大数据CPDA考试模拟样题—数据分析算法与模型

考试模拟样题—数据分析算法与模型
一.计算题 (共4题,100.0分）
1.下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：
一元线性回归.xlsx
一元线性回归预测.xlsx
要求：（1）绘制散点图，并计算相关系数，说明二者之间的关系；
（2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义；
（3）计算判定系数，并解释其意义；
（4）检验回归方程线性关系的显著性（a=0.05）；
（5）如果某地区的人均GDP为5000元，预测其人均消费水平；
（6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。

（所有结果均保留三位小数）
正确答案：
（1）以人均GDP为x，人均消费水平为y绘制散点图，如下：
用相关系数矩阵分析可求得相关系数为0.9981。

从图和相关系数都可以看出人均消费水平和人均国内生产总值（GDP）有比较强的正相关关系。

（2）以人均GDP作自变量，人均消费水平作因变量，做线性回归分析，得到回归方程如下：
y = 0.3087x + 734.6928
回归系数0.3087表示人均GDP每增加一个单位，人均消费水平大致增加0.3087个单位，人均GDP对人均消费水平的影响是正向的，人均GDP越高人均消费水平也越高。

（3）判定系数R方为0.9963，说明模型拟合效果很好。

（4）T检验和F检验的P值都小于0.05，线性关系显著。

（5）做预测分析可得，如果某地区的人均GDP为5000元，则其人均消费水平为2278.1066元。

（6）人均GDP为5000元时，由预测分析的结果可知，人均消费水平95%的置信区间为[1990.7491,2565.4640]，预测区间为
[1580.4632,2975.7500]。

2.根据以下给出的数据进行分析，本次给出鸢尾花数据，其中包含萼片长、萼片宽、花瓣长、花瓣宽、以及花的类型数据，请根据以下问题进行回答。

（本
题数据提供在excel里面，数据分析为三份，一份训练数据，一份测试数据，一份预测数据）
鸢尾花训练数据.xlsx
鸢尾花测试数据.xlsx
鸢尾花预测数据.xlsx
（1）根据训练数据，用类型_num作为因变量Y，其他变量作为自变量X，做逻辑回归，写出逻辑回归的方程。

（2）根据测试数据得到的结果，写出逻辑回归的混淆矩阵，以及准确率和召回率，Accuracy和F1的值（可根据测试数据结果计算表格得到测试数据集的相应的结果）。

（3）给出一组预测数据，根据训练模型结果预测，写出预测结果。

正确答案：
数据类型是数值型的不需要数值化，不存在缺失值，且训练数据类别均衡。

逻辑回归要考虑异常值的影响，以及变量是否存在共线性，因此我们进行异常值分析和相关性分析。

异常值分析发现异常值较多，猜测可能是分类的影响，因此不做处理。

由相关矩阵可看出变量之间虽然也有相关，但不是很强，因此可以进行逻辑回归。

（1）得到逻辑回归方程ln(P(Xi)/(1-(Xi))=0.9922+1.4626x1+1.5556x2-
2.1949x3-2.2906x4
其中，x1代表萼片长、x2代表萼片宽、x3代表花瓣长、x4代表花瓣宽。

训练集拟合度的指标
为：
可以看到Accuracy、AUC、准确率召回率等都较大，模型拟合效果较好，训练误差不大。

（2）用训练数据和测试数据进行预测，对比测试数据的预测结果和实际分类，可以得到混淆矩阵，并求得Accuracy、准确率召回率等如下：
因此模型的泛化误差不大，可以进行预测分析。

（3）接下来进行预测分析，预测结果如下：
3.下表为购物篮事物数据：
购物蓝数据集.xlsx
（1）设minsupport=40%，利用Apriori算法写出所有的频繁项目集，并指出其中支持度最大的二项频繁项目集。

（2）在第一问基础上设minconfidence=60%，找出所有的有效强关联规则。

正确答案：
首先将交易记录整理为datahoop平台可处理、分析的格式，具体如下：
（1）将数据导入DATEHOOP进行关联分析，根据题目要求，分析参数设置如下：最小支持度=0.4。

得到所有频繁项目集：{a}、{d}、{b}、{c}、
{a,e}、{d,e}、{b,e}、{d,a}、{a,b}、{a,d,e}。

其中支持度最大的二项频繁项目集为{a,e}，其支持度为60%。

（2）设置最小支持度为0.4，最小置信度为0.6，得到提升度>1的有效强关联规则如下：
4.某厨卫公司要开发一款燃气灶产品，列举出5个可作为卖点的功能属性：防风、定时、防干烧、不沾油、快速而准确地打火。

该公司的产品设计人员不知道该主要开发哪项功能，分析师小李向公司提出了使用KANO模型对上述五个功能进行调研分类的想法。

并得到了公司的支持。

假设你是小李
1.请你绘制KANO模型图来介绍对功能属性分类的思路
2.请你对燃气灶的防干烧功能属性设计调查问题
3.针对燃气灶的防干烧功能，受访者有多少种可能的回答组合，请写出每一种回
答组合所对应的属性类别符号（符号见最后一行题注）
4.假设基于对240名受访者的调研，得到下表，请算出这5种功能各自的worse 系数和better系数，并基于这两个系数判断这5中功能的属性类别
5.请对该燃气灶的这5项功能开发提出建议
注：魅力属性用符号A表示；必备属性用符号M表示；期望属性用符号O表示；可有可无属性用符号I表示；用户讨厌的属性用R表示；有问题的回答用Q表示
正确答案：
（1）
分为期望因素（O）,表示具备某功能满意度会提升，反之则满意度下降；必备因素（M），表示不具备某功能满意度会明显下降，而具备某功能满意度不会大幅提升；无差异因素（I），表示具备或不具备某功能对满意度没影响；魅力因素（A）表示不具备某功能满意度不会明显下降，而具备某功能满
意度会大幅提升；反向因素（R）表示不具备某功能满意度会提升，反之则满意度下降。

（2）设置调查问卷如下（5分制）：
（3）可能有25种组合的答案，具体见下
表：
（4）求得各功能的better及worse系数【better系数= （O+A）/
（O+I+M+A）；worse=（O+M）/（O+I+M+A）】，并绘制KANO模型图：
根据各功能所处区域可判断出：防风属期望因素，快速而准确地打火属必备因素，不沾油介于期望和魅力之间，防干烧介于魅力和无差异之间，定时属无差异因素
（5）产品对几类属性的研发重要性排序为M>O>A>I。

应优先确保产品100%具备快速而准确地打火的功能，且关注产品质量，降低故障率；防风功能的好坏将直接影响用户的满意度，故要力求产品有较好的防风性能，确保用户满意度；不沾油功能很有可能，直接影响用户的满意度，故要力求产品有较好的不沾油功能，确保用户满意度；在保证前三项功能的前提下，防干烧功能可进一步在细分市场的特殊人群定向推出；暂不需开发定时功能。