第一章 单元测试
1、多选题：
本课程特色包括
选项：
A:精析数据分析算法，培养数据分析意识
B:剖析20+精彩案例，培养综合实战技能
C:嵌入Python软件，培养算法落地能力
答案: 【精析数据分析算法，培养数据分析意识;剖析20+精彩案例，培养综合实战技能;嵌入Python软件，培养算法落地能力】
2、多选题：
本课程包括的知识点包括
选项：
A:Python数据分析高级实战
B:Python入门
C:Python基本数据分析实战
答案: 【Python数据分析高级实战
;Python入门;Python基本数据分析实战】
3、多选题：
本课程的Python入门部分中您将学习到的内容包括
选项：
A:Python三剑客（numpy,pandas,matplotlib）
B:Python简介
C:Python基本语法
D:Python基本编程
答案: 【Python三剑客（numpy,pandas,matplotlib）;Python简介;Python基本语法;Python基本编程】
4、多选题：
本课程的Python高级数据分析部分中您将学习到的内容包括
选项：
A:有监督学习（回归问题）
B:有监督学习（分类问题）
C:高级话题
D:无监督学习
答案: 【有监督学习（回归问题）;有监督学习（分类问题）;高级话题;无监督学习】
5、多选题：
本课程讲授六步法的基本目标是
选项：
A:软件熟练
B:算法清楚
C:落地精准
D:理论扎实
答案: 【软件熟练;算法清楚;落地精准;理论扎实】
第二章 单元测试
1、单选题：
下列关于Python语法叙述错误的是
选项：
A:Python中使用#号注释语句
B:for循环中，冒号为缩进代码块的开始，冒号之后的所有代码的缩进量必须相同，直到代码块结束
C:Python使用括号组织代码
D:Python句尾不需要分号
答案: 【Python使用括号组织代码
】
2、单选题：
下述代码的返回结果是
def fun(k): y = 2*k+k**2 return y
print(fun(3))
选项：
A:12
B:13
C:15
D:14
答案: 【15】
3、单选题：
Python语句中用于注释代码的符号是
选项：
A:!号
B:$号
C:%号
D:#号
答案: 【#号】
4、单选题：
下述代码返回的结果是
import numpy as npt = 2.5868print(np.round(t,2))
选项：
A:2.58
B:2.59
C:2.60
D:2.5
答案: 【2.59】
5、单选题：
下述说法错误的是
选项：
A:元组是一个不可变型的序列，由{ }完成
B:列表是一个可变型的序列，由[ ]完成
C:可对字典数据类型进行查、增、删、改
D:可对列表数据类型进行查、增、删、改
答案: 【元组是一个不可变型的序列，由{ }完成】
6、单选题：
下述列表计算的结果是a= [1,11,10,10001,10001]a.append(2.5)print(a)
选项：
A:[2.5,1, 11, 10, 10001, 10001]
B:[1, 11, 10, 10001, 10001, 2.5]
答案: 【[1, 11, 10, 10001, 10001, 2.5]】
7、单选题：
下述代码返回的结果是x = -3.5if x < 0: print(x+2)else: print(-1*x-5)
选项：
A:1.5
B:-1.5
C:0
答案: 【-1.5】
8、单选题：
下述代码返回的结果是 m = [2,5,4,1,3]n = []for k in m: t = k ** 2 -2 n.append(t)print(n)
选项：
A:[5, 26, 17, 2, 10]
B:[2, 23, 14, -1, 7]
C:[4, 25, 16, 1, 9]
答案: 【[2, 23, 14, -1, 7]】
第三章 单元测试
1、单选题：
下列不属于数据预处理常用方法的是
选项：
A:缺失值的发现与处理
B:异常值的发现与处理
C:相关分析
D:离散变量重编码
答案:
2、多选题：
常用描述统计方法包括
选项：
A:描述集中程度
B:描述离散程度
C:描述偏差和相关程度
D:数据可视化
答案:
3、单选题：
下列参数类假设检验方法中可以用于比较3种不同教学方法之间是否存在显著差异的是
选项：
A:单因素方差分析
B:独立样本T检验
C:配对样本T检验
答案:
4、多选题：
可以用于直观展示数据值的大小或变化趋势（即比较）的可视化工具有
选项：
A:柱形图
B:饼图
C:条形图
D:折线图
答案:
5、判断题：
按照可视化专家Andrew Abela的图表使用建议，散点图可以用于展示数据间的联系。
选项：
A:对
B:错
答案:
第四章 单元测试
1、单选题：
下述机器学习方法中可以用于降维的是
选项：
A:决策树
B:KNN
C:PCA
D:Kmeans聚类
答案:
2、单选题：
如果研究者想探讨影响小麦亩产量的因素，采集了若干个样本的各个指标（温度、灌溉量、光照强度、施肥量），则下列哪种方法适合研究本问题？
选项：
A:一元线性回归
B:聚类分析
C:PCA
D:多元线性回归分析
答案:
3、多选题：
随机森林算法叙述正确的是
选项：
A:是一种集成学习算法
B:随机选择训练样本(行采样)
C:随机选择部分特征(列采样)
D:采用投票法(少数服从多数)确定最终类别归属
答案:
4、单选题：
下列关于决策树算法的论述错误的是
选项：
A:熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小
B:条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量
C:决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。
D:ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。
答案:
5、多选题：
下列关于判别分析叙述正确的是
选项：
A:是多元分析中用于判别样本所属类型的一种统计分析方法
B: 利用已知类别的样本建立判别模型，对未知类别的样本进行分类
C:Fishser线性判别分析（Linear Discriminant analysis, LDA）由R.A.Fisher 于1936年提出
D:Fishser线性判别分析的基本思想是投影
答案:
6、多选题：
朴素贝叶斯分类器的基本算法步骤包括
选项：
A:定问题：确定为分类（类标签已知）问题
B:算概率：计算所有朴素贝叶斯公式中的“零部件”概率
C:比大小：计算后验概率，归入最大后验概率类
答案:
7、多选题：
K最近邻（KNN)分类器的基本算法步骤包括
选项：
A:算距离：给定测试对象，计算它与训练集中的每个对象的距离
B:找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻
C:做分类：根据这k个近邻归属的主要类别，来对测试对象分类
答案:
8、判断题：
本章机器学习高级话题中涉及的提升模型算法性能的策略包括调参、交叉验证和采用合理的评价指标。
选项：
A:对
B:错
答案:
请先 ！