考试模拟样题—数据分析算法与模型(附答案).pdfVIP

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：

正确答案：（1）绘制散点图，并计算相关系数，说明二者之间的关系；

解析：(1)数据类型均为数值型数据，没有缺失值，数据展示散点图如下：

人均GDP与人增消费水平正相关，相关系数为0.9981，相关性比较大。

（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；

Y=734.6928+0.3087*X1人均GDP基数为734.6928，随着人均收入

0.3087倍的增长，人均消费水平随之增长。

（3）计算判定系数，并解释其意义；

R方为0.9963，接近于1，模型拟合度很好。

（4）检验回归方程线性关系的显著性（a=0.05）；

F检验：p值0.05，模型整体线性关系显著。

T检验：p值0.05,所对应的自变量对因变量的影响显著。

（5）如果某地区的人均GDP为5000元，预测其人均消费水平；

人均消费水平为2278.1066。

（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）

置信区间[1990.749,2565.464]和预测区间[1580.463,2975.750]。

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。

数值类型是数据型，没有缺失值；

根据箱型图进行了异常值分析，占比比较少，可能是数据分类的特征，

因此不进行异常值处理；

相关系统矩阵分析，虽然存在相关，但是相关性不是特别强，所以不进

行处理。

逻辑回归的方程：In[P(Y)/1-P(Y)]=0.9922+1.4626X1+1.5556X2-

2.1949X3-2.2906X4

将预测结果和原训练集中的实际分类进行对比，得到如下混淆矩阵和计算出相

应的准确率、召回率，结果如下：

AccuracyAUC

0.97330.9936

PrecisionRecallF1-scoreSupport

00.945910.972235

110.950.974440

由混淆矩阵可知Accuracy和准确率召回率都比较大，模型预测效果较好，训练

误差不大。可以用该模型进行预测。

（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）。

将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，得到

如下混淆矩阵和计算出相应的Accuracy、准确率召回率，结果如下：

由混淆矩阵可知Accuracy和准确率召回率都比较大，模型预测效果较好，泛化

误差不大，可以用该模型进行预测分析。

（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。

模型预测结果为：y_predict_newDATA:0011000101

正确答案：

解析：提示：

测试数据结果计算.xls

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。

支持度

项目1项目2支持度置信度提升度

排名

1{}