数据科学导论在线作业答案解析：k近邻、缺失值处理与一元线性回归

"这份文档是南开大学20秋学期《数据科学导论》在线作业的辅导材料答案，包含了多项选择题，涵盖了数据科学的基础知识，如机器学习算法、数据预处理、统计学概念和数据挖掘技术。" 知识点详细说明: 1. K近邻法(KNN): K近邻法是一种简单的监督学习算法，它没有显式的学习过程，而是基于实例的学习，即在分类时查找最近的K个邻居，并依据多数表决原则决定分类结果。选项C指出k值越大，分类效果越好，这是不准确的，实际上，k值的选择需要权衡过拟合和欠拟合之间的平衡。 2. 缺失值处理: 数据预处理过程中，处理缺失值是非常关键的步骤。常见的方法包括删除记录、按照一定原则补充（如使用平均值、中位数或模式填充）以及不处理。选项D提到的“随意填写”是不正确的处理方式，可能导致数据偏斜和误导分析结果。 3. 一元线性回归: 模型中的残差项，即实际值与预测值之差，通常假设服从正态分布。这是线性回归分析的一个基本假设，有助于进行假设检验和模型评估。 4. 残差: 在一元线性回归中，真实值与预测值的差称为样本的残差，它是衡量模型拟合程度的重要指标。 5. Apriori算法: 这是一种用于关联规则学习的算法，其加速策略依赖于剪枝，通过提前剔除不可能成为频繁项集的候选集来减少计算量。 6. 数据一致性: 当数据库中相关联的表数据不一致时，称为不一致的值。这种情况下，需要进行数据清洗以确保数据的准确性。 7. 单层感知机: 属于二分类的线性分类模型，能够解决线性可分的问题，无法处理非线性问题。 8. 层次聚类: 适合于规模较小的数据集，通过构建树状结构来形成层次结构，可以是凝聚型（自底向上）或分裂型（自顶向下）。 9. 数据变换: 构造新的指标如线损率属于属性构造，这是数据预处理的一种，目的是提取有价值的信息或提高模型性能。 10. 异常检测: 当线损率超出正常范围时，可能表明存在异常行为，如窃电，这展示了如何通过数据变换进行异常检测。 以上知识点涵盖了数据科学的基础，包括机器学习算法（KNN）、数据预处理（缺失值处理、数据一致性、数据变换）、统计学（正态分布、残差）、数据挖掘（Apriori算法）和数据探索（层次聚类、异常检测）。这些内容对于理解和应用数据科学方法解决实际问题至关重要。