考试模拟样题—数据分析算法与模型(附答案).doc

考试模拟样题—数据分析算法与模型
一.计算题 (共4题,100.0分）
1.下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：
一元线性回归.xlsx
一元线性回归预测.xlsx
要求：
正确答案： （1）绘制散点图，并计算相关系数，说明二者之间的关系；

解析：(1) 数据类型均为数值型数据，没有缺失值，数据展示散点图如下：

人均GDP与人增消费水平正相关，相关系数为0.9981，相关性比较大。
（2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义；
Y=734.6928+0.3087*X1 人均GDP基数为734.6928，随着人均收入0.3087倍的增长，人均消费水平随之增长。
（3）计算判定系数，并解释其意义；
R方为0.9963，接近于1，模型拟合度很好。
（4）检验回归方程线性关系的显著性（a=0.05）；
F检验：p值<0.05，模型整体线性关系显著。
T检验：p值<0.05,所对应的自变量对因变量的影响显著。
（5）如果某地区的人均GDP为5000元，预测其人均消费水平；
人均消费水平为2278.1066。
（6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。（所有结果均保留三位小数）
置信区间[1990.749,2565.464]和预测区间[1580.463,2975.750]。
2.根据以下给出的数据进行分析，本次给出鸢尾花数据，其中包含萼片长、萼片宽、花瓣长、花瓣宽、以及花的类型数据，请根据以下问题进行回答。（本题数据提供在excel里面，数据分析为三份，一份训练数据，一份测试数据，一份预测数据）
鸢尾花训练数据.xlsx
鸢尾花测试数据.xlsx
鸢尾花预测数据.xlsx
（1） 根据训练数据，用类型_num作为因变量Y，其他变量作为自变量X，做逻辑回归，写出逻辑回归的方程。
数值类型是数据型，没有缺失值；
根据箱型图进行了异常值分析，占比比较少，可能是数据分类的特征，因此不进行异常值处理；
相关系统矩阵分析，虽然存在相关，但是相关性不是特别强，所以不进行处理。

逻辑回归的方程：In[P(Y)/1- P(Y)]= 0.9922+1.4626X1+1.5556X2-2.1949X3-2.2906X4
将预测结果和原训练集中的实际分类进行对比，得到如下混淆矩阵和计算出相应的准确率、召回率，结果如下：
Accuracy
AUC
0.9733
0.9936

Precision
Recall
F1-score
Support
0
0.9459
1
0.9722
35
1
1
0.95
0.9744
40

由混淆矩阵可知Accuracy和准确率召回率都比较大，模型预测效果较好，训练误差不大。可以用该模型进行预测。
（2） 根据测试数据得到的结果，写出逻辑回归的混淆矩阵，以及准确率和召回率，Accuracy和F1的值（可根据测试数据结果计算表格得到测试数据集的相应的结果）。
将训练数据和测试数据进行预测，对比测试数据的预测结果和实际分类，得到如下混淆矩阵和计算出相应的Accuracy、准确率召回率，结果如下：

由混淆矩阵可知Accuracy和准确率召回率都比较大，模型预测效果较好，泛化误差不大，可以用该模型进行预测分析。

（3）      给出一组预测数据，根据训练模型结果预测，写出预测结果。

模型预测结果为：y_predict_newDATA:0011000101
正确答案：
解析：提示：
测试数据结果计算.xls
3.下表为购物篮事物数据：
购物蓝数据集.xlsx
（1）      设minsupport=40%，利用Apriori算法写出所有的频繁项目集，并指出其中支持度最大的二项频繁项目集。
支持度排名
项目1

项目2
支持度
置信度
提升度
1
{}
-&gt;
{e}
0.8
0.8
1
2
{}
-&gt;
{a}
0.7
0.7
1
3
{}
-&gt;
{d}
0.6
0.6
1
4
{}
-&gt;
{b}
0.6
0.6
1
7
{}
-&gt;
{c}
0.5
0.5
1
5
{a}
-&gt;
{e}
0.6
0.8571
1.0714
6
{e}
-&gt;
{a}
0.6
0.75
1.0714
8
{d}
-&gt;
{e}
0.5
0.8333
1.0417
9
{e}
-&gt;
{d}
0.5
0.625
1.0417
10
{b}
-&gt;
{e}
0.5
0.8333
1.0417
11
{e}
-&gt;
{b}
0.5
0.625
1.0417
12
{d}
-&gt;
{a}
0.4
0.6667
0.9524
13
{a}
-&gt;
{d}
0.4
0.5714
0.9524
14
{b}
-&gt;
{a}
0.4
0.6667
0.9524
15
{a}
-&gt;
{b}
0.4
0.5714
0.9524
16
{a,d}
-&gt;
{e}
0.4
1
1.25
17
{d,e}
-&gt;
{a}
0.4
0.8
1.1429
18
{a,e}
-&gt;
{d}
0.4
0.6667
1.1111
所有项集：{e},{a},{d},{b},{c},{a,e},{d,e},{b,e}，{d,a}，{b,a}，{a,d,e}
支持度最大的二项频繁项目集：{a,e}，支持度为0.6
（2）在第一问基础上设minconfidence=60%，找出所有的有效强关联规则。
最小支持度0.4，最小置信度0.6，提升度大于1为有效强关联规则：
支持度排名
项目1

项目2
支持度
置信度
提升度
5
{a}
->
{e}
0.6
0.8571
1.0714
6
{e}
->
{a}
0.6
0.75
1.0714
7
{d}
->
{e}
0.5
0.8333
1.0417
8
{e}
->
{d}
0.5
0.625
1.0417
9
{b}
->
{e}
0.5
0.8333
1.0417
10
{e}
->
{b}
0.5
0.625
1.0417
13
{a,d}
->
{e}
0.4
1
1.25
14
{d,e}
->
{a}
0.4
0.8
1.1429
15
{a,e}
->
{d}
0.4
0.6667
1.1111

4.某厨卫公司要开发一款燃气灶产品，列举出5个可作为卖点的功能属性：防风、定时、防干烧、不沾油、快速而准确地打火。
该公司的产品设计人员不知道该主要开发哪项功能，分析师小李向公司提出了使用KANO模型对上述五个功能进行调研分类的想法。
并得到了公司的支持。假设你是小李
（1）请你绘制KANO模型图来介绍对功能属性分类的思路

（2）请你对燃气灶的防干烧功能属性设计调查问题
如果燃气灶拥有防干烧功能，你感觉如何？
如果燃气灶没有防干烧功能，你感觉如何？
1.我喜欢
1.我喜欢
2.它理应如此
2.它理应如此
3.无所谓
3.无所谓
4.我能忍受
4.我能忍受
5.我不喜欢
5.我不喜欢
（3）针对燃气灶的防干烧功能，受访者有多少种可能的回答组合，请写出每一种回答组合所对应的属性类别符号（符号见最后一行题注）
25种回答组合：
Kano 模型
产品不提供此功能
喜欢
理应如此
无所谓
能忍受
不喜欢
产品提供此功能
喜欢
Q
A
A
A
O
理应如此
R
I
I
I
M
无所谓
R
I
I
I
M
能忍受
R
I
I
I
M
不喜欢
R
R
R
R
Q
（4）假设基于对240名受访者的调研，得到下表，请算出这5种功能各自的worse系数和better系数，并基于这两个系数判断这5中功能的属性类别

不粘油属性增加功能后，满意度大幅度提升，但消除此功能后，满意度下降较少，属于魅力属性。
防风属性增加功能后，满意度略高于平均水平，消除功能后不满意系数较高，属于期望属性，属于企业重点开发的产品属性。
快速而准确地打火属性增加功能后，满意度系数较小，低于平均满意度系数水平，但消除后不满意度系数较大，属于必备属性。
定时、防干烧属性增加功能后，满意度并未大幅提升，低于平均水平，消除功能后不满意系数较小，属于无差异属性。
（5）请对该燃气灶的这5项功能开发提出建议
a.对于煤气灶的“快速而准确地打火”这种必备属性，公司要保证基本质量特性符合规格，实现满足顾客的基本要求，售后服务应集中在怎样降低故障出现率上；
b.对于煤气灶的“防风”这种期望属性，公司生产和服务部门应关心怎样提高规格。不断提高质量特性，促进顾客满意度的提升；
c. 对于煤气灶的“不粘油”这种魅力属性，公司需要通过满足顾客潜在需求，关注如何在维持前两个质量的基础上，探究顾客需求，创造新产品和增加意想不到的新质量；
d. 对于煤气灶的“防干烧”这个属性，介于无关异属性与魅力属性之间，定位的到位，就是魅力属性，定位的不到位，就是无差异属性。公司需要进一步进行客户细分，公司应关注如何在维持前三个质量的基础上，探究顾客在什么样的工作环境下需要防干烧这个功能需求，定位于特殊顾客群体。
注：魅力属性用符号A表示；必备属性用符号M表示；期望属性用符号O表示；可有可无属性用符号I表示；用户讨厌的属性用R表示；有问题的回答用Q表示
         人数
 功能
O
I
M
A
防风
118
30
29
63
防干烧
47
78
30
85
定时
22
140
8
70
快速而准确地打火
45
20
107
68
不沾油
69
51
29
89
正确答案：
解析：
提示：（1）绘制KANO模型图
（2）描绘通用调查问题
（3）作出属性类别表
（4）计算worse和better系数，并画出象限图
（5）给出开发建议