6500
5.
假设
12
个销售价格记录如下：
6,11,205,14,16,216,36,51,12,56,73,93
。
(
1
)
使用等深划分时，将其划分为四个箱，
16
在第几个箱？
(
2
)
使用等宽划分时，将其划分为四个箱，
16
在第几个箱？
(
3
)
利用等深分箱法，将其划分为
3
个箱，平均值平滑法进行平滑处理，第
2
个箱的取值为多少？
(
4
)
利用等宽分箱法，将其划分为
3
个箱，边界平滑法进行平滑处理，第
2
个箱内数据值为多少？
6.
取鸢尾花数据集(
http://www.ics.uci.edu/~mlearn/MLRepository.html
)，利用
pyspark
中的
Bucketizer
函数，对四个数值型属性分别进行数据离散化。
7.
为了调查某个微信小程序受众人群分布情况，
可采用哪些抽样方法？哪种方
法效果更好？请分析原因。
8.
给定
m
个元素的集合，这些元素划分成了
k
组，其中第
i
组的大小为
𝑚𝑚
𝑖𝑖
。如
果目标是得到容量为
n
(
n
<
m
)
的样本，
下面两种抽样方案有什么区别？
(假
定使用有放回抽样)
(
1
)从每组随机地选择
𝑛𝑛
×
𝑚𝑚
𝑖𝑖
/
𝑚𝑚
个元素。
(
2
)从数据集中随机地选择
n
个元素(不考虑元素属于哪个组)。
