广西移动《大数据挖掘与智慧运营实战培训》强化学习阶段测试题(A卷).doc

广西移动《大数据挖掘与智慧运营实战培训》强化学习阶段测试题

姓名所在部门所属课题

考试说明：本考试题共四大题，满分150分，包含两个附件，附件1“客户流失分析训练集.xls”和附件2“客户流失预测检验集.xls”，考试结束请将本文档和附件2一并交回。

一、选择题（单选题，每题4分，共20分，请选出您认为最正确的一个答案）

1、以下哪个不属于数据挖掘的范畴（D）

A.分类分析 B.回归分析

C.聚类分析 D.数据复制

2、以下哪一条是中国移动在未来大数据运营发展中的明显优势（A）

A.拥有海量的数据资源

B.在大数据领域拥有全世界最多的知识产权

C.拥有最丰富的大数据运营经验

D.拥有全世界最先进的大数据人才队伍

3、下图展示了两条ROC曲线，请问若希望TruePositiveRate不小于0.9，哪条曲线代表的分类器效果较好（B）

A.M1 B.M2 C.两者一样 D.需计算具体的AUC

4、以下哪个算法不是分类算法（C）

A.ID3决策树 B.K近邻算法 C.Apriori算法 D.逻辑回归

5、下图为决策树预测客户是否流失的分类表（1表示流失），请问对于检验样本来说误判率为多少（A）

A.23.9% B.8.9% C.76.1% D.98.3%

二、判断题（每题4分，共20分）

在分类算法中，命中率和误判率之和一般等于1。（错）

数据挖掘的重要意义之一在于它能构造出人发现不了的规律。（对）

Apriori算法和穷举关联分析相比，能挖掘出更多的关联规则，并且只需要付出略微多一点的计算量。（错）

在运用决策树分析时，应避免发生“过度拟合”的现象。（对）

一元线性回归通常采用“残差”来评价回归效果的好坏，对于同一个数据集合，残差越大则该数据的线性拟合度越低。（对）

三、计算与实际操作题（本大题共5题，90分，请任选3题作答，如果全做，将取前3题计分）

数据预处理、聚类分析与智慧运营（本题30分）

(1).请阅读附件1，补全缺失的信用等级，将结果填入下表（每答对1个给1分，答错不给分，共10分）

客户ID

信用等级

5917

四星级

5915

四星级

5914

五星级金卡vip

5912

五星级金卡vip

5911

四星级

5908

五星级金卡vip

5916

四星级

5913

四星级

5910

5五星级银卡vip

5909

三星级

(2).请阅读附件1，画出属性“网龄”与属性“前三月平均DOU”的二维分布图，找出最为显著的两个离群点，答出这些离群点的用户ID，并将删除离群点后的二维分布图贴在下面。（本小题10分）

属性“网龄”与属性“前三月平均DOU”的二维分布图中最为显著的两个离群点，如下

将删除离群点后的二维分布图如下：

(3).删除离群点后，运用K均值聚类方法，按照属性“网龄”与属性“前三月平均DOU”，将用户聚成3个簇，将每个簇的中心填入下表，并回答表中的问题。（提示：聚类前需进行数据预处理，本小题10分）

类别1

类别2

类别3

网龄

19

160

35

前三月平均DOU

1530935.729

15362.4719

448686.7799

完成网龄与前三月平均DOU的聚类分析后，您对如何提升当地用户的DOU有什么建议？

网龄在160个月左右的用户（类别2）占总用户数的90%左右，而这部分用户的平均DOU是三个类别中最低的。所以要提升当地用户的DOU，应该对类别2的用户实行流量套餐优惠，促进用户对DOU的使用，达到DOU提升的目的。

决策树分析与客户流失预测（本题30分）

(1).请阅读附件1，以属性“是否流失”为因变量构造一棵深度为2的CHAID树，将树的截图贴在下方。

(2).请阅读附件1，以属性“是否流失”为因变量构造一棵深度为3的CHAID树，将树的截图贴在下方。

(3).上述两棵树，哪棵更好？请简单说明您的理由。

深度为2的CHAID树

分类

已观测

已预测

0

1

正确百分比

0

29701

249

99.2%

1

303

4939

94.2%

总计百分比

85.3%

14.7%

98.4%

增长方法:CHAID

因变量列表:是否流失

深度为3的CHAID树

分类

已观测

已预测

0

1

正确百分比

0

29847

103

99.7%

1

252

4990

95.