1.想要了解上海市小学生的身高,需要抽取500个样本,这项调查中的样本是?
A.从中抽取的500名学生的身高
B.上海市全部小学生的身高
C.从中抽取的500名小学生
D.上海市全部小学生
2.以下对k-means聚类算法解释正确的是
A.能自动识别类的个数,随即挑选初始点为中心点计算
B.能自动识别类的个数,不是随即挑选初始点为中心点计算
C.不能自动识别类的个数,随即挑选初始点为中心点计算
D.不能自动识别类的个数,不是随即挑选初始点为中心点计算
3.以下哪个是常见的时间序列算法模型
A.RSI
B.MACD
C.ARMA
D.KDJ
4.有个袋子装有2个红球,2个蓝球,1个黄球,取出球以后不再放回,请问取两次出来的球是相同颜色的概率是多少
A.0.3333
B.0.25
C.0.2
D.0.1667
5.65,8,50,15,37,24,()。括号中的数字是()
A.25
B.26
C.22
D.27
6.一组数据,均值>中位数>众数,问这组数据
A.左偏
B.右偏
C.钟型
D.对称
7.SQL语言允许使用通配符进行字符串匹配的操作,其中‘%’可以表示
A.零个字符
B.1个字符
C.多个字符
D.以上都可以
8.关于正态分布,下列说法错误的是:
A.正态分布具有集中性和对称性
B.正态分布的均值和方差能够决定正态分布的位置和形态
C.正态分布的偏度为0，峰度为1
D.标准正态分布的均值为0，方差为1
9.在以下不同的场景中,使用的分析方法不正确的有
A.根据商家最近一年的经营及服务数据,用聚类算法判断出天猫商家在各自主营类目下所属的商家层级
B.根据商家近几年的成交数据,用聚类算法拟合出用户未来一个月可能的消费金额公式
C.用关联规则算法分析出购买了汽车坐垫的买家,是否适合推荐汽车脚垫
D.根据用户最近购买的商品信息,用决策树算法识别出淘宝买家可能是男还是女
10.下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测
A.AR模型
B.MA模型
C.ARMA模型
D.GARCH模型
二、多选题 （共5道题，每题10分）
1.excel工作簿a中有两列id、age,工作簿b中有一列id,需要找到工作薄b中id对应的age,可用的函数包括
A.index+match
B.vlookup
C.hlookup
D.find
2.现在有M个桶,每桶都有N个乒乓球,乒乓球的颜色有K种,并且假设第i个桶第j种颜色的球个数为Cij, 比例为Rij=Cij/N,现在要评估哪个桶的乒乓球颜色纯度最高,下列哪种算法和描述是合理的?
A.∑(1-Rij*Rij)越小越纯
B.∑(1-Rij)*(1-Rij)越小越纯
C.∑(1-Rij)^2 越小越纯
D.-∑Rij*LOG(Rij)越小越纯
3.关于相关系数,下列描述中正确的有:
A.相关系数为0.8时,说明两个变量之间呈正相关关系
B.相关系数等于1相较于相关系数等于-1,前者的相关性更强
C.相关性等于1相较于相关系数等于0,前者的相关性更强
D.Spearman相关系数可以衡量两个定序变量之间的相关程度
4.关于线性回归的描述,以下正确的有:
A.基本假设包括随机干扰项是均值为0,方差为1的标准正态分布
B.基本假设包括随机干扰下是均值为0的同方差正态分布
C.在违背基本假设时,普通最小二乘法估计量不再是最佳线性无偏估计量
D.可以用DW检验残差是否存在序列相关性
5.下列哪些方法可以用来对高维数据进行降维:
A.LASSO
B.主成分分析法
C.小波分析法
D.线性判别法
参考答案和解析可在 阿里巴巴2016数据挖掘工程师真题 答题结束后，个人中心进行查看