2025 年大学人工智能（数据预处理技术）上学期期末测试卷.docVIP

2025年大学人工智能（数据预处理技术）上学期期末测试卷

（考试时间：90分钟满分100分）班级______姓名______

一、选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填写在括号内）

1.数据预处理的第一步通常是（）

A.数据清洗B.数据集成C.数据采集D.数据转换

2.对于缺失值较多的特征，以下处理方法不太合适的是（）

A.删除该特征B.用均值填充C.用中位数填充D.用模型预测值填充

3.在数据标准化中，以下哪种方法不会改变数据的分布形状（）

A.最小-最大标准化B.Z-score标准化C.小数定标标准化D.以上都不是

4.数据集成过程中，可能会遇到的数据冲突不包括（）

A.结构冲突B.命名冲突C.语义冲突D.数据量冲突

5.以下哪种数据类型不属于结构化数据（）

A.关系型数据库中的数据B.文本文件中的数据C.表格形式的数据D.固定格式的CSV数据

6.数据离散化的目的不包括（）

A.减少数据量B.提高模型的鲁棒性C.便于数据可视化D.增强数据的可解释性

7.对于类别不平衡的数据，以下处理方法效果较好的是（）

A.过采样B.欠采样C.调整模型的损失函数D.以上都是

8.在数据预处理中，对数据进行特征选择时，以下哪种方法不属于基于模型的方法（）

A.决策树B.支持向量机C.信息增益D.随机森林

9.数据清洗时，对于重复数据的处理方式一般是（）

A.全部保留B.随机删除C.只保留一条D.根据业务需求决定

10.以下关于数据预处理的说法，错误的是（）

A.数据预处理是数据挖掘和机器学习的重要环节

B.经过预处理的数据一定能提高模型的性能

C.不同的数据集可能需要不同的数据预处理方法

D.数据预处理可以提高数据质量

二、多项选择题（总共5题，每题5分，每题有两个或两个以上正确答案，请将正确答案填写在括号内，少选、多选、错选均不得分）

1.数据预处理中，数据清洗可能涉及的操作有（）

A.去除噪声数据B.处理缺失值C.纠正数据中的错误D.数据压缩

2.以下属于数据集成方法的有（）

A.实体识别B.数据融合C.数据抽取D.数据转换

3.数据标准化的作用包括（）

A.加快模型的收敛速度B.提高模型的泛化能力C.使不同特征具有相同的尺度D.增强数据的稳定性

4.数据离散化的方法有（）

A.等宽离散化B.等频离散化C.基于聚类的离散化D.基于决策树的离散化

5.在数据预处理中，特征选择的常用方法有（）

A.基于过滤的方法B.基于包装的方法C.基于嵌入的方法D.基于深度学习的方法

三、判断题（总共10题，每题2分，请判断对错，在括号内填写“√”或“×”）

1.数据采集得到的数据一定是高质量的，不需要进行预处理。（）

2.数据清洗只能处理数值型数据的缺失值。（）

3.数据集成就是将多个数据源中的数据简单合并在一起。（）

4.最小-最大标准化适用于数据分布较为均匀的情况。（）

5.数据离散化会丢失数据的原有信息。（）

6.类别不平衡数据处理中，过采样可能会导致模型过拟合。（）

7.特征选择的目的是选择出对模型最有用的特征，提高模型的性能。（）

8.文本数据属于非结构化数据，不需要进行预处理。（）

9.数据预处理的顺序是固定的，不能随意调整。（）

10.数据标准化后，数据的均值一定为0，方差一定为1。（）

四、简答题（总共3题，每题10分，请简要回答问题）

1.请简述数据预处理的主要步骤及其作用。

2.数据清洗中，处理缺失值的方法有哪些？各有什么优缺点？

3.简述基于过滤的特征选择方法的原理及常见的方法。

五、综合题（总共1题，每题20分，请结合所学知识，综合分析并回答问题）

假设你正在处理一份关于某电商平台用户购买行为的数据，数据中包含用户ID、购买时间、购买商品类别、购买金额等字段。其中，购买金额字段存在一些缺失值，购买商品类别字段存在一些异常值（如出现了一些不属于该电商平台商品类别的代码）。请你设计一个数据预处理方案，包括数据清洗、数据集成、数据标准化等步骤，以提高数据质量，为后续的数据分析和建模做好准备。

答案：

一、选择题

1.C

2.A

3.B

4.D

5.B

6.A

7.D

8.C

9.D

10.B

二、多项选择题

1.ABC

2.