數(shù)據(jù)挖掘試題

1、For personal use only in study and research; not for commercial use單選題1. 某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖 掘的哪類問題？ (A)A. 關聯(lián)規(guī)則發(fā)現(xiàn) B. 聚類C. 分類 D. 自然語言處理3. 將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務？ (C)A. 頻繁模式挖掘 B. 分類和預測 C. 數(shù)據(jù)預處理 D. 數(shù)據(jù)流挖掘4. 當不知道數(shù)據(jù)所帶標簽時，可以使用哪種技術促使帶同類標簽的數(shù)據(jù)與帶其他標簽的數(shù) 據(jù)相分離？ (B)A. 分類 B. 聚類 C. 關聯(lián)分析

2、 D. 隱馬爾可夫鏈6. 使用交互式的和可視化的技術，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務？(A)A. 探索性數(shù)據(jù)分析 B. 建模描述C. 預測建模 D. 尋找模式和規(guī)則11. 下面哪種不屬于數(shù)據(jù)預處理的方法？(D)A 變量代換 B 離散化 C 聚集 D 估計遺漏值12. 假設 12 個銷售價格記錄組已經(jīng)排序如下： 5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204,215 使用如下每種方法將它們劃分成四個箱。 等頻(等深)劃分時，15 在第幾個箱子內？ (B)A 第一個B 第二個 C第三個D第四個13. 上題中,等寬劃分時(寬度為50),1 5又在哪個箱子

3、里？ (A)A 第一個B 第二個 C第三個D第四個16. 只有非零值才重要的二元屬性被稱作：( C )A 計數(shù)屬性 B 離散屬性 C 非對稱的二元屬性 D 對稱屬性17. 以下哪種方法不屬于特征選擇的標準方法： (D)A 嵌入 B 過濾 C 包裝 D 抽樣18. 下面不屬于創(chuàng)建新屬性的相關方法的是： (B)A 特征提取 B 特征修改 C 映射數(shù)據(jù)到新的空間 D 特征構造22. 假設屬性 income 的最大最小值分別是 12000 元和 98000 元。利用最大最小規(guī)范化的方 法將屬性的值映射到 0 至 1 的范圍內。對屬性 income 的 73600 元將被轉化為： (D) A 0.821

4、 B 1.224 C 1.458 D 0.71623. 假定用于分析的數(shù)據(jù)包含屬性 age。數(shù)據(jù)元組中age的值如下(按遞增序)：13, 15, 16, 16， 19， 20， 20， 21， 22， 22， 25， 25， 25， 30， 33， 33， 35， 35， 36， 40， 45， 46， 52，70, 問題： 使用按箱平均值平滑方法對上述數(shù)據(jù)進行平滑, 箱的深度為 3。第二個箱子值為： (A)A 18.3 B 22.6 C 26.8 D 27.928. 數(shù)據(jù)倉庫是隨著時間變化的 , 下面的描述不正確的是 (C)A. 數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內容 ;B. 捕捉到的新數(shù)

5、據(jù)會覆蓋原來的快照 ;C. 數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內容 ;D. 數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù) , 這些綜合數(shù)據(jù)會隨著時間的變化不斷地進行重新綜合 .29. 關于基本數(shù)據(jù)的元數(shù)據(jù)是指 : (D)A. 基本元數(shù)據(jù)與數(shù)據(jù)源 ,數(shù)據(jù)倉庫 ,數(shù)據(jù)集市和應用程序等結構相關的信息 ;B. 基本元數(shù)據(jù)包括與企業(yè)相關的管理方面的數(shù)據(jù)和信息 ;C. 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調度信息 ;D. 基本元數(shù)據(jù)包括關于裝載和更新處理 , 分析處理以及管理方面的信息 .30. 下面關于數(shù)據(jù)粒度的描述不正確的是 : (C)A. 粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別 ;B. 數(shù)據(jù)越詳細 ,粒度

6、就越小 , 級別也就越高 ;C. 數(shù)據(jù)綜合度越高 , 粒度也就越大 , 級別也就越高 ;D. 粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質量 .33. OLAP 技術的核心是 : (D)A. 在線性 ;B. 對用戶的快速響應 ;C. 互操作性 .D. 多維分析 ;34. 關于OLAP的特性,下面正確的是：(D)(1) 快速性 (2) 可分析性 (3) 多維性 (4) 信息性 (5) 共享性A. (1) (2) (3)B. (2) (3) (4)C. (1) (2) (3) (4)D. (1) (2) (3) (4) (5)35. 關于OLAP和OLTP的區(qū)別描述,不正確的是：(C)A.

7、 OLAP主要是關于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應用程序不同.B. 與OLAP應用程序不同，OLTP應用程序包含大量相對簡單的事務.C. OLAP的特點在于事務量大，但事務內容比較簡單且重復率高D. OLAP是以數(shù)據(jù)倉庫為基礎的，但其最終數(shù)據(jù)來源與OLTP樣均來自底層的數(shù)據(jù)庫系統(tǒng)，兩者面對的用戶是相同的 .37. 關于OLAP和OLTP的說法，下列不正確的是：(A)A. OLAP 事務量大 ， 但事務內容比較簡單且重復率高 .B. OLAP的最終數(shù)據(jù)來源與 OLTP不一樣.C. OLTP 面對的是決策人員和高層管理人員 .D. OLTP 以應用為核心 ， 是應用驅動的 .38.

8、設X=1，2，3是頻繁項集，則可由X產生_(C)_個關聯(lián)規(guī)則。A、4 B、5 C、6 D、740. 概念分層圖是 _(B)_ 圖。A、無向無環(huán) B、有向無環(huán) C、有向有環(huán) D、無向有環(huán)41. 頻繁項集、頻繁閉項集、最大頻繁項集之間的關系是： (C)A、頻繁項集頻繁閉項集=最大頻繁項集B頻繁項集=頻繁閉項集最大頻繁項集C頻繁項集頻繁閉項集最大頻繁項集D頻繁項集=頻繁閉項集=最大頻繁項集44. 在圖集合中發(fā)現(xiàn)一組公共子結構，這樣的任務稱為 ( B )A、頻繁子集挖掘 B、頻繁子圖挖掘 C、頻繁數(shù)據(jù)項挖掘 D、頻繁模式挖掘48. 以下哪些算法是分類算法，A， DBSCAN B， C4.5 C，K-M

9、ean D，EM(B)50.決策樹中不包含一下哪種結點，A,根結點(root node) B,內部結點(internal node )C,外部結點(external node ) D,葉結點(leaf node ) (C)53. 以下哪項關于決策樹的說法是錯誤的 (C)A. 冗余屬性不會對決策樹的準確率造成不利的影響B(tài). 子樹可能在決策樹中重復多次C. 決策樹算法對于噪聲的干擾非常敏感D. 尋找最佳決策樹是 NP完全問題54. 在基于規(guī)則分類器的中，依據(jù)規(guī)則質量的某種度量對規(guī)則排序，保證每一個測試記錄都是由覆蓋它的“最好的”規(guī)格來分類，這種方案稱為(B)A. 基于類的排序方案B. 基于規(guī)則的排

10、序方案C. 基于度量的排序方案D. 基于規(guī)格的排序方案。57. 如果對屬性值的任一組合，R中都存在一條規(guī)則加以覆蓋，則稱規(guī)則集R中的規(guī)則為(B)A,無序規(guī)則 B，窮舉規(guī)則 C , 互斥規(guī)則 D，有序規(guī)則58. 如果規(guī)則集中的規(guī)則按照優(yōu)先級降序排列，則稱規(guī)則集是(D)A,無序規(guī)則 B，窮舉規(guī)則 C，互斥規(guī)則 D，有序規(guī)則61.以下關于人工神經(jīng)網(wǎng)絡(ANN的描述錯誤的有(A)A,神經(jīng)網(wǎng)絡對訓練數(shù)據(jù)中的噪聲非常魯棒B，可以處理冗余特征 C，訓練ANN是一個很耗時的過程 D，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡二、多選題1.通過數(shù)據(jù)挖掘過程所推倒出的關系和摘要經(jīng)常被稱為：(A B)A.模型 B. 模式 C

11、. 模范 D. 模具2尋找數(shù)據(jù)集中的關系是為了尋找精確、方便并且有價值地總結了數(shù)據(jù)的某一特征的表示，這個過程包括了以下哪些步驟？(A B C D)A. 決定要使用的表示的特征和結構B. 決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞C. 選擇一個算法過程使評分函數(shù)最優(yōu)D. 決定用什么樣的數(shù)據(jù)管理原則以高效地實現(xiàn)算法。4. 數(shù)據(jù)挖掘算法的組件包括：(A B C D)A. 模型或模型結構 B.評分函數(shù) C. 優(yōu)化和搜索方法 D.數(shù)據(jù)管理策略5. 以下哪些學科和數(shù)據(jù)挖掘有密切聯(lián)系？(A D)A.統(tǒng)計 B.計算機組成原理C. 礦產挖掘 D.人工智能6. 在現(xiàn)實世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的。描

12、述處理該問題的各種方法有：(ABCDE )A忽略元組C使用一個全局常量填充空缺值B使用屬性的平均值填充空缺值D使用與給定元組屬同一類的所有樣本的平均值E使用最可能的值填充空缺值8.對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：(ABCDE )A不一致 B 重復C不完整D含噪聲E維度高12. 下面列出的條目中，哪些是數(shù)據(jù)倉庫的基本特征：(ACD)A.數(shù)據(jù)倉庫是面向主題的B.數(shù)據(jù)倉庫的數(shù)據(jù)是集成的C.數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的D.數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的E. 數(shù)據(jù)倉庫是面向事務的13. 以下各項均是針對數(shù)據(jù)倉庫的不同說法，你認為正確的有(BCDE )。A.數(shù)據(jù)倉庫就是數(shù)據(jù)庫B. 數(shù)據(jù)倉庫是一切商業(yè)

13、智能系統(tǒng)的基礎C. 數(shù)據(jù)倉庫是面向業(yè)務的，支持聯(lián)機事務處理（ OLTPD. 數(shù)據(jù)倉庫支持決策而非事務處理E數(shù)據(jù)倉庫的主要目標就是幫助分析，做長期性的戰(zhàn)略制定14. 數(shù)據(jù)倉庫在技術上的工作過程是： （ABCD）A. 數(shù)據(jù)的抽取 B. 存儲和管理 C. 數(shù)據(jù)的表現(xiàn)D. 數(shù)據(jù)倉庫設計 E. 數(shù)據(jù)的表現(xiàn)15. 聯(lián)機分析處理包括以下哪些基本分析功能？ （BCD）A. 聚類 B. 切片 C. 轉軸 D. 切塊 E. 分類16. 利用 Apriori 算法計算頻繁項集可以有效降低計算頻繁集的時間復雜度。 在以下的購物 籃中產生支持度不小于 3 的候選 3- 項集，在候選 2-項集中需要剪枝的是（ BD）ID

14、項集1面包、牛奶2面包、尿布、啤酒、雞蛋3牛奶、尿布、啤酒、可樂4面包、牛奶、尿布、啤酒5面包、牛奶、尿布、可樂A、啤酒、尿布B、啤酒、面包 C 、面包、尿布 D 、啤酒、牛奶18. Apriori 算法的計算復雜度受 _（ABCD）?_影響。A、支持度閥值 B、項數(shù)（維度）C事務數(shù) D、事務平均寬度19. 非頻繁模式 _（AD）_A、其支持度小于閾值 B、都是不讓人感興趣的C包含負模式和負相關模式 D、對異常數(shù)據(jù)項敏感22.貝葉斯信念網(wǎng)絡（BBN）有如下哪些特點，A,構造網(wǎng)絡費時費力 B,對模型的過分問題非常 魯棒 C, 貝葉斯網(wǎng)絡不適合處理不完整的數(shù)據(jù)D, 網(wǎng)絡結構確定后，添加變量相當麻煩

15、（ AB）三、 判斷題1. 數(shù)據(jù)挖掘的主要任務是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成描述數(shù)據(jù)、預測數(shù) 據(jù)等任務。 （ 對）2. 數(shù)據(jù)挖掘的目標不在于數(shù)據(jù)采集策略， 而在于對于已經(jīng)存在的數(shù)據(jù)進行模式的發(fā)掘。 （對）3. 圖挖掘技術在社會網(wǎng)絡分析中扮演了重要的角色。 （對）4. 模式為對數(shù)據(jù)集的全局性總結，它對整個測量空間的每一點做出描述；模型則對變量變 化空間的一個有限區(qū)域做出描述。 （錯）5. 尋找模式和規(guī)則主要是對數(shù)據(jù)進行干擾，使其符合某種規(guī)則以及模式。（錯）6. 離群點可以是合法的數(shù)據(jù)對象或者值。（對）7. 離散屬性總是具有有限個值。（錯）8. 噪聲和偽像是數(shù)據(jù)錯誤這一相同表述的兩種叫

16、法。（錯）9. 用于分類的離散化方法之間的根本區(qū)別在于是否使用類信息。（對）10. 特征提取技術并不依賴于特定的領域。（錯）12. 定量屬性可以是整數(shù)值或者是連續(xù)值。（對）14. DSS 主要是基于數(shù)據(jù)倉庫 . 聯(lián)機數(shù)據(jù)分析和數(shù)據(jù)挖掘技術的應用。（對）15. OLAP 技術側重于把數(shù)據(jù)庫中的數(shù)據(jù)進行分析、轉換成輔助決策信息，是繼數(shù)據(jù)庫技術發(fā)展之后迅猛發(fā)展起來的一種新技術。對）17. 數(shù)據(jù)倉庫中間層 OLAP服務器只能采用關系型 OLAP（錯）18數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析工具等四個部分.（錯）21. 關聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項集代表的規(guī)則。（

17、錯）24. 如果規(guī)則 不滿足置信度閾值，則形如 的規(guī)則一定也不滿足置信度閾值，其中是 X 的子集。（對）25. 具有較高的支持度的項集具有較高的置信度。 （錯）26. 聚類（ clustering ）是這樣的過程：它找出描述并區(qū)分數(shù)據(jù)類或概念的模型 （或函數(shù)），以便能夠使用模型預測類標記未知的對象類。（錯）27. 分類和回歸都可用于預測， 分類的輸出是離散的類別值， 而回歸的輸出是連續(xù)數(shù)值。 （ 對）29. Bayes 法是一種在已知后驗概率與類條件概率的情況下的模式分類方法，待分樣本的分 類結果取決于各類域中樣本的全體。 （ 錯）僅供個人用于學習、研究；不得用于商業(yè)用途。For person

18、al use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r Studien, Forschung, zu kommerziellen Zwecken verwendet werden.Pour l e tude et la recherche uniquement a des fins personnelles; pas a des fins commerciales.t o ji e k o g員刃 Jirogefi , KOTOpbieucnoE3yroTCHg員刃o6yqeHUE , uccjegoBaHu 肉 u He goj冶hbi ucnojE3OBaTECEbKOMMepqeckux以下無正文僅供個人用于學習、研究；不得用于商業(yè)用途。For personal use only in study and research; not for commercial use.Nur f u r den per