1. 神经网络中的批量归一化（Batch Normalization）技术通常应用在：
神经网络中的批量归一化（Batch Normalization）技术通常应用在：
A. 输入层之前
B. 每个隐藏层之后
C. 输出层之后
D. 任何层之前
答案：B
2. 支持向量机中，软间隔与硬间隔的主要区别在于：
支持向量机中，软间隔与硬间隔的主要区别在于：
A. 软间隔允许一定的分类错误，硬间隔不允许
B. 软间隔适用于线性可分问题，硬间隔适用于线性不可分问题
C. 软间隔的计算复杂度高于硬间隔
D. 软间隔的分类效果一定优于硬间隔
答案：A
3. 在多元线性回归分析中，若残差图中存在明显的异方差性，可以采取的补救措施是：
在多元线性回归分析中，若残差图中存在明显的异方差性，可以采取的补救措施是：
A. 增加样本量
B. 使用加权最小二乘法
C. 减少自变量数量
D. 变换因变量
答案：B
4. 在聚类分析中，若数据集非常大且希望快速得到聚类结果，同时不要求得到全局最优解，可以选择的算法是：
在聚类分析中，若数据集非常大且希望快速得到聚类结果，同时不要求得到全局最优解，可以选择的算法是：
A. K-means算法
B. 层次聚类算法
C. DBSCAN算法
D. 谱聚类算法
答案：A
5. 神经网络中的激活函数Sigmoid与Tanh相比，主要区别是：
神经网络中的激活函数Sigmoid与Tanh相比，主要区别是：
A. Sigmoid输出值在(0,1)之间，Tanh输出值在(-1,1)之间
B. Sigmoid是线性函数，Tanh是非线性函数
C. Sigmoid适用于隐藏层，Tanh适用于输出层
D. Sigmoid计算复杂度高于Tanh
答案：A
6. 支持向量机中，线性可分与线性不可分的区别在于：
支持向量机中，线性可分与线性不可分的区别在于：
A. 数据集的维度
B. 数据集的大小
C. 数据集是否可通过一个超平面完全分开
D. 数据集的分布
答案：C
7. 时间序列预测中，若数据存在明显的季节性，可以选择的模型是：
时间序列预测中，若数据存在明显的季节性，可以选择的模型是：
A. AR模型
B. MA模型
C. ARIMA模型
D. SARIMA模型
答案：D
8. 在假设检验中，若检验统计量的观测值落在拒绝域内，则：
在假设检验中，若检验统计量的观测值落在拒绝域内，则：
A. 一定接受原假设
B. 一定拒绝原假设
C. 可能接受原假设，也可能拒绝原假设
D. 无法确定是否拒绝原假设
答案：B
9. 聚类分析中，评估聚类效果好坏的常用指标之一是：
聚类分析中，评估聚类效果好坏的常用指标之一是：
A. 准确率
B. 召回率
C. 轮廓系数
D. F1值
答案：C
10. 决策树算法中，信息增益比是用来衡量：
决策树算法中，信息增益比是用来衡量：
A. 属性的重要性
B. 属性的复杂性
C. 属性在划分数据集中的效率
D. 属性的相关性
答案：C
11. 时间序列分析中的指数平滑法中的平滑系数α：
时间序列分析中的指数平滑法中的平滑系数α：
A. 越大，预测值越接近历史数据的近期值
B. 越小，预测值越接近历史数据的近期值
C. 越大，预测值越平滑
D. 对预测值无影响
答案：A
12. 支持向量机中，核函数的选择对：
支持向量机中，核函数的选择对：
A. 模型的复杂度无影响
B. 模型的复杂度有显著影响
C. 模型的训练时间无影响
D. 模型的测试性能无影响
答案：B
13. 在多元线性回归分析中，若自变量之间存在高度共线性，会导致：
在多元线性回归分析中，若自变量之间存在高度共线性，会导致：
A. 回归系数的估计值稳定
B. 回归系数的估计值不稳定
C. 模型的预测能力提高
D. 模型的解释性增强
答案：B
14. 时间序列分析中的自回归模型（AR）主要处理的是：
时间序列分析中的自回归模型（AR）主要处理的是：
A. 数据的季节性
B. 数据的趋势性
C. 数据的前后依赖性
D. 数据的随机波动
答案：C
15. 聚类分析中，K-means算法的初始中心点选择对最终结果：
聚类分析中，K-means算法的初始中心点选择对最终结果：
A. 无影响
B. 有一定影响
C. 决定性作用
D. 完全不确定
答案：B
16. 神经网络中的梯度消失问题通常发生在：
神经网络中的梯度消失问题通常发生在：
A. 输入层
B. 隐藏层（特别是深层网络中的层）
C. 输出层
D. 任何层都可能
答案：B
17. 在决策树算法中，剪枝的目的是：
在决策树算法中，剪枝的目的是：
A. 提高模型的复杂度
B. 降低模型的复杂度
C. 增加模型的训练时间
D. 提高模型在训练集上的准确率
答案：B
18. 时间序列分析中的移动平均法主要用于：
时间序列分析中的移动平均法主要用于：
A. 预测未来值
B. 平滑数据
C. 识别趋势
D. 识别季节性
答案：B
19. 在回归分析中，如果增加一个新的自变量后，R方值显著增加，这意味着：
在回归分析中，如果增加一个新的自变量后，R方值显著增加，这意味着：
A. 新变量与因变量无关
B. 新变量提高了模型的拟合度
C. 新变量增加了模型的复杂性
D. 新变量导致了过拟合
答案：B
20. 在时间序列分析中，若数据存在明显的自相关性且希望消除这一特征，可以采取的措施是：
在时间序列分析中，若数据存在明显的自相关性且希望消除这一特征，可以采取的措施是：
A. 差分运算
B. 对数变换
C. 标准化处理
D. 归一化处理
答案：A
21. 聚类分析中，若希望得到的聚类结果具有层次结构，可以选择的算法是：
聚类分析中，若希望得到的聚类结果具有层次结构，可以选择的算法是：
A. K-means算法
B. 层次聚类算法
C. DBSCAN算法
D. 谱聚类算法
答案：B
22. 神经网络中的学习率设置对模型的：
神经网络中的学习率设置对模型的：
A. 训练时间无影响
B. 预测能力无影响
C. 收敛速度有影响
D. 可解释性有影响
答案：C
23. 在决策分析中，最大最小后悔值准则与最大期望效用准则相比，主要考虑的是：
在决策分析中，最大最小后悔值准则与最大期望效用准则相比，主要考虑的是：
A. 决策者的风险偏好
B. 决策结果的不确定性
C. 决策者的心理承受能力
D. 决策方案的数量
答案：B
24. 时间序列分析中的滞后算子主要用于：
时间序列分析中的滞后算子主要用于：
A. 构造平稳序列
B. 识别趋势性
C. 捕捉季节性
D. 消除自相关性
答案：A
25. 聚类分析中，若数据集非常大且希望快速得到聚类结果，同时不要求得到全局最优解，可以选择的算法是：
聚类分析中，若数据集非常大且希望快速得到聚类结果，同时不要求得到全局最优解，可以选择的算法是：
A. K-means算法（结合适当优化策略）
B. 层次聚类算法
C. DBSCAN算法（在大数据集上可能较慢）
D. 谱聚类算法（计算复杂度高）
答案：A
26. 神经网络中的正则化技术主要用于：
神经网络中的正则化技术主要用于：
A. 增加模型的复杂度
B. 防止过拟合
C. 加速模型收敛
D. 提高模型在训练集上的准确率
答案：B
27. 神经网络中的批量梯度下降与随机梯度下降相比，主要区别是：
神经网络中的批量梯度下降与随机梯度下降相比，主要区别是：
A. 更新权重的频率不同
B. 计算损失函数的方式不同
C. 初始化参数的方法不同
D. 选择激活函数的策略不同
答案：A
28. 在决策树算法中，预剪枝的目的是：
在决策树算法中，预剪枝的目的是：
A. 提高模型的复杂度
B. 降低模型的复杂度
C. 增加模型的训练时间
D. 提高模型在测试集上的准确率
答案：B
29. 时间序列分析中的ADF（Augmented Dickey-Fuller）检验主要用于：
时间序列分析中的ADF（Augmented Dickey-Fuller）检验主要用于：
A. 检验数据的平稳性
B. 检验数据的趋势性
C. 检验数据的季节性
D. 检验数据的自相关性
答案：A
30. 聚类分析中，若希望自动确定聚类数量且对数据分布无假设，可以选择的算法是：
聚类分析中，若希望自动确定聚类数量且对数据分布无假设，可以选择的算法是：
A. K-means算法
B. 层次聚类算法
C. DBSCAN算法
D. 谱聚类算法
答案：C
31. 神经网络中的激活函数ReLU（Rectified Linear Unit）相比Sigmoid，主要优势是：
神经网络中的激活函数ReLU（Rectified Linear Unit）相比Sigmoid，主要优势是：
A. 避免了梯度消失问题
B. 提高了模型复杂度
C. 增强了模型可解释性
D. 减少了计算量
答案：A
32. 在决策分析中，后悔值准则通常用于：
在决策分析中，后悔值准则通常用于：
A. 确定型决策
B. 风险型决策
C. 不确定型决策
D. 多属性决策
答案：C
33. 时间序列预测中，若数据存在明显的季节性且希望捕捉这一特征，可以选择的模型是：
时间序列预测中，若数据存在明显的季节性且希望捕捉这一特征，可以选择的模型是：
A. AR模型
B. MA模型
C. ARIMA模型
D. SARIMA模型
答案：D
34. 聚类分析中，若数据集较小且希望得到全局最优解，可以选择的算法是：
聚类分析中，若数据集较小且希望得到全局最优解，可以选择的算法是：
A. K-means算法
B. 层次聚类算法
C. DBSCAN算法
D. 谱聚类算法
答案：B
35. 神经网络中的池化层（Pooling Layer）主要用于：
神经网络中的池化层（Pooling Layer）主要用于：
A. 减少参数数量
B. 增加模型复杂度
C. 提高模型预测能力
D. 增强模型可解释性
答案：A
36. 支持向量机中，核函数的选择对模型的：
支持向量机中，核函数的选择对模型的：
A. 训练时间无影响
B. 预测能力无影响
C. 复杂度有影响
D. 可解释性有影响
答案：C
37. 时间序列分析中的偏自相关函数（PACF）主要用于识别：
时间序列分析中的偏自相关函数（PACF）主要用于识别：
A. 数据的趋势性
B. 数据的季节性
C. 数据的滞后阶数
D. 数据的随机性
答案：C
38. 在回归分析中，若残差图中存在明显的漏斗形或喇叭形，说明：
在回归分析中，若残差图中存在明显的漏斗形或喇叭形，说明：
A. 数据存在异方差性
B. 数据存在自相关性
C. 模型拟合度好
D. 模型预测能力强
答案：A
39. 聚类分析中，评估聚类效果好坏的常用指标之一是轮廓系数，其值越接近1表示：
聚类分析中，评估聚类效果好坏的常用指标之一是轮廓系数，其值越接近1表示：
A. 聚类效果越差
B. 聚类效果越好
C. 簇内样本相似度低
D. 簇间样本相似度高
答案：B
40. 在决策分析中，期望值准则通常用于：
在决策分析中，期望值准则通常用于：
A. 确定型决策
B. 风险型决策
C. 不确定型决策
D. 多属性决策
答案：B
41. 假设检验中，P值小于显著性水平α时，应：
假设检验中，P值小于显著性水平α时，应：
A. 接受原假设
B. 拒绝原假设
C. 无法确定是否接受原假设
D. 以上都不对
答案：B
42. 聚类分析中，K-means算法的聚类中心数量：
聚类分析中，K-means算法的聚类中心数量：
A. 是固定的
B. 是随机选择的
C. 可以动态调整
D. 取决于数据集的样本数
答案：A
43. 在多元回归分析中，若两个自变量之间存在高度共线性，会导致：
在多元回归分析中，若两个自变量之间存在高度共线性，会导致：
A. 回归系数显著
B. 回归系数不显著
C. 模型拟合度提高
D. 模型预测能力增强
答案：B
44. 时间序列分析中的自相关函数（ACF）主要用于识别：
时间序列分析中的自相关函数（ACF）主要用于识别：
A. 数据的趋势性
B. 数据的季节性
C. 数据的周期性
D. 数据的随机性
答案：C
45. 在决策树构建过程中，选择最优划分属性的依据通常是：
在决策树构建过程中，选择最优划分属性的依据通常是：
A. 信息增益
B. 基尼指数
C. 熵值
D. 方差
答案：A
46. 时间序列分析中的SARIMA模型主要用于处理？
时间序列分析中的SARIMA模型主要用于处理？
A. 平稳序列
B. 非平稳序列且包含趋势性
C. 非平稳序列且包含季节性（以及可能的趋势性）
D. 仅包含随机误差的序列
答案：C
47. 聚类分析中，若数据集较小且希望得到全局最优解，可以选择的算法是？
聚类分析中，若数据集较小且希望得到全局最优解，可以选择的算法是？
A. K-means（可能陷入局部最优）
B. 层次聚类（可以得到全局最优解，但计算复杂度较高，在数据集较小时可接受）
C. DBSCAN（基于密度，无需预先指定聚类数量，但不一定得到全局最优）
D. 谱聚类（需要构造相似度矩阵，计算复杂度高）
答案：B
48. 在回归分析中，若残差图中存在明显的喇叭形或漏斗形，说明？
在回归分析中，若残差图中存在明显的喇叭形或漏斗形，说明？
A. 数据存在异方差性
B. 数据存在自相关性
C. 模型拟合度好
D. 模型存在遗漏变量问题
答案：A
49. 神经网络中的权重初始化对模型的？
神经网络中的权重初始化对模型的？
A. 训练时间无影响
B. 预测能力无影响
C. 收敛速度有影响
D. 可解释性有影响
答案：C
50. 时间序列分析中的自相关函数（ACF）图主要用于识别？
时间序列分析中的自相关函数（ACF）图主要用于识别？
A. 数据的趋势性
B. 数据的季节性
C. 数据的滞后阶数（或自相关性）
D. 数据的异方差性
答案：C
51. 在聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近1表示？
在聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近1表示？
A. 聚类效果越差
B. 聚类效果越好
C. 簇内样本相似度低
D. 簇间样本相似度高且簇内样本相似度低（相对）
答案：B
52. 支持向量机中，软间隔与硬间隔的主要区别在于？
支持向量机中，软间隔与硬间隔的主要区别在于？
A. 是否允许误分类点存在
B. 是否使用核函数
C. 是否需要正则化参数
D. 是否需要交叉验证
答案：A
53. 神经网络中的学习率过大可能导致？
神经网络中的学习率过大可能导致？
A. 模型收敛速度加快
B. 模型无法收敛
C. 模型过拟合
D. 模型欠拟合
答案：B
54. 在决策树算法中，选择最优划分属性的依据通常是？
在决策树算法中，选择最优划分属性的依据通常是？
A. 信息增益比
B. 基尼指数
C. 熵值本身
D. 方差分析
答案：A
55. 时间序列分析中的ARIMA模型可以处理？
时间序列分析中的ARIMA模型可以处理？
A. 平稳序列
B. 非平稳序列
C. 季节性序列（需结合SARIMA）
D. 仅包含随机误差的序列
答案：B
56. 聚类分析中，若希望自动确定聚类数量且对数据分布无假设，可以选择的算法是？
聚类分析中，若希望自动确定聚类数量且对数据分布无假设，可以选择的算法是？
A. K-means（需要预先指定K值）
B. 层次聚类（需要人为确定剪枝高度）
C. DBSCAN（基于密度，无需预先指定聚类数量）
D. 谱聚类（需要构造相似度矩阵）
答案：C
57. 在回归分析中，若自变量之间存在高度共线性，会导致？
在回归分析中，若自变量之间存在高度共线性，会导致？
A. 回归系数显著
B. 回归系数不显著
C. 模型拟合度提高
D. 残差平方和减小
答案：B
58. 神经网络中的批量大小（Batch Size）对模型的？
神经网络中的批量大小（Batch Size）对模型的？
A. 训练时间有影响
B. 预测能力无影响
C. 收敛速度无影响
D. 可解释性有影响
答案：A
59. 在决策分析中，下列哪项是不确定型决策常用的准则？
在决策分析中，下列哪项是不确定型决策常用的准则？
A. 期望值准则
B. 最大化最小收益
C. 最小化最大后悔值
D. 乐观准则与悲观准则
答案：D
60. 时间序列分析中的移动平均模型（MA）主要关注的是？
时间序列分析中的移动平均模型（MA）主要关注的是？
A. 当前值与过去值之间的关系
B. 当前值与随机误差之间的关系
C. 过去值与未来值之间的关系
D. 随机误差之间的自相关性
答案：D
61. 在聚类分析中，若数据集非常大且希望快速得到聚类结果，可以选择的算法是？
在聚类分析中，若数据集非常大且希望快速得到聚类结果，可以选择的算法是？
A. K-means（标准版）
B. 层次聚类
C. DBSCAN（在大数据集上可能较慢）
D. MiniBatchKMeans（K-means的变种，适用于大数据）
答案：D
62. 神经网络中的Dropout技术主要用于？
神经网络中的Dropout技术主要用于？
A. 增加模型复杂度
B. 防止过拟合
C. 加速模型收敛
D. 提高训练集准确率
答案：B
63. 下列哪个不是支持向量机的核函数？
下列哪个不是支持向量机的核函数？
A. 线性核
B. 多项式核
C. 径向基核
D. 感知机核
答案：D
64. 在回归分析中，残差图的主要作用是？
在回归分析中，残差图的主要作用是？
A. 检查模型的线性关系
B. 检查模型的异方差性
C. 检查模型的自相关性
D. 检查模型的共线性
答案：B
65. 在时间序列分析中，ADF检验的原假设是？
在时间序列分析中，ADF检验的原假设是？
A. 序列是平稳的
B. 序列有单位根
C. 序列是自相关的
D. 序列是白噪声
答案：B
66. 下列哪个是评估聚类效果好坏的常用指标？
下列哪个是评估聚类效果好坏的常用指标？
A. 准确率
B. 召回率
C. 轮廓系数
D. F1分数
答案：C
67. 在决策树算法中，剪枝的目的是？
在决策树算法中，剪枝的目的是？
A. 提高模型复杂度
B. 降低模型复杂度
C. 增加训练时间
D. 提高测试集准确率
答案：B
68. 下列哪项不是神经网络中的常见激活函数？
下列哪项不是神经网络中的常见激活函数？
A. Sigmoid
B. Tanh
C. ReLU
D. Logistic
答案：D
69. 时间序列中的自回归模型（AR）主要关注的是？
时间序列中的自回归模型（AR）主要关注的是？
A. 当前值与过去值之间的关系
B. 当前值与未来值之间的关系
C. 当前值与随机误差之间的关系
D. 过去值与未来值之间的关系
答案：A
70. 在假设检验中，当P值大于显著性水平α时，应？
在假设检验中，当P值大于显著性水平α时，应？
A. 接受原假设
B. 拒绝原假设
C. 无法确定
D. 重新收集数据
答案：A
71. 下列哪个不是聚类分析的常用算法？
下列哪个不是聚类分析的常用算法？
A. K-means
B. DBSCAN
C. 层次聚类
D. 决策树
答案：D
72. 在多元线性回归分析中，增加自变量通常会导致？
在多元线性回归分析中，增加自变量通常会导致？
A. 调整后的R方减小
B. 残差平方和增大
C. 自由度增加
D. 回归系数标准误减小
答案：D
73. 时间序列分析中的指数平滑法主要用于？
时间序列分析中的指数平滑法主要用于？
A. 长期趋势预测
B. 季节变动预测
C. 周期变动预测
D. 随机变动预测
答案：A
74. 在决策分析中，下列哪项是风险型决策常用的准则？
在决策分析中，下列哪项是风险型决策常用的准则？
A. 最大化最小收益
B. 最小化最大后悔值
C. 期望值准则
D. 乐观准则
答案：C
75. 在回归分析中，若残差图中存在明显的漏斗形或喇叭形，可能说明？
在回归分析中，若残差图中存在明显的漏斗形或喇叭形，可能说明？
A. 数据存在异方差性
B. 数据存在自相关性
C. 模型拟合度好（此选项通常不正确）
D. 模型存在遗漏变量问题（此选项与异方差性相关但非直接）
答案：A
76. 神经网络中的权重衰减（L2正则化）主要用于？
神经网络中的权重衰减（L2正则化）主要用于？
A. 增加模型复杂度
B. 防止过拟合（通过惩罚大权重）
C. 加速模型收敛
D. 提高训练集准确率
答案：B
77. 在决策分析中，下列哪项是确定型决策的特点？
在决策分析中，下列哪项是确定型决策的特点？
A. 存在多种可能状态且概率已知
B. 存在多种可能状态但概率未知
C. 只存在一种确定的状态
D. 决策结果完全不确定
答案：C
78. 时间序列分析中的偏自相关函数（PACF）图主要用于识别？
时间序列分析中的偏自相关函数（PACF）图主要用于识别？
A. 数据的趋势性
B. 数据的季节性
C. 数据的滞后阶数（或自相关性中的直接影响）
D. 数据的异方差性
答案：C
79. 在聚类分析中，若数据集较小且希望得到精确解，可以选择的算法是？
在聚类分析中，若数据集较小且希望得到精确解，可以选择的算法是？
A. K-means（可能陷入局部最优）
B. DBSCAN（基于密度，适用于大数据）
C. 层次聚类（可以得到全局最优解，但计算复杂度较高）
D. 近似算法
答案：C
80. 支持向量机中的软间隔分类允许？
支持向量机中的软间隔分类允许？
A. 所有样本点必须分类正确
B. 部分样本点可以分类错误（但尽量少）
C. 不考虑样本点的分类错误
D. 只考虑支持向量的分类错误
答案：B
81. 神经网络中的激活函数主要用于？
神经网络中的激活函数主要用于？
A. 增加模型非线性
B. 减少模型参数
C. 加速模型收敛
D. 提高模型可解释性
答案：A
82. 在决策树算法中，剪枝的目的是为了？
在决策树算法中，剪枝的目的是为了？
A. 提高模型复杂度
B. 降低模型复杂度（防止过拟合）
C. 增加训练时间
D. 提高测试集准确率（间接效果）
答案：B
83. 时间序列分析中的季节性差分主要用于处理？
时间序列分析中的季节性差分主要用于处理？
A. 平稳序列
B. 非平稳序列中的趋势性
C. 非平稳序列中的季节性
D. 随机误差序列
答案：C
84. 聚类分析中，若希望得到层次化的聚类结果，可以选择的算法是？
聚类分析中，若希望得到层次化的聚类结果，可以选择的算法是？
A. K-means
B. DBSCAN
C. 层次聚类
D. 谱聚类
答案：C
85. 在回归分析中，若自变量之间存在高度共线性，可能导致？
在回归分析中，若自变量之间存在高度共线性，可能导致？
A. 回归系数不显著
B. 回归系数显著
C. 模型拟合度提高
D. 残差平方和减小
答案：A
86. 神经网络中的正则化技术主要用于？
神经网络中的正则化技术主要用于？
A. 增加模型复杂度
B. 防止过拟合
C. 加速模型收敛
D. 提高训练集准确率
答案：B
87. 在决策分析中，下列哪项是不确定型决策常用的启发式准则？
在决策分析中，下列哪项是不确定型决策常用的启发式准则？
A. 期望值准则
B. 最大化最小收益（悲观准则）
C. 最小化最大后悔值（后悔值准则）
D. 等可能准则（或拉普拉斯准则）
答案：D
88. 时间序列分析中的自相关函数（ACF）和偏自相关函数（PACF）主要用于？
时间序列分析中的自相关函数（ACF）和偏自相关函数（PACF）主要用于？
A. 识别序列的趋势性
B. 识别序列的季节性
C. 识别序列的滞后阶数（或自相关性）
D. 识别序列的异方差性
答案：C
89. 在聚类分析中，若数据集非常大且希望得到近似最优解，可以选择的算法是？
在聚类分析中，若数据集非常大且希望得到近似最优解，可以选择的算法是？
A. K-means（标准版，可能陷入局部最优）
B. 层次聚类（计算复杂度高）
C. DBSCAN（基于密度，适用于大数据但参数敏感）
D. 近似算法如K-means++或MiniBatchKMeans
答案：D
90. 神经网络中的学习率设置过小可能导致？
神经网络中的学习率设置过小可能导致？
A. 模型收敛速度加快
B. 模型无法收敛
C. 模型过拟合
D. 模型欠拟合（训练不充分）
答案：D
91. 支持向量机中的核函数主要用于？
支持向量机中的核函数主要用于？
A. 将数据映射到高维空间
B. 将数据映射到低维空间
C. 计算支持向量
D. 确定分类边界
答案：A
92. 在回归分析中，若残差图中存在明显的波动性，可能说明？
在回归分析中，若残差图中存在明显的波动性，可能说明？
A. 数据存在异方差性
B. 数据存在自相关性
C. 模型拟合度好
D. 模型存在遗漏变量问题
答案：B
93. 聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近-1表示？
聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近-1表示？
A. 聚类效果越好
B. 聚类效果越差
C. 簇内样本相似度高
D. 簇间样本相似度高
答案：B
94. 在决策分析中，下列哪项是风险型决策与不确定型决策的主要区别？
在决策分析中，下列哪项是风险型决策与不确定型决策的主要区别？
A. 是否存在多种可能状态
B. 每种状态发生的概率是否已知
C. 决策结果是否确定
D. 是否使用期望值准则
答案：B
95. 时间序列中的自回归积分滑动平均模型（ARIMA）可以处理？
时间序列中的自回归积分滑动平均模型（ARIMA）可以处理？
A. 仅包含随机误差的序列
B. 非平稳序列
C. 季节性序列（需结合SARIMA）
D. 平稳且自相关的序列
答案：B
96. 假设检验中的第一类错误是指？
假设检验中的第一类错误是指？
A. 原假设为真时拒绝原假设
B. 原假设为假时接受原假设
C. 原假设为真时接受原假设
D. 原假设为假时拒绝原假设
答案：A
97. 下列哪个是聚类分析中的常见算法，且不需要预先指定聚类数？
下列哪个是聚类分析中的常见算法，且不需要预先指定聚类数？
A. K-means
B. DBSCAN
C. 层次聚类（需要剪枝确定聚类数）
D. 谱聚类（需要确定聚类数）
答案：B
98. 在多元线性回归分析中，增加不相关的自变量通常会导致？
在多元线性回归分析中，增加不相关的自变量通常会导致？
A. R方值增加
B. 调整后的R方值减小
C. 回归系数显著
D. 残差平方和减小
答案：B
99. 时间序列分析中的白噪声过程是指？
时间序列分析中的白噪声过程是指？
A. 序列值完全随机
B. 序列值有趋势性
C. 序列值有季节性
D. 序列值自相关
答案：A
100. 在决策树算法中，用于衡量特征重要性的是？
在决策树算法中，用于衡量特征重要性的是？
A. 信息增益
B. 基尼系数
C. 熵
D. 方差
答案：A
