以下文字与答案无关
提示:有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题,这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏,所以恳请 广大网友理解。
数据审查
B:数据清洗
C:数据转换
D:数据脱敏
忽略
B:删除
C:平均值填充
D:最大值填充
格式错误的值
B:重复值
C:逻错误的值
D:缺失值
dropna方法既可以删除观测记录,也可以删除特征
B:null和notnull可以对缺失值进行处理
C:fillna方法中用来替换缺失值的值只能是数据框
D:pandas库中的interpolate模块包含多种插值方法
null和notnull可以对缺失值进行处理
B:dropna 方法既可以删除观测记录,亦可以删除特征
C:fillna方法中用来替换缺失值的值只能是数据框
D:pandas 库中的interpolate模块包含了多种插值方法
null和notnull可以对缺失值进行处理
B:dropna方法既可以删除观测记录,亦可以删除特征
C:fillna方法中用来替换缺失值的值只能是数据库
D:pandas库中的interpolate模块包含了多种插值方法
数据采集
B:数据清洗
C:数据分析
D:数据可视化美化
B:转化
C:清洗
D:计算
初始数据直接被应用可能会导致分析结果出现偏差
B:数据预处理可以提高初始数据的质量
C:数据预处理只负责处理“脏”数据
D:数据预处理是数据分析或挖掘前的准备工作
数据的内容清单
B:处理的重要数据的种类、数量
C:开展数据处理活动的情况
D:面临的数据安全风险和应对措施
数据预处理环节是机器学习过程必不可少的部分
B:数据预处理环节所耗时间通常较长
C:数据预处理环节对模型的训练效果影响有限
D:数据预处理环节在模型训练之前进行。
数据收集
B:数据处理
C:数据分析
D:数据展现