源社區(qū)維護(hù)
D.Pig是一種數(shù)據(jù)流語言
多項(xiàng)選擇題
C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并在以下哪幾方面對(duì)ID3算法進(jìn)行了改進(jìn)？（）
A.用信息增益率來選擇屬性
B.在樹構(gòu)造過程中進(jìn)行剪枝
C.能夠完成對(duì)連續(xù)屬性的離散化處理
D.在樹的構(gòu)造過程中，不需要對(duì)數(shù)據(jù)集進(jìn)行多次的順序掃描和排序
單項(xiàng)選擇題
檢驗(yàn)單總體方差的過程中，檢驗(yàn)統(tǒng)計(jì)量服從（）。
A.標(biāo)準(zhǔn)正態(tài)分布
B.正態(tài)分布
C.卡方分布
D.t分布
多項(xiàng)選擇題
以下屬于線性回歸基本假設(shè)的有（）
A.誤差項(xiàng)ε的期望等于1
B.誤差項(xiàng)ε的方差等于1
C.誤差項(xiàng)ε相互獨(dú)立
D.誤差項(xiàng)ε服從正態(tài)分布
多項(xiàng)選擇題
變量“行業(yè)”的類型有“制造”、“金融”、“通信”、“其他”，如果將“行業(yè)”轉(zhuǎn)為啞變量，某企業(yè)屬于金融行業(yè)，那么下面對(duì)于這個(gè)企業(yè)的行業(yè)類型記錄正確的是（）
A.A
B.B
C.C
D.D
單項(xiàng)選擇題
檢驗(yàn)單總體均值的過程中，如果是小樣本，但總體標(biāo)準(zhǔn)差已知，檢驗(yàn)統(tǒng)計(jì)量應(yīng)該選擇（）。
A.A
B.B
C.C
D.D
單項(xiàng)選擇題
下面的數(shù)據(jù)是一家企業(yè)科研投入與專利產(chǎn)出的相關(guān)性描述，根據(jù)表格信息，下列選項(xiàng)中正確的是（）。
A.專利產(chǎn)出與科研投入高度線性相關(guān)
B.專利產(chǎn)出與科研投入相關(guān)性不顯著
C.專利產(chǎn)出與科研投入存在線性相關(guān)性，但是相關(guān)性較弱
D.加大科研投入就能夠提高專利的產(chǎn)出

首頁

題庫

網(wǎng)課

在線?？?/h3>

桌面端

CDA數(shù)據(jù)分析師章節(jié)練習(xí)(2020.04.04)

在SparkStreaming中，以下哪些數(shù)據(jù)可以作為DStream的輸入源（）

分析師小A想要對(duì)多元線性回歸y=b0+b1x1+b2x2+…+bnxn+ε進(jìn)行線性關(guān)系檢驗(yàn)時(shí)，他設(shè)定的原假設(shè)可以是（）

關(guān)于Tableau，以下說法錯(cuò)誤的是（）

使用Pig的優(yōu)勢(shì)在于（）

C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并在以下哪幾方面對(duì)ID3算法進(jìn)行了改進(jìn)？（）

檢驗(yàn)單總體方差的過程中，檢驗(yàn)統(tǒng)計(jì)量服從（）。

以下屬于線性回歸基本假設(shè)的有（）

變量“行業(yè)”的類型有“制造”、“金融”、“通信”、“其他”，如果將“行業(yè)”轉(zhuǎn)為啞變量，某企業(yè)屬于金融行業(yè)，那么下面對(duì)于這個(gè)企業(yè)的行業(yè)類型記錄正確的是（）

檢驗(yàn)單總體均值的過程中，如果是小樣本，但總體標(biāo)準(zhǔn)差已知，檢驗(yàn)統(tǒng)計(jì)量應(yīng)該選擇（）。

下面的數(shù)據(jù)是一家企業(yè)科研投入與專利產(chǎn)出的相關(guān)性描述，根據(jù)表格信息，下列選項(xiàng)中正確的是（）。

CDA數(shù)據(jù)分析師章節(jié)練習(xí)(2020.04.04)

在SparkStreaming中，以下哪些數(shù)據(jù)可以作為DStream的輸入源（）

分析師小A想要對(duì)多元線性回歸y=b0+b1x1+b2x2+…+bnxn+ε進(jìn)行線性關(guān)系檢驗(yàn)時(shí)，他設(shè)定的原假設(shè)可以是（）

關(guān)于Tableau，以下說法錯(cuò)誤的是（）

使用Pig的優(yōu)勢(shì)在于（）

C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并在以下哪幾方面對(duì)ID3算法進(jìn)行了改進(jìn)？（）

檢驗(yàn)單總體方差的過程中，檢驗(yàn)統(tǒng)計(jì)量服從（）。

以下屬于線性回歸基本假設(shè)的有（）

變量“行業(yè)”的類型有“制造”、“金融”、“通信”、“其他”，如果將“行業(yè)”轉(zhuǎn)為啞變量，某企業(yè)屬于金融行業(yè)，那么下面對(duì)于這個(gè)企業(yè)的行業(yè)類型記錄正確的是（）

檢驗(yàn)單總體均值的過程中，如果是小樣本，但總體標(biāo)準(zhǔn)差已知，檢驗(yàn)統(tǒng)計(jì)量應(yīng)該選擇（）。

下面的數(shù)據(jù)是一家企業(yè)科研投入與專利產(chǎn)出的相關(guān)性描述，根據(jù)表格信息，下列選項(xiàng)中正確的是（）。

在SparkStreaming中，以下哪些數(shù)據(jù)可以作為DStream的輸入源（）

分析師小A想要對(duì)多元線性回歸y=b0+b1x1+b2x2+…+bnxn+ε進(jìn)行線性關(guān)系檢驗(yàn)時(shí)，他設(shè)定的原假設(shè)可以是（）

關(guān)于Tableau，以下說法錯(cuò)誤的是（）

C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并在以下哪幾方面對(duì)ID3算法進(jìn)行了改進(jìn)？（）

檢驗(yàn)單總體方差的過程中，檢驗(yàn)統(tǒng)計(jì)量服從（）。

變量“行業(yè)”的類型有“制造”、“金融”、“通信”、“其他”，如果將“行業(yè)”轉(zhuǎn)為啞變量，某企業(yè)屬于金融行業(yè)，那么下面對(duì)于這個(gè)企業(yè)的行業(yè)類型記錄正確的是（）

檢驗(yàn)單總體均值的過程中，如果是小樣本，但總體標(biāo)準(zhǔn)差已知，檢驗(yàn)統(tǒng)計(jì)量應(yīng)該選擇（）。

下面的數(shù)據(jù)是一家企業(yè)科研投入與專利產(chǎn)出的相關(guān)性描述，根據(jù)表格信息，下列選項(xiàng)中正確的是（）。