数据分析师笔试试卷二：SQL、Python、线性回归算法预测

已于 2024-07-15 00:54:31 修改
阅读量762 收藏 19
点赞数 25
分类专栏： 面试 文章标签： 算法 sql python 数据分析 线性回归
于 2024-07-10 00:24:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rubyw/article/details/140309909
版权

数据分析师-笔试题目

提交时请在文件名称前加上你的名字

import pandas as pd

pandas-数据预处理

df_1 = pd.DataFrame(data=
             [
                 ['抖音','双十一','2022-11-09','2022-11-11'],
                 ['微博','双十一','2022-11-10','2022-11-11'],
                 ['抖音','圣诞节狂欢','2022-12-24','2022-12-26'],
                 ['微博','圣诞节狂欢','2022-12-23','2022-12-25']
             ],columns=['平台','活动名称','活动开始日','活动结束日'])
df_1
平台活动名称活动开始日活动结束日
0抖音双十一2022-11-092022-11-11
1微博双十一2022-11-102022-11-11
2抖音圣诞节狂欢2022-12-242022-12-26
3微博圣诞节狂欢2022-12-232022-12-25
df_2 = pd.DataFrame(data=
             [
                 ['2022-11-09','抖音','2000'],
                 ['2022-11-10','抖音','4184'],
                 ['2022-11-11','抖音','25816'],
                 ['2022-11-12','抖音','1000'],
                 ['2022-11-09','微博','4000'],
                 ['2022-11-10','微博','16781'],
                 ['2022-11-11','微博','13219'],
                 ['2022-11-12','微博','6000'],
                 ['2022-11-12','微博','6000'],
                 ['2022-11-12','微博','6000'],
                 ['2022-11-12','微博','6000'],
                 ['2022-12-23','抖音','4000'],
                 ['2022-12-24','抖音','8618'],
                 ['2022-12-25','抖音','11382'],
                 ['2022-12-26','抖音','6000'],
                 ['2022-12-23','微博','2000'],
                 ['2022-12-24','微博','5129'],
                 ['2022-12-25','微博','14871'],
                 ['2022-12-26','微博','1000']
             ],columns=['日期','平台','热度'])
df_2
日期平台热度
02022-11-09抖音2000
12022-11-10抖音4184
22022-11-11抖音25816
32022-11-12抖音1000
42022-11-09微博4000
52022-11-10微博16781
62022-11-11微博13219
72022-11-12微博6000
82022-11-12微博6000
92022-11-12微博6000
102022-11-12微博6000
112022-12-23抖音4000
122022-12-24抖音8618
132022-12-25抖音11382
142022-12-26抖音6000
152022-12-23微博2000
162022-12-24微博5129
172022-12-25微博14871
182022-12-26微博1000

数据去重

对df_2进行去重，保证【日期】与【平台】是唯一的，并替换原有df_2，

df_2 = df_2.drop_duplicates(subset=['日期', '平台'])
df_2
日期平台热度
02022-11-09抖音2000
12022-11-10抖音4184
22022-11-11抖音25816
32022-11-12抖音1000
42022-11-09微博4000
52022-11-10微博16781
62022-11-11微博13219
102022-11-12微博6000
112022-12-23抖音4000
122022-12-24抖音8618
132022-12-25抖音11382
142022-12-26抖音6000
152022-12-23微博2000
162022-12-24微博5129
172022-12-25微博14871
182022-12-26微博1000

格式转换

查看df_1与df_2的数据类型，并将数字与日期转为正确格式，替换原有df_1 df_2，最后再次查看数据类型

df_1.dtypes

平台       object
活动名称     object
活动开始日    object
活动结束日    object
dtype: object

df_2.dtypes

日期    object
平台    object
热度    object
dtype: object

df_1['活动开始日'] = pd.to_datetime(df_1['活动开始日'])
df_1['活动结束日'] = pd.to_datetime(df_1['活动结束日'])
df_1.dtypes

平台               object
活动名称             object
活动开始日    datetime64[ns]
活动结束日    datetime64[ns]
dtype: object

df_2['日期'] = pd.to_datetime(df_2['日期'])
df_2['热度'] = pd.to_numeric(df_2['热度'])
df_2.dtypes

日期    datetime64[ns]
平台            object
热度             int64
dtype: object

数据增加条件列

为df_2增加【热度等级】列，热度大于等于10000，标记高热度，热度小于10000标记低热度，并替换原有df_2

df_2['热度等级'] = df_2['热度'].apply(lambda x: '高热度' if x >= 10000 else '低热度')
df_2
日期平台热度热度等级
02022-11-09抖音2000低热度
12022-11-10抖音4184低热度
22022-11-11抖音25816高热度
32022-11-12抖音1000低热度
42022-11-09微博4000低热度
52022-11-10微博16781高热度
62022-11-11微博13219高热度
102022-11-12微博6000低热度
112022-12-23抖音4000低热度
122022-12-24抖音8618低热度
132022-12-25抖音11382高热度
142022-12-26抖音6000低热度
152022-12-23微博2000低热度
162022-12-24微博5129低热度
172022-12-25微博14871高热度
182022-12-26微博1000低热度

利用为df_1，为df_2增加【活动名称】列，要求【日期】与【活动名称】正确对应，无活动的日期【活动名称】列显示“无活动日”，并替换原有df_2

df_merged = pd.merge(df_2, df_1[['平台', '活动名称', '活动开始日', '活动结束日']], left_on=['日期', '平台'], right_on=['活动开始日', '平台'], how='left')
df_merged['活动名称'].fillna('无活动日', inplace=True)
df_2 = df_merged[['日期', '平台', '热度', '活动名称']]
df_2
日期平台热度热度等级活动名称
02022-11-09抖音2000低热度双十一
12022-11-10抖音4184低热度双十一
22022-11-11抖音25816高热度双十一
32022-11-12抖音1000低热度无活动日
42022-11-09微博4000低热度无活动日
52022-11-10微博16781高热度双十一
62022-11-11微博13219高热度双十一
102022-11-12微博6000低热度无活动日
112022-12-23抖音4000低热度无活动日
122022-12-24抖音8618低热度圣诞节狂欢
132022-12-25抖音11382高热度圣诞节狂欢
142022-12-26抖音6000低热度圣诞节狂欢
152022-12-23微博2000低热度圣诞节狂欢
162022-12-24微博5129低热度圣诞节狂欢
172022-12-25微博14871高热度圣诞节狂欢
182022-12-26微博1000低热度无活动日

数据透视

求出各平台每次活动（包含无活动日）的热度和，持续天数，日均热度，热度标准差

summary = df_merged.groupby(['平台', '活动名称']).agg({
    '热度': ['sum', 'count', 'mean', 'std'],
    '日期': lambda x: (max(x) - min(x)).days + 1  # 计算持续天数
})
# 重置索引方便查看
summary = summary.reset_index()
summary
sumcountmeanstd
热度热度热度热度
平台活动名称
微博双十一30000215000.0000002518.714355
圣诞节狂欢2200037333.3333336712.672667
无活动日1100033666.6666672516.611478
抖音双十一32000310666.66666713165.074604
圣诞节狂欢2600038666.6666672691.330031
无活动日500022500.0000002121.320344

pyecharts-数据可视化

绘制出微博2022-11-09至2022-11-12热度的折线图，并标记出双十一活动范围、热度最大值与均值线

from datetime import datetime
from pyecharts import options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
import pandas as pd

# 筛选微博在2022-11-09至2022-11-12的数据
df_weibo = df_2[(df_2['平台'] == '微博') & (df_2['日期'] >= '2022-11-09') & (df_2['日期'] <= '2022-11-12')]

# 提取日期和热度数据
date_list = df_weibo['日期'].dt.strftime('%Y-%m-%d').tolist()
heat_list = df_weibo['热度'].tolist()

# 计算热度最大值和均值
max_heat = df_weibo['热度'].max()
mean_heat = df_weibo['热度'].mean()

# 绘制折线图
line = (
    Line()
    .add_xaxis(date_list)
    .add_yaxis("热度", heat_list, markpoint_opts=opts.MarkPointOpts(
        data=[
            opts.MarkPointItem(type_="max", name="热度最大值"),
            opts.MarkPointItem(type_="average", name="热度均值")
        ]
    ))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="微博热度折线图 (2022-11-09 至 2022-11-12)"),
        xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate": 45}),
        yaxis_opts=opts.AxisOpts(name="热度"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
    .render("weibo_heat_line_chart.html")
)

print("图表文件名为 weibo_heat_line_chart.html")

SQL

df_info = pd.read_excel(r'data.xlsx',sheet_name='文章信息表')
df_rule = pd.read_excel(r'data.xlsx',sheet_name='热度计算规则表')

from pandasql import sqldf
pysqldf = lambda q: sqldf(q, globals())

# 查询示例
q = """SELECT *
       FROM df_info 
       LIMIT 3
       ;"""
pysqldf(q)
日期平台转发评论点赞阅读热度
02023-05-01 00:00:00.000000平台A1768381398799325.266667
12023-05-01 00:00:00.000000平台A2132846189.733333
22023-05-01 00:00:00.000000平台A11152325155.000000

文章信息表：
该表为文章数据，热度是根据热度计算规则表所计算出的热度，存在计算错误的热度
日期 datetime64[ns]
平台 object
转发 int64
评论 int64
点赞 int64
阅读 int64
热度 float64

热度计算规则表：
平台 object
计算规则 object

平台C标签数据：
该表为平台C带有真实阅读数的数据，数据中存在异常值
转发 int64
评论 int64
点赞 int64
阅读数 int64

请写出SQL的关键字，并简要说明作用

查询文章信息表中所有平台的热度计算规则，如果没有规则返回“暂无规则”

SELECT 
    平台,
    CASE WHEN 平台 IN (SELECT 平台 FROM 热度计算规则表) THEN 计算规则 ELSE '暂无规则' END AS 计算规则
FROM 
    文章信息表;
平台计算规则
0平台A阅读/15
1平台B(阅读-点赞)/3
2平台C预测模型
3平台D暂无规则

在文章信息表中筛选出最近一天平台A热度最高的数据

SELECT *
FROM 文章信息表
WHERE 平台 in ('平台A')
AND 日期 = (SELECT MAX(日期) FROM 文章信息表 WHERE 平台 in ('平台A'))
ORDER BY 热度 DESC
LIMIT 1;
日期平台转发评论点赞阅读热度
02023-05-06 00:00:00.000000平台A111631107184681231.2

生成每日平台的总热度降序排名

WITH daily_sum AS (
    SELECT 
        日期,
        平台,
        SUM(热度) AS 总热度
    FROM 
        文章信息表
    GROUP BY 
        日期, 平台
)
SELECT 
    日期,
    平台,
    总热度,
    ROW_NUMBER() OVER (PARTITION BY 日期 ORDER BY 总热度 DESC) AS 排名
FROM 
    daily_sum;
日期平台总热度排名
02023-05-01 00:00:00.000000平台A9670.0000001
12023-05-01 00:00:00.000000平台B2446.6666672
22023-05-01 00:00:00.000000平台D846.0000003
32023-05-01 00:00:00.000000平台CNaN4
42023-05-02 00:00:00.000000平台B7488.0000001
52023-05-02 00:00:00.000000平台D1500.0000002
62023-05-02 00:00:00.000000平台A1053.6666673
72023-05-02 00:00:00.000000平台CNaN4
82023-05-03 00:00:00.000000平台B27850.6666671
92023-05-03 00:00:00.000000平台D1158.0000002
102023-05-03 00:00:00.000000平台A816.2000003
112023-05-03 00:00:00.000000平台CNaN4
122023-05-04 00:00:00.000000平台B9646.4666671
132023-05-04 00:00:00.000000平台D948.0000002
142023-05-04 00:00:00.000000平台A83.4000003
152023-05-04 00:00:00.000000平台CNaN4
162023-05-05 00:00:00.000000平台B9376.3333331
172023-05-05 00:00:00.000000平台A3568.7333332
182023-05-05 00:00:00.000000平台D926.0000003
192023-05-05 00:00:00.000000平台CNaN4
202023-05-06 00:00:00.000000平台B8231.0000001
212023-05-06 00:00:00.000000平台D1439.0000002
222023-05-06 00:00:00.000000平台A1404.0666673
232023-05-06 00:00:00.000000平台CNaN4

程序算法

给定一个包含 n + 1 个整数的数组 nums ，其数字都在 [1, n] 范围内（包括 1 和 n），可知至少存在一个重复的整数。
假设 nums 只有 一个重复的整数 ，返回 这个重复的数的两个位置。
你设计的解决方案必须 不修改 数组 nums 且只用常量级 O(1) 的额外空间。

示例 1：
输入：nums = [1,3,4,2,2]
输出：3,4

示例 2：
输入：nums = [3,1,3,4,2]
输出：0,2

机器学习

目标：df_train中有300条数据，将转发、评论、点赞作为特征，训练回归模型预测阅读数
要求：训练集与测试集比例为8:2，数据清洗处理过程正常合理，模型不限，最终输出预测阅读与实际阅读对比散点图，并分别输出训练集与测试机的回归模型的评价指标（MSE、RMSE、R-square、Adjusted R-Square）

# 线性回归模型进行预测

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
import numpy as np
import matplotlib.pyplot as plt

# 加载数据
df_train = pd.read_excel(r'data.xlsx', sheet_name='平台C标签数据')

# 查看空值比例
null_counts = df_train.isnull().mean()
print("各列空值比例:")
print(null_counts)

各列空值比例:
转发    0.013333
评论    0.018333
点赞    0.023333
阅读    0.046667
dtype: float64

# 填充空值（空值所占比例较少，用均值填充）
df_train.fillna(df_train.mean(), inplace=True)

# 验证空值是否被正确填充
null_counts = df_train.isnull().mean()
print("各列空值比例:")
print(null_counts)

各列空值比例:
转发    0.0
评论    0.0
点赞    0.0
阅读    0.0
dtype: float64

# 提取特征和目标变量
X = df_train[['转发', '评论', '点赞']]
y = df_train['阅读']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化线性回归模型
model = LinearRegression()

# 在训练集上训练模型
model.fit(X_train, y_train)

# 在训练集和测试集上进行预测
y_train_pred = model.predict(X_train)
y_test_pred = model.predict(X_test)

# 计算评价指标
def calculate_metrics(y_true, y_pred, num_features):
    mse = mean_squared_error(y_true, y_pred)
    rmse = np.sqrt(mse)
    r2 = r2_score(y_true, y_pred)
    adj_r2 = 1 - (1 - r2) * ((len(y_true) - 1) / (len(y_true) - num_features - 1))
    return mse, rmse, r2, adj_r2

mse_train, rmse_train, r2_train, adj_r2_train = calculate_metrics(y_train, y_train_pred, X_train.shape[1])
mse_test, rmse_test, r2_test, adj_r2_test = calculate_metrics(y_test, y_test_pred, X_test.shape[1])

print("训练集评价指标:")
print(f"MSE: {mse_train:.2f}")
print(f"RMSE: {rmse_train:.2f}")
print(f"R-squared: {r2_train:.4f}")
print(f"Adjusted R-squared: {adj_r2_train:.4f}")
print("---")
print("测试集评价指标:")
print(f"MSE: {mse_test:.2f}")
print(f"RMSE: {rmse_test:.2f}")
print(f"R-squared: {r2_test:.4f}")
print(f"Adjusted R-squared: {adj_r2_test:.4f}")

训练集评价指标:
MSE: 17467402650.05
RMSE: 132164.30
R-squared: 0.9115
Adjusted R-squared: 0.9109
---
测试集评价指标:
MSE: 8182461073.15
RMSE: 90456.96
R-squared: 0.7999
Adjusted R-squared: 0.7948

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # 设置字体，确保可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用宋体
plt.rcParams.update({'font.size': 12})  # 更新字体大小
plt.rcParams.update({'figure.autolayout': True})  # 自动调整布局

# 可视化预测效果
plt.figure(figsize=(10, 6))

# 训练集
plt.scatter(y_train, y_train_pred, color='blue', label='训练集')
# 测试集
plt.scatter(y_test, y_test_pred, color='orange', label='测试集')

plt.title('预测值 vs 实际值')
plt.xlabel('实际阅读数')
plt.ylabel('预测阅读数')
plt.legend()
plt.show()

在这里插入图片描述

# 筛选平台为平台C的转发、评论、点赞数据
df_articles = pd.read_excel(r'data.xlsx', sheet_name='文章信息表')
df_X_C = df_articles[df_articles['平台'] == '平台C'][['转发', '评论', '点赞']]
print(df_X_C.head())

     转发  评论    点赞
40   19  25  3474
41   18  92   414
42  210  19  3753
43  201   7  2086
44   84  33  1016

y_pred_C = model.predict(df_X_C)
y_pred_C

array([150419.44114891,  73813.26050879, 175368.53973794, 134022.42539186,
        96194.23690129,  74351.84542786, 300595.84222147,  83995.71348931,
       127682.76682427,  99185.74854635,  95565.24982545,  95049.821038  ,
        90571.79145297, 143330.88282334,  72418.61805704, 100992.87979393,
        81403.62573173,  82871.4949947 ,  76594.46109362,  76695.42144577])

df_articles.loc[df_articles['平台'] == '平台C', '阅读'] = y_pred_C
df_articles['阅读'] = df_articles['阅读'].round(0)
df_articles.loc[df_articles['平台'] == '平台C', '阅读']

40    150419.0
41     73813.0
42    175369.0
43    134022.0
44     96194.0
45     74352.0
46    300596.0
47     83996.0
48    127683.0
49     99186.0
50     95565.0
51     95050.0
52     90572.0
53    143331.0
54     72419.0
55    100993.0
56     81404.0
57     82871.0
58     76594.0
59     76695.0
Name: 阅读, dtype: float64

# 将处理后的数据保存到 Excel 文件
excel_file = 'result.xlsx'
df_articles.to_excel(excel_file, index=False)
rubyw
关注
专栏目录
Python面试宝典：Python中与数据处理与清洗相关的面试笔试题（1000加面试笔试题助你轻松捕获大厂Offer）
今晚打老虎的专栏
06-07 448
Python面试宝典：Python中与数据处理与清洗相关的面试笔试题（1000加面试笔试题助你轻松捕获大厂Offer）
【校招面经】阿里巴巴_数据分析岗_面试笔试题
热门推荐
数据产品笔记
07-21 5万+
（注：以下题目主要来自牛客网等论坛，解答由个人解答，可能会出现错误，并非标准答案，欢迎大家进行讨论）   1. 请说明随机森林较一般决策树稳定的几点原因    1）bagging的方法，多个树投票提高泛化能力    2）bagging中引入随机（参数、样本、特征、空间映射），避免单棵树的过拟合，提高整体泛化能力   2. 什么是聚类分析？聚类算法有哪几种？请选择一种详细描述其计算原理和...
大数据分析师题库1000道.pdf
09-27
大数据分析师题库1000道
数据分析师笔试试卷一：Excel、SQL、Python、数据分析思维
最新发布
rubyw的博客
07-09 1788
SUMIFS主要用于根据多个条件进行求和，适合处理具有多个筛选条件的数据。SUMPRODUCT主要用于对数组或范围中对应元素进行乘法后求和，适合进行复杂的数组运算和统计计算，如加权求和、多条件计算等。举例说明假设你有一个员工信息表，包括员工姓名和对应的工资。你需要根据员工姓名查找他们的工资。可以使用 VLOOKUP 函数来实现，或者使用 INDEX-MATCH 组合来进行更灵活的查找。=VLOOKUP("张三", A2:B100, 2, FALSE)
在oracle中通过sql实现一元线性回归方程
数据分析
07-12 5114
一元线性回归是通过拟合一条直线 来研究两个变量之间的关系，从而实现预测。 假设一组数据是价格和供给量的关系。在excel中画出散点图之后通过添加趋势线可以轻易得到一元线性回归方程式。 首先来看看看一元线性回归方程式，了解求a,b的公式，求误差的平方的和就是求上图中所有蓝色点到对应直线的距离的平方和。 1、将数据导入到oracle中并 并求斜率： select ((regr
大数据分析师常见的面试题解答
程序之道的博客
04-15 1万+
1、海量日志数据，提取出某日访问百度次数最多的那个IP。 首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP(可以采用hash_map进行频率统计，然后再找出频率最大的几个)及相应的频率。然后再在这1000个最大的IP...
预测算法-线性回归（鲍鱼年龄预测）
troysps的博客
06-09 1万+
预测算法-线性回归 面对可逆矩阵 线性回归(模型，策略，算法) 模型: h(x)=WTx+bh(x)=WTx+bh(x) = W^T x + b 损失函数: J(θ)=∑i=1N(f(xi)−yi)2J(θ)=∑i=1N(f(xi)−yi)2J_{(\theta)} = \sum\limits{i=1}^{N}(f(x_i)-y_i)^2 目标函数为:minJ(θ)=∑i=1N(f(xi...
数据分析笔试题数据分析笔试题数据分析笔试题
06-27
模型建立是选择合适的算法（如线性回归、决策树、聚类等）对数据进行建模；最后，评估模型性能并根据结果对业务进行解读。 在数据分析中，掌握一些关键的编程语言和工具是必不可少的，例如Python和R。Python以其...
京东2019校招数据分析工程师笔试题(一).docx
07-16
- 目的是提高数据挖掘算法的运行效率，使得算法能在有限时间内得到与原始数据相同的分析结果。 ### 5. Ext3 文件系统的特性 **特点**： - **高可用性**：支持多种数据结构和元数据操作，确保系统稳定运行。 - **...
2018校招12家企业（开发、测试、算法、数据分析、运维等）笔试真题汇总.zip
07-15
这份名为"2018校招12家企业（开发、测试、算法、数据分析、运维等）笔试真题汇总.zip"的压缩包文件包含了2018年十二家知名企业在校园招聘过程中使用的笔试题目，涵盖了软件开发、软件测试、算法设计、数据分析以及...
线性回归预测数值型数据
ll523587181的博客
09-25 3196
所谓线性回归(linear regression)，就是根据训练数据找到一组参数w，利用 y = w*s 对新数据进行预测。 通常使用误差函数为平方误差： 使该误差最小化，求导令其导数为零求得系数w，利用矩阵可以表示为： 该过程成为普通最小二乘法(ordinary least squares，OLS)   由于OLS只能找到数据最佳拟合直线，所以应用有限。引入局部加权线性回归(Lo...
数据分析师笔试刷题题库（2020最新版）
shiguangre的博客
10-27 1万+
题海战“数”——数据分析求职、备考、笔试免费刷题神器！ 三大题库 数据分析专项练习题库 内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！ 适用人群 计划从事数据分析行业，却不知如何入门上手练习的同学们； 已从事数据分析1-2年，但却没有太多技（xin）能（zi）提升的同学； 想要进阶为数据分析大神，想根据自身学习情况进行针对性测试的同学； CDA数据分析认证模拟题库 数据分析师认证考试模拟题，你的最佳CDA备考
sql 线性回归_SQL Server中的Microsoft线性回归
culuo4781的博客
07-26 2477
sql 线性回归 In this article, we will be discussing Microsoft Linear Regression in SQL Server. This is the next data mining topic in our SQL Server Data mining techniques series. Naïve Bayes, Decision ...
大数据分析师题库整理（Final）
qq_43671197的博客
10-19 1760
Day21 916 Spark on YARN模式下，没有Node Manger的节点不能启动executor执行task。 对 917 Spark任务的Executor可以执行多个task 对 918 Hadoop支持数据的随机读写 错 919 NameNode负责管理元数据信息metadata，client端每次读写请求，它都会从磁盘中读取或会写入metadata信息并反馈给client端。 错 920 MapReduce的input split一定是一个block 。 错 9..
大数据分析师题库（一）
MMOMMO_的博客
09-21 5637
大数据分析师题库（一）以供参考
线性回归预测法
my_learning_road的博客
07-24 2万+
什么是线性回归模型 所谓线性回归模型就是指因变量和自变量之间的关系是直线型的。 回归分析预测法中最简单和最常用的是线性回归预测法。 回归分析是对客观事物数量依存关系的分析是数理统计中的一个常用的方法，是处理多个变量之间相互关系的一种数学方法。 在现实世界中，我们常与各种变量打交道，在解决实际问题过程中，我们常常会遇到多个变量同处于一个过程之中，它们之间互相联系、互相制约。 常见的关系有两种：...
大数据分析师题库整理（Part One）
qq_43671197的博客
10-02 6385
Day 01 16.下列哪个属性是hdfs-site.xml中的配置 dfs.replication 17.以下不属于监督学习模型的是 关联分析 18.以下四项指标中，不能用于线性回归中的模型比较的是 R方 19.以下选项不属于原始数据来源的是 统计年鉴 20.以下选项哪个不属于分类算法 K-MEANS 21.以下选项中，哪个有可能是Apriori算法所挖掘出来的结果? 以上都不是 22.针对聚类分析，下面说法错误的是 一定存在一个最优的分类 23.HDFS中的数据块(block ）默认
秒懂“线性回归预测”
架构师之路
04-25 4016
线性回归是机器学习中的概念，线性回归预测算法一般用以解决“使用已知样本对未知公式参数的估计”类问题。 举个栗子：商家卖鞋，可利用历史上每个季度鞋的定价x与销量y，来预估“...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

rubyw

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值