C.dbf

D.xls

正确答案：mdb

22、大多数日志文件的后缀名是（）。

A.txt

B.csv

C.xml

D.log

正确答案：log

23、本课程重点介绍的weka软件的专有文件格式是（）。

A.MongoDB

B.ARFF

C.value

D.key map

正确答案：ARFF

24、数据清洗工作的目的主要是要解决数据的完整性、唯一性、合法性和（）。

A.专业性

B.排他性

C.一致性

D.共享性

正确答案：一致性

25、八爪鱼软件的“自定义采集”工作方式下，需要在软件里输入一个（）来作为采集的目标。

A.电话号码

B.关键词

C.网页地址

D.用户名

正确答案：网页地址

26、八爪鱼软件的采集规则可以通过文件的形式来导入或者导出，这种文件的后缀名是（）。

A.otd

B.jpg

C.png

D.gif

正确答案：otd

27、Excel可以通过“数据有效性”按钮操作来规范数据输入的范围。

A.正确

B.错误

正确答案：A

28、Excel不能导入txt或csv格式的文件。

A.正确

B.错误

正确答案：B

29、八爪鱼软件只能对软件内建了“简易采集”规则的网站采集数据。

A.正确

B.错误

正确答案：B

30、八爪鱼软件进行自定义采集时，需要了解对网页的页面结构。

A.正确

B.错误

正确答案：A

第三章单元测试

1、使用DBSCAN算法对鸢尾花数据集（Iris.arff）进行聚类，将epsilon参数设置为0.2， minPoints参数设置为5，忽略class属性，那么将形成（）个簇。

A.1

B.2

C.3

D.4

正确答案：3

2、使用EM算法对天气数据集（weather.numeric.arff）进行聚类，将numClusters设置为4，即簇数为4，其他参数保持默认值，忽略class属性，从结果中可知，下列选项中，（）是错误的。

A.模型的最大似然估计值是-7.18

B.这组数据用算法迭代15次

C.第四个簇的先验概率是0.14

D.第四个簇的实例数为4

正确答案：第四个簇的实例数为4

3、使用SimpleKMeans算法对天气数据集（weather.numeric.arff）进行聚类，保持默认参数，即3个簇以及欧氏距离。选择play属性为忽略属性，从结果中可知，下列选项中，（）是错误。

A.这组数据用算法迭代四次

B.产生了三个中心点

C.聚合为3个簇，分别有7，3，4个实例

D.平方和误差为8.928

正确答案：这组数据用算法迭代四次

4、使用线性回归（LinearRegression）分类器和用M5P分类器对cpu.arff分别进行分类，由其输出的误差指标可知（）。

A.LinearRegression的标准误差比M5P的标准误差小

B.LinearRegression的平均绝对误差比M5P的平均绝对误差小

C.LinearRegression的相对误差比M5P的相对误差小

D.LinearRegression的平均方根误差比M5P的平均方根误差大

正确答案：LinearRegression的平均方根误差比M5P的平均方根误差大

5、删去cpu.arff数据文件中的CACH属性后，使用M5P分类器构建方案，在结果中，到达LM2的实例数有（）个。