数据挖掘练习题（1）

1.公司要构建淘宝商家健康指数,所以要对最近1年内有交易的淘宝商家进行问卷调研。为不过于打搅商 家,问卷调研采取抽样的方式进行确定商家名单。怎么抽样比较好?

可以考虑采用分层随机抽样的方式。 首先根据销售额或销售量对商家进行分层,这样可能会将商家分为高销售额(量) 商户,中销售额(量)商户,低销售额(量)商户等,然后根据这三者的比例确定 各个层次应抽取的商户数。 对抽取出来的样本,根据相应的指标,如访问量、购买量、买家评级,评论数,发 货速度等指标来综合考虑商家的健康指数。

2.查询成交表a中的城市city的成交金额大于0的购买人数(buyer_id)和成交金额(amt)
city buyer_id order_id amt
a 1 1 100
a 1 2 100
b 2 3 100
b 3 4 20
c 4 5 0

select buyer_id,sum(amt) as amt from a
where city in
(
select city from
(
select city,sum(amt) as amt from a
group by city
)t
where t.amt>0
)

3.下列哪些方法可以用来对高维数据进行降维:

ALASSO
B主成分分析法
D小波分析法
E线性判别法
F拉普拉斯特征映射

4.关于线性回归的描述,以下正确的有:
正确答案 : BCE 您的答案 : AC

A基本假设包括随机干扰项是均值为0,方差为1的标准正态分布
B基本假设包括随机干扰下是均值为0的同方差正态分布
C在违背基本假设时,普通最小二乘法估计量不再是最佳线性无偏估计量