常见的数据探勘模型中()适用于股市行情预测、行为预测等等。
A.资料分类
B.资料关连
C.资料分群
D.循序样式探勘
A.资料分类
B.资料关连
C.资料分群
D.循序样式探勘
第2题
利用PHILLIPS.RAW中的数据。
(i)用直至1997年的数据估计教材(18.48)和(18.49)中的模型。参数估计值与教材(18.48)和教材(18.49)中的结果相比有很大不同吗?
(ii)用新方程预测unem1998,小数点后保留两位数。哪个方程预测得更好?
(ii)我们在正文中讨论过,用教材(18.49)预测unem1998为4.90.把它与利用直至1997年的数据得到的预测相比较。多用一年数据求得的参数估计值能给出更好的预测吗?
(iv)用教材(18.48)中估计的模型求出unem的提前两期预测值。即利用α=1.572,p=0.732,h=2时的教材方程(18.55)预测unem与把unem1997=4.9代入教材(18.48)所得到的提前一期预测值相比,哪一个更好?
第3题
利用WAGEPAN.RAW中的数据。
(i)估计模型
用混合最小二乘法,算出估计值和常见形式的标准误差。
(ii)用随机效应估计(i)中模型(试想vit=ai+uir),RE和混合最小二乘估计的β1值比较如何?
(iii)RE和混合最小二乘估计的标准误差一致吗?哪一个更可信?为什么?。
(iv)在(i)、(ii)的估计中加入一完整系列的年份虚拟变量。你在(i)、(ii)中得到的结论有什么变化吗?
(v)现在从(iv)出发,用FE估计模型,指出除年份外的所有解释变量。对年份虚拟变量,FE与RE估计的系数有何不同?
(vi)你能从这个具体例子中得出什么一般结论?
第4题
A.Memcached适用于数据结构模型简单的缓存,Redis适用于数据结构复杂的缓存场景
B.Memcached不支持数据持久化,Redis可以支持需要持久化存储数据的场景
C.Memcached是单核单线程的,Redis支持多线程,可通过增加CPU数量提升性能
D.Memcached单个缓存对象的value值不能超过1M,超过1M的场景,建议使用Redis
第5题
(i)用混合OLS估计一个以学期GPA(trmgpa)为因变量的模型。解释变量是sprng,sat,hsperc,feale,black,white,frestsem,tothrs,crsgpa和season。试解释season的系数。它统计显著吗?
(ii)在仅参与秋季运动项目的运动员中,大多数是足球运动员。假定足球运动员的能力水平和其他运动员的能力水平有系统差异。如果SAT分数和中学成绩百分位数不能很好地反映一个人的能力水平,那么混合OLS估计量将是有偏误的。试解释。
(iii)现在,取两个学期数据的差分,问哪些变量将随之消失?现在检验赛季效应。
(iv)你能想象一个或多个有潜在重要性而又不随时间而变化的变量,在此分析中被我们忽略了吗?
第9题
A.发射分集
B.开环空分复用
C.闭环空间复用
D.闭环RANK=1预编码