2020年上海市高等学校信息技术水平考试试卷_三级_数据科学技术及应用_模拟卷_四、操作题_答案

2020年上海市高等学校信息技术水平考试试卷_三级_数据科学技术及应用_模拟卷_四、操作题_答案

（本试卷考试时间 150 分钟）

答案是自己做的，经验证，可成功运行。
内容仅供学习交流，不可转载。

点击下载源程序

四、操作题

（一）、简答题（共2题，每题5分，共10分）

提示：打开C:\KS\Answer.doc文件，将简答题答案写在该文件的相应题目下并保存。

1.请描述所学专业或日常生活中某个具体场景所涉及的数据，给出各项数据名称，说明以及数据的类型（连续数值/可选项/文本/图像/视频/声音/时序）等。

2.试简述分类方法和聚类方法的区别，请根据实际案例所涉及的数据以及分析目标进行说明。

答案： 略

（二）、综合应用题（共1题，34分）

提示：打开"C:\KS"文件下的程序文件"prog.py"，按照程序注释说明，编写代码实现功能要求。

台风记录数据集（winds.csv）记录了2014年某区域发生的台风信息，包括台风名、台风等级、气压（百帕）、移动速度（公里/时)、纬度、经度、记录数、顺序、风速（米/秒）等9个属性(具体说明见“数据集说明”文件)。试分析与台风等级相关的特征，并建立等级判别模型。

具体要求如下：
1)从文件中读出台风数据（3分）；
2)数据集中表示台风等级level有六个等级为：热带低压、热带风暴、强热带风暴、台风、强台风、超强台风。将台风等级字符串依次替换为数字1-6（4分）；
3)计算台风的各个特征与台风等级的相关性，筛选出相关性较高（相关系数>0.6）的特征建立数据集（5分）；
4)绘制图形展示筛选出的特征与台风等级的相关性（4分）；
5)按照合适比例将分析数据分为训练集和测试集（3分）；
6)在训练集上建立分类模型，至少选用两种分类算法建立模型（7分）；
7)在测试集上测试分类模型的性能（3分）；
8)根据第7）步的运行结果，说明分类模型在台风等级判别上的性能，请描述在程序文件给出的注释行中（5分）。

答案：

#请在注释后填写相应代码，注释勿删除

#1)从文件中读出台风数据（3分）；
import pandas,numpy
from pandas import DataFrame
from matplotlib import pyplot as plt
from sklearn import model_selection,tree,metrics,svm

filename='winds.csv'
df=pandas.read_csv(filename,index_col=7,header=0,encoding='gbk')

#2)数据集中表示台风等级level有六个等级为：热带低压、热带风暴、强热带风暴、台风、强台风、超强台风。将台风等级字符串依次替换为数字1-6（4分）；
level_list=['热带低压','热带风暴','强热带风暴','台风','强台风','超强台风']

level_num=1

for i in level_list:
    df.loc[df['level']==i,'level']=level_num
    level_num+=1

df['level']=df['level'].astype(int)

#3)计算台风的各个特征与台风等级的相关性，筛选出相关性较高（相关系数>0.6）的特征建立数据集（5分）；
headers=df.columns.tolist()

corr=df.corr()

corr=corr[corr>0.6]
corr=corr[corr!=1.0]

corr=corr[corr.isnull().all()==False].copy()

index_3=corr.index.tolist()

df_3=df[index_3]

#4)绘制图形展示筛选出的特征与台风等级的相关性（4分）；
pandas.plotting.scatter_matrix(df_3,diagonal='kde')

plt.show()

#5)按照合适比例将分析数据分为训练集和测试集（3分）；
df_3.dropna(inplace = True)
x=df_3[index_3[0]].values.astype(float).reshape(-1, 1)
y=df_3[index_3[1]].values.astype(int)
x_train, x_test, y_train, y_test = model_selection.train_test_split(x,y,test_size=0.3,random_state=1)

#6)在训练集上建立分类模型，至少选用两种分类算法建立模型（7分）； 
clf_train = tree.DecisionTreeClassifier()
clf_train.fit(x_train,y_train)
svc = svm.SVC(kernel='rbf', gamma=0.6, C = 1.0)
svc.fit(x_train,y_train)

#7)在测试集上测试分类模型的性能（3分）；
print(clf_train.score(x_test,y_test))
print(svc.score(x_test,y_test))

#8)根据第7）步的运行结果，说明分类模型在台风等级判别上的性能，请描述在程序文件给出的注释行中（5分）。
#决策树模型和向量机模型的准确率均为0.47368421052631576，效果较差。

答题过程中可能存在的问题：

1.第一题中，由于文件编码的问题，如果不添加ecoding='gbk’会报错，但是该段代码在"Python科学计算库函数快速索引表.xlsx"中没有，需要自己注意并解决。
2.第二题中，替换后需要.astype(int)，不然不会参与后续计算。
3.第三题中，“相关性较高（相关系数>0.6）”题设不明确，需要确定是否为正/负相关性较高，即是否需要计算绝对值。若仅计算正相关，则计算结果为：‘windspeed’（本答案采用该做法）。
4.第四题及后续答题中，'windspeed’列数据有缺失。通过“三、程序填空题”的第四题可以看出，前期的数据处理在此处没有重复出现，因此需要添加一个删除存在缺失项的行的语句。
5.第五题中，由于x只有一列，因此需要在最后添加reshape(-1, 1)方法。
6.第八题，测试性能不佳。