BANL 1100 Review [Chinese]

Front

分析像百度搜索日志这样的数据集的第一步是什么？

Back

清理和准备数据

Answer explanation

1. 分析像百度搜索日志这样的数据集的第一步是清理和准备数据。这确保数据准确且可用于进一步分析，例如创建可视化或运行统计测试。

Front

以下哪项通常不是数据清理过程的一部分？ 处理缺失值, 转换数据类型, 创建数据字典, 进行回归分析

Back

进行回归分析

Answer explanation

1. 进行回归分析是一种用于预测的统计方法，而不是数据清理步骤。数据清理通常涉及处理缺失值、转换数据类型和创建数据字典。

Front

如何在R中创建直方图以可视化不同设备类型的响应时间分布？

Back

使用hist()函数和facet_wrap()

Answer explanation

1. 要可视化不同设备类型的响应时间，请使用 hist() 函数为每个设备创建直方图。将其与 facet_wrap() 结合使用，可以为每种设备类型创建单独的图，从而有效地显示它们的分布。

Front

我应该使用什么统计测试来比较移动用户和桌面用户之间的点击率？

Back

Z检验

Answer explanation

Z 检验适合用于比较两个独立组（移动用户和桌面用户）之间的点击率，当样本量大且数据呈正态分布时

Front

如何使用ggplot2创建一个散点图，显示查询复杂性与搜索结果页面上花费时间之间的关系？

Back

使用 geom_point()

Answer explanation

1. 要可视化查询复杂性与在搜索结果页面上花费时间之间的关系，请在 ggplot2 中使用 geom_point()。该函数创建散点图，有效地显示这两个变量之间的关联。

Front

哪些R包最适合清理和预处理百度搜索日志数据？

Back

dplyr和tidyr

Answer explanation

1. dplyr 和 tidyr 非常适合清理和预处理数据，因为它们具有强大的数据操作和重塑功能。ggplot2 和 lattice 用于可视化，而 caret、glmnet、rpart 和 randomForest 则专注于建模。

Front

使用R可视化搜索量随时间变化的趋势最合适的方法是什么？
Options: 直方图, 散点图, 箱线图, 折线图

Back

折线图

Answer explanation

A使用 R 可视化搜索量随时间变化的趋势，最合适的方法是线图，因为它有效地显示了连续时间变量的变化和模式，便于解释趋势。

Front

如何在R中执行卡方检验以分析用户人口统计与查询类型之间的关系？

Back

使用chisq.test()函数

Answer explanation

1. 在 R 中分析用户人口统计与查询类型之间关系时，正确使用的函数是 chisq.test()。该函数执行卡方检验，适合分类数据分析。

Front

我可以使用哪些在线资源来研究中国搜索引擎用户行为的当前趋势？

Back

Baidu Index

Answer explanation

1. 百度指数是研究中国搜索引擎用户行为趋势最相关的资源，因为它专门分析来自百度的数据，百度是中国领先的搜索引擎。其他选项则关注不同市场。

Front

如何在R中创建箱线图以比较不同年龄组的相关性得分？

Back

使用 boxplot() 函数

Answer explanation

1. 要比较不同年龄组的相关性评分，boxplot() 函数是正确的选择。它直观地显示数据分布，并突出中位数和离群值，非常适合此比较。