以下不属于数据预处理步骤的是
- A剔除异常值
- B数据归一化
- C模型训练
- D缺失值填充
数据可视化在理工科中的核心作用是
- A美化数据
- B直观展示数据规律
- C增加数据量
- D简化模型
数字经济中,理工科数据的核心价值是
- A仅用于存档
- B驱动技术创新
- C无实际价值
- D仅用于展示
数据管理的核心目标是
- A确保数据安全与可追溯
- B增加数据存储量
- C简化数据格式
- D仅存储原始数据
以下属于简单统计分析的是
- A均值计算
- B深度学习建模
- C神经网络训练
- D梯度下降
理工科数据预处理中,剔除异常值的依据是
- A主观判断
- B专业知识和统计规则
- C随机选择
- D数据量大小
数据生态的核心要素不包括
- A数据生产者
- B数据消费者
- C数据算法
- D数据流通规则
数据处理与理工科实际需求脱节的主要原因是
- A数据量过大
- B未结合专业场景
- C数据格式复杂
- D分析工具先进
Python 中列表是可变类型,元组是不可变类型。
- A对
- B错
Pandas 数据框的筛选操作会修改原数据框。
- A对
- B错
NumPy 数组运算支持向量化操作,无需循环遍历。
- A对
- B错
Matplotlib 绘制折线图时,必须手动设置 x 轴和 y 轴数据。
- A对
- B错
Python 中模块导入后,其内部的所有函数都可以不受限定直接调用。
- A对
- B错
AI 发展历史中,深度学习的出现推动了感知智能的突破。
- A对
- B错
计算社会科学是人工智能在社会科学领域的具体应用。
- A对
- B错
AI 对理工科的影响仅体现在数据处理层面。
- A对
- B错
“数据 - 模型” 的关系中,模型的优劣仅由算法决定,与数据无关。
- A对
- B错
梯度下降算法的核心是 “逐步调整参数以逼近最优解”。
- A对
- B错
分类任务的标签必须是数值型。
- A对
- B错
决策树模型不会出现过拟合现象。
- A对
- B错
本页仅提供题目与选项供学习参考,不含答案。如需系统练习、自动判分与错题本,欢迎前往主站《人工智能通识基础》在线练习。