1_人工智能训练师_3级_操作技能复习题及答案合并 (1)

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

某医疗机构计划引入智能医疗系统，以提升诊断效率和准确性。通过分析患者的历史数据，使用机器学习算法预测患者的健康风险，从而辅助医生进行诊断和治疗。为此，该机构需要设计一套全面的业务数据处理流程，确保数据处理的高效性和准确性，为人工智能模型提供可靠的输入数据。我们提供一个患者数据集（patient_data.csv），包含以下字段： ● PatientID: 患者ID ● Age: 年龄 ● BMI: 体重指数 ● BloodPressure: 血压 ● Cholesterol: 胆固醇水平 ● DaysInHospital: 住院天数你作为人工智能训练师，根据提供的数据集和Python代码框架（1.1.1.ipynb），完成以下数据的统计和分析，为智能医疗系统提供可靠的数据支持。（1）通过补全并运行Python代码（1.1.1.ipynb）分别统计住院天数超过7天的患者数量以及其占比。这类患者被定义为高风险患者，反之为低风险患者。将上述统计结果截图以JPG的格式保存，命名为“1.1.1-1”。（2）通过补全并运行Python代码（1.1.1.ipynb）统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数。BMI区间分类设置为：偏瘦（低于18.5），正常（18.5~23.9），超重（24.0~27.9），肥胖（28.0及以上），将上述统计结果截图以JPG的格式保存，命名为“1.1.1-2”。（3）通过补全并运行Python代码（1.1.1.ipynb）统计不同年龄区间中高风险患者的比例和统计不同年龄区间中的患者数。年龄区间分类设置为：≤25岁，26-35岁，36-45岁，46-55岁，56-65岁，＞65岁，将上述统计结果截图以JPG的格式保存，命名为“1.1.1-3”。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。

智能农业系统中的业务数据采集和处理流程设计考核时间：30min 1.场地设备要求人工智能训练师主机：CPU（intel i5及以上）、内存（不少于16GB）、操作系统（windows10）、支持深度学习训练； 2.工作任务某农业公司计划引入智能农业系统，通过安装在农田中的各种传感器（如温度传感器、湿度传感器、土壤传感器等）实时监控农田环境，收集数据并进行分析，以优化作物管理和提高产量。为此，公司需要设计并实现一套数据采集和处理流程，确保数据的高效采集、传输和处理，为智能分析提供可靠的数据支持。我们提供一个传感器数据集（sensor_data.csv），包含以下字段： ● SensorID: 传感器ID ● Timestamp: 时间戳 ● SensorType: 传感器类型（Temperature温度，Humidity湿度，SoilMoisture土壤水分，SoilPH土壤酸碱度，Light光传感器） ● Value: 传感器读数 ● Location: 传感器安装位置：你作为智能农业系统的人工智能训练师，根据提供的sensor_data.csv数据集和Python代码框架（1.1.2.ipynb），完成以下数据的采集和处理任务，为智能农业系统提供可靠的数据支持。请按照以下要求完成任务，确保结果准确并保存相应的截图。（1）传感器数据统计：通过补全并运行Python代码（1.1.2.ipynb）分别统计每种传感器的数据数量和平均值。将上述统计结果截图以JPG的格式保存，命名为“1.1.2-1”。（2）按位置统计温度和湿度数据：通过补全并运行Python代码（1.1.2.ipynb）统计每个位置的温度和湿度传感器数据的平均值。将上述统计结果截图以JPG的格式保存，命名为“1.1.2-2”。（3）数据清洗和异常值处理：通过补全并运行Python代码（1.1.2.ipynb）对数据进行清洗，处理异常值。具体要求如下：＞将明显异常的温度（< -10 或 > 50）和湿度（< 0 或 > 100）数据进行标记并统计。＞对缺失值使用前面数据的值（如果前面值没有采用后面数据的值）进行填补。＞将清洗后的数据保存为新文件cleaned_sensor_data.csv。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。 3.技能要求（1）能结合人工智能技术要求和业务特征，设计整套业务数据采集流程（2）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程 4.质量指标（1）设计出的业务数据底层逻辑清晰，有效合理。（2）数据完整性：每个传感器数据记录数应完整，缺失值尽量少。（3）数据准确性：传感器数据应合理，与参考数据偏差小。

金融机构信用评估系统中的业务数据审核流程设计考核时间：30min 场地设备要求：人工智能训练师主机：CPU（intel i5及以上）、内存（不少于16GB）、操作系统（windows10）、支持深度学习训练；工作任务：某金融机构计划引入智能信用评估系统，通过分析客户的历史交易数据和信用记录，使用机器学习算法预测客户的信用风险等级，从而辅助贷款审批和风险控制。为了确保数据的准确性和可靠性，该机构需要设计并实现一套全面的业务数据审核流程，确保数据在进入信用评估系统之前经过严格的审核和清洗。我们提供一个客户信用数据集（credit_data.csv），包含以下字段： ● CustomerID: 客户ID ● Name: 客户姓名 ● Age: 年龄 ● Income: 收入 ● LoanAmount: 贷款金额 ● LoanTerm: 贷款期限（月） ● CreditScore: 信用评分 ● Default: 是否违约（0: 否，1: 是） ● TransactionHistory: 历史交易记录（JSON格式）你作为人工智能训练师，根据提供的credit_data.csv数据集和Python代码框架（1.1.3.ipynb），完成以下数据的审核和处理任务，确保数据的准确性和可靠性。

某电商平台希望通过用户行为数据分析，了解用户购物习惯、购买倾向等，从而优化产品推荐系统，提高用户满意度和销售额。作为数据分析师，您需要设计一套全面的业务数据采集与处理流程，确保数据在进入用户行为分析系统之前经过严格的采集、清洗和预处理。我们提供一个用户行为数据集（user_behavior_data.csv），包含以下字段： ● UserID: 用户ID ● UserName: 用户名 ● Age: 年龄 ● Gender: 性别（Male/Female） ● Location: 位置 ● LastLogin: 上次登录时间 ● PurchaseAmount: 购买金额 ● PurchaseCategory: 购买类别（例如，电子产品、服装、食品等） ● ReviewScore: 用户评价评分（1-5） ● LoginFrequency: 登录频率（每日、每周、每月）你作为人工智能训练师，根据提供的user_behavior_data.csv数据集和Python代码框架（1.1.4.ipynb），完成以下数据的采集与处理任务，确保数据的准确性和可靠性。请按照以下要求完成任务，确保结果准确并保存相应的截图。（1）数据采集：通过运行Python代码（1.1.4.ipynb），从本地文件user_behavior_data.csv中读取数据，并将数据加载到DataFrame中。打印前5条数据。（2）数据清洗与预处理：通过运行Python代码（1.1.4.ipynb）对数据进行清洗和预处理，具体要求如下： ● 处理缺失值：对缺失值进行填充或删除。 ● 数据类型转换：确保每个字段的数据类型正确。 ● 处理异常值：删除不合理的年龄、购买金额和评价评分。 ● 数据标准化：对购买金额和评价评分进行标准化处理。清洗后的数据保存为新文件cleaned_user_behavior_data.csv。（3）数据统计：通过运行Python代码（1.1.4.ipynb），完成以下数据统计任务： ● 统计每个购买类别的用户数。 ● 统计不同性别的平均购买金额。 ● 统计不同年龄段的用户数（18-25岁、26-35岁、36-45岁、46-55岁、56-65岁、65岁以上）。将统计结果分别截图以JPG的格式保存，分别命名为“1.1.4-1”、“1.1.4-2”、“1.1.4-3”。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。 (缺图)

智能交通系统的数据采集、处理和审核流程设计 1.场地设备要求人工智能训练师主机：CPU(intel i5 及以上)、内存（不少于16GB）、操作系统（windows10）、支持深度学习训练； 2.工作任务某智能交通系统希望通过车辆的行驶数据，利用人工智能技术进行交通流量预测和拥堵预警。你作为人工智能训练师，需要设计一套全面的业务数据采集、处理和审核流程，确保数据在进入交通流量分析系统之前经过严格的采集、清洗、审核和预处理。这里提供一个车辆行驶数据集（vehicle_traffic_data.csv），包含以下字段： ● VehicleID: 车辆ID ● DriverName: 驾驶员姓名 ● Age: 年龄 ● Gender: 性别（Male/Female） ● Speed: 车速（km/h） ● TravelDistance: 行驶距离（km） ● TravelTime: 行驶时间（min） ● TrafficEvent: 交通事件（Normal, Accident, Traffic Jam, Breakdown）你作为人工智能训练师，根据提供的vehicle_traffic_data.csv数据集和Python代码框架（1.1.5.ipynb），完成以下数据的采集、处理和审核任务，确保数据的准确性和可靠性。请按照以下要求完成任务，确保结果准确并保存相应的截图。（1）数据采集：通过运行Python代码（1.1.5.ipynb），从本地文件vehicle_traffic_data.csv中读取数据，并将数据加载到DataFrame中。显示前5行数据截图以JPG的格式保存，命名为“1.1.5-1”。（2）数据清洗与预处理：通过运行Python代码（1.1.5.ipynb）对数据进行清洗和预处理，具体要求如下： ● 处理缺失值：对缺失值进行删除。 ● 数据类型转换：确保每个字段的数据类型正确。 ● 处理异常值：删除不合理的年龄、车速、行驶距离和行驶时间。清洗后的数据保存为新文件cleaned_vehicle_traffic_data.csv。（3）数据合理性审核：通过运行Python代码审核以下字段的合理性： ● 年龄：应在18到70岁之间。 ● 车速：应在0到200 km/h之间。 ● 行驶距离：应在1到1000 km之间。 ● 行驶时间：应在1到1440分钟（24小时）之间。对不合理的数据进行标记，并将审核结果截图以JPG的格式保存，命名为“1.1.5-2”。（4）数据统计：通过运行Python代码（1.1.5.ipynb），完成以下数据统计任务： ● 统计每种交通事件的发生次数。 ● 统计不同性别的平均车速、行驶距离和行驶时间。 ● 统计不同年龄段的驾驶员数（18-25岁、26-35岁、36-45岁、46-55岁、56-65岁、65岁以上）。将统计结果分别截图以JPG的格式保存，分别命名为“1.1.5-3”、“1.1.5-4”、“1.1.5-5”。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。 3.技能要求（1）能结合人工智能技术要求和业务特征，设计整套业务数据采集流程；（2）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程；（3）能结合人工智能技术要求和业务特征，设计整套业务数据审核流程； 4.质量指标（1）数据完整性：数据无缺失，每项记录完整。（2）数据合理性：所有数值在合理范围内，无异常点。（3）数据一致性：字段类型正确，数据格式统一。（4）分析准确性：统计结果反映真实数据分布，无偏差。（含图）（含图）

请列举顾客评价情感识别业务模块中用户反映最强烈的两个问题，并解释这两个问题为什么会让用户感到不满，影响他们的使用体验。

请设计一个优化顾客评价情感识别业务模块的方案，包括关键的实施步骤和你期望的优化效果。要求方案具体、可行，能够有效提升用户体验和服务质量。

顾客评价情感识别业务模块中用户反映最强烈的两个问题为：问题一：情感识别准确性不高，导致分析结果偏差；问题二：响应速度慢，用户需长时间等待识别结果请分别解释这两个问题产生的原因。

针对顾客评价情感识别业务模块中用户反映最强烈的两个问题，请提出关键实施步骤，并说明期望的优化效果。

某智慧养老平台的心率监测模块目前存在数据准确性不高、异常预警响应慢等问题，影响了老年人健康监测的体验和服务质量。作为人工智能训练师，你需要结合业务知识和人工智能技术，对该模块进行优化设计与实现。请列出心率监测模块当前存在的具体问题，如数据准确性、异常预警响应等；简述这些问题对老年人健康监测的影响；指出导致这些问题的主要技术或流程原因。

针对心率监测模块存在的问题，请简述优化方案，可涉及技术、流程等方面；列出优化方案的关键实施步骤，如数据采集、预处理、模型训练等；概述如何协调团队资源以确保优化方案的实现，并简述预期效果。

请列举智慧金融服务业务模块中用户反映最强烈的几个问题，并解释这些问题为什么会让用户感到不满，影响他们的使用体验。

假设你要优化智慧金融服务业务模块，以提升用户体验和服务质量。请设计一个优化方案，列出关键的实施步骤，并描述你期望的优化效果。

针对智能卖点生成系统，目前用户反馈中存在卖点生成不准确、缺乏个性化定制等一些显著的问题，这些问题直接影响了用户的使用体验和系统的服务质量。作为人工智能训练师，任务是结合人工智能技术和业务知识，对该系统的相关模块进行优化设计与实现。

请列举腾讯云智能数智人系统业务模块中用户反映最强烈的几个问题，并解释这些问题为什么会让用户感到不满，影响他们的使用体验。

设你要优化腾讯云智能数智人系统业务模块，以提升用户体验和服务质量。请设计一个优化方案，列出关键的实施步骤，并描述你期望的优化效果。

腾讯云智能数智人系统业务模块中用户反映最强烈的几个问题：问题一：数智人响应不准确（2分） · 用户为什么不满：数据的准确性是智能数智人最为关键的指标之一。当智能数智人未能正确理解或回答用户的问题时，这不仅影响了用户体验，还可能导致用户对系统失去信心，认为系统不可靠。 · 影响使用体验：用户可能会觉得与数智人的互动浪费时间且没有帮助，从而转向其他更可靠的服务渠道。（2分）问题二：缺乏个性化交互能力（2分） · 用户为什么不满：每个用户的背景和需求都是独特的，但当前的数智人系统未能提供个性化的服务体验。例如，不能记住用户的偏好或历史对话记录，无法根据用户的特定情况调整回应方式。这使得用户感觉不到被重视，降低了他们对系统的依赖度。 · 影响使用体验：用户会觉得数智人不够“聪明”，不能真正理解他们的需求，进而影响了用户的忠诚度和参与度。（2分）问题三：用户界面不友好（2分） · 用户为什么不满：需要很多操作步骤才能得到结果，在紧急情况下，这可能会让用户感到焦虑和不满，就算是一般的情况下，用户可能不愿意和这么复杂的系统打交道。 · 影响使用体验：用户认为很多步骤是在浪费自己的时间，有可能带来困惑。（2分）

针对上述问题，请设计优化方案： 1. 对现有算法进行优化，并引进更先进的算法，提高智能数智人的准确性（2分） A. 数据收集和标注：收集大量与产品相关的数据，并对其进行标注，明确哪些是产品的核心卖点。例如，对于电子产品，标注其高分辨率屏幕、长续航电池等卖点。 B. 模型训练和优化，应用深度学习算法进行文本理解和语义分析，从海量数据中挖掘出更有价值的产品或服务特性。 C. 用户反馈和迭代，将模型集成到现有系统中，根据用户反馈，对模型进行持续迭代优化，不断改进卖点生成的准确性。（2分） 2. 个性化推荐机制建设（2分） A. 基于历史行为、购买记录、浏览习惯等因素构建用户画像。 B. 根据用户画像为每个用户提供个性化的数智人服务。 C. 根据用户反馈提供更多个性化推荐，改进现有推荐 D. 提供个性化的用户界面，吸引更多用户（2分） 3. 优化用户界面的设计（2分）简化界面：简化操作流程，去除不必要的点击与输入。交互优化：提供简洁直观的展示界面，以醒目的颜色突出关注的区域（2分）预期效果 · 数智人响应的准确性显著提高，减少了人工干预的需求，提升了用户满意度。 · 提供了高度个性化的交互体验，增强了用户的归属感和粘性。 · 系统界面更加友好和易用，用户操作十分顺畅舒适。 · 整体用户体验和服务质量提升一个档次，客户忠诚度提升15%。

智慧交通中燃油效率模型的数据清洗和标注流程设计考核时间：20min 1.场地设备要求 (1)人工智能训练师主机 1 台； (2)Python 编译环境； (3)汽车燃油效率数据集（auto-mpg.csv）； 2.工作任务在现代交通中，燃油效率（MPG）是衡量汽车性能和交通系统优化的重要指标之一。高效的燃油利用不仅能够降低车辆运营成本，还能减少碳排放，促进环保。开发一个用于预测汽车燃油效率的模型可以帮助智慧交通系统优化路线规划和车辆调度，从而提升整体交通效率和减少能源消耗。此外，这样的模型还可以帮助消费者做出更明智的购车决策，并帮助厂商优化汽车设计。现要求根据提供的汽车燃油效率数据集，补全2.1.1.ipynb代码。选择合适的特征，开发一个燃油效率预测模型。在开发预测模型之前，首先要对数据进行数据清洗和标注，请完成下面的数据预处理任务，并设计一套标注流程规范： (1)正确加载数据集，并显示前五行的数据及数据类型。 (2)检查数据集中的缺失值并删除缺失值所在的行。 (3)将“horsepower”列转换为数值类型，并处理转换中的异常值。 (4)对数值型数据进行标准化处理，确保数据在同一量纲下进行分析。 (5)根据业务需求和数据特性，选择对燃油效率预测最有用的特征：选择以下特征：'cylinders'、'displacement'、'horsepower'、'weight'、'acceleration'、'model year'、'origin' (6)将“mpg”设为目标变量并标注； (7)对数据进行标注和划分；

在现代交通中，燃油效率（MPG）是衡量汽车性能和交通系统优化的重要指标之一。高效的燃油利用不仅能够降低车辆运营成本，还能减少碳排放，促进环保。开发一个用于预测汽车燃油效率的模型可以帮助智慧交通系统优化路线规划和车辆调度，从而提升整体交通效率和减少能源消耗。此外，这样的模型还可以帮助消费者做出更明智的购车决策，并帮助厂商优化汽车设计。现要求根据提供的汽车燃油效率数据集，补全2.1.1.ipynb代码。选择合适的特征，开发一个燃油效率预测模型。在开发预测模型之前，首先要对数据进行数据清洗和标注，请完成下面的数据预处理任务，并设计一套标注流程规范： (1)正确加载数据集，并显示前五行的数据及数据类型。 (2)检查数据集中的缺失值并删除缺失值所在的行。 (3)将“horsepower”列转换为数值类型，并处理转换中的异常值。 (4)对数值型数据进行标准化处理，确保数据在同一量纲下进行分析。 (5)根据业务需求和数据特性，选择对燃油效率预测最有用的特征：选择以下特征：'cylinders'、'displacement'、'horsepower'、'weight'、'acceleration'、'model year'、'origin' (6)将“mpg”设为目标变量并标注； (7)对数据进行标注和划分； (8)保存处理后的数据，并命名为：2.1.1_cleaned_data.csv，保存到考生文件夹； (9)制定数据清洗和标注规范，将答案写到答题卷文件中，答题卷文件命名为“2.1.1.docx”，保存到考生文件夹； (10)将以上代码以及运行结果，以html格式保存并命名为2.1.1.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。 (缺图)

在应对气候变化的背景下，了解和促进低碳生活行为变得越来越重要。现要求根据提供的“大学生低碳生活行为的影响因素数据集”，选择合适的特征，开发一个预测大学生低碳生活行为的模型。提供的数据集样本数据包含300多个关于大学生低碳生活行为的自变量和因变量，自变量为主观规范、知觉行为控制、低碳行为态度，中介变量为行为意愿，因变量为低碳生活行为。同时，性别、生源地、月生活费作为控制变量进行研究。在开发预测模型之前，首先要对数据进行数据清洗和标注。补全2.1.2.ipynb代码。完成下面的数据预处理任务，并设计一套标注流程规范：（1）正确加载数据集，并显示前五行的数据；（2）检查数据集中的缺失值，使用删除包含缺失值的行的办法处理，记录缺失值处理后的数据行数；（3）检查数据集中的重复值并删除所有重复值，并记录删除的行数；（4）对数值型数据进行标准化处理，确保数据在同一量纲下进行分析；（5）根据业务需求和数据特性，选择对低碳生活行为预测最有用的特征，将“低碳行为积极性”设为目标变量并标注。选择以下特征： 1.您的性别○男性 ○女性 2.您的年级○大一 ○大二 ○大三 ○大四 3.您的生源地○农村 ○城镇（乡镇） ○地市级城市 ○省会城市及直辖市 4.您的月生活费○≤1,000元 ○1,001-2,000元 ○2,001-3,000元 ○≥3,001元 5.您进行过绿色低碳的相关生活方式吗？ 6.您觉得“低碳”，与你的生活关系密切吗？ 7.低碳生活是否会成为未来的主流生活方式？ 8.您是否认为低碳生活会提高您的生活质量？（6）对数据进行划分（8:2）；（7）保存处理后的数据，并命名为：2.1.2.cleaned_data.csv，保存到考生文件夹；（8）制定数据清洗和标注规范，将答案写到答题卷文件中，答题卷文件命名为“2.1.2.docx”，保存到考生文件夹；（9）将以上代码以及运行结果，以html格式保存并命名为2.1.2.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。

低碳生活行为影响因素数据清洗和标注流程设计考核时间：20min 请完成以下操作： 1. 读取一个Excel文件，将读取到的数据存储在变量data中，并打印出数据集的前5行 2. 处理数据集中的缺失值：删除缺失值所在行，记录处理前后的数据行数 3. 删除重复行 4. 对数据进行标准化处理 5. 选择特征：选择以下特征： - 1.您的性别o男性 o女性 - 2.您的年级o大一 o大二 o大三 o大四 - 3.您的生源地o农村 o城镇（乡镇） o地县级城市 o省会城市及直辖市 - 4.您的月生活费o≤1,000元 o1,001-2,000元 o2,001-3,000元 o≥3,001元 - 5.您进行过绿色低碳的相关生活方式吗？ - 6.你觉得“低碳”与你的生活关系密切吗？ - 7.低碳生活是否会成为未来的主流生活方式？ - 8.您是否认为低碳生活会提高您的生活质量？ 6. 创建目标变量：选择“低碳行为积极性”作为目标变量 7. 数据划分：测试集取20% 8. 合并处理后的数据，保存为csv文件（保存中不用额外创建索引） 9. 制定数据清洗规范（每正确回答1个规范点得1分，最高得2分） 10. 制定数据标注规范（每正确回答1个规范点得1分，最高得3分） (缺图)

信用评分模型数据清洗和标注流程设计考核时间：20min 场地设备要求：（1）人工智能训练师主机1台；（2）Python编译环境；（3）Finance数据集。工作任务：互联网金融飞速发展，使得个人金融理财变得越来越容易。而其中信用评分技术是一种对贷款申请人（信用卡申请人）做风险评估分值的统计模型，可以根据客户提供的资料、客户的历史数据、第三方平台数据（芝麻分、京东、微信等），对客户的信用进行评估。现要求根据提供的Finance数据集，选择合适的特征，开发一个申请的评分模型，对未来一段时间内借贷人出现违约的概率进行预测，对客户信用进行评估打分。提供的数据集样本数据一共15000条，10个自变量，1个因变量（SeriousDlqin2yrs）。在开发评分模型之前，首先要对数据进行数据清洗，请补全2.1.3.ipynb代码完成下面的数据预处理任务，并设计一套标注流程规范：（1）正确加载数据集，并显示前五行的数据；（2）检查数据集中的异常值并处理异常值，使用箱线图检测异常值，使用IQR方法处理异常值；设置图像的尺寸为12英寸宽和8英寸高；将画布分成3行4列，总共可以容纳12个子图；（3）检查数据集中的重复值并删除所有重复值，并记录删除的行数；（4）对数据进行归一化处理；（5）创建新的特征IncomeToDebtRatio，MonthlyIncome，并添加到数据集中；（6）将SeriousDlqin2yrs设为目标变量并标注；（7）对数据进行划分；（8）保存处理后的数据，并命名为：2.1.3_cleaned_data.csv，保存到考生文件夹；（9）制定数据清洗和特征工程规范，将答案写到答题卷文件中，答题卷文件命名为“2.1.3.docx”，保存到考生文件夹；（10）将以上代码以及运行结果，以html格式保存并命名为2.1.3.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。技能要求：（1）能进行数据清洗和特征工程，包括缺失值处理、异常值处理、数据标准化和特征创建；（2）能使用Python编程实现上述数据预处理和特征工程步骤。质量指标：（1）数据预处理步骤完整，方法选择合理。（2）代码实现正确，结果符合预期 (缺图)