數(shù)據(jù)挖掘習(xí)題題

1、數(shù)據(jù)挖掘復(fù)習(xí)題單選題1. 某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？ (A)A. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B. 聚類C. 分類D. 自然語(yǔ)言處理2. 以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類算法的評(píng)價(jià)標(biāo)準(zhǔn)？ (A)(a) 警察抓小偷，描述警察抓的人中有多少個(gè)是小偷的標(biāo)準(zhǔn)。(b) 描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。A. Precision, Recall B. Recall, PrecisionA. Precision, ROC D. Recall, ROC3. 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個(gè)步驟的任務(wù)？ (C)A. 頻繁模式挖掘 B.

2、分類和預(yù)測(cè) C. 數(shù)據(jù)預(yù)處理D. 數(shù)據(jù)流挖掘4. 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離？ (B)A. 分類 B. 聚類 C. 關(guān)聯(lián)分析D. 隱馬爾可夫鏈5. 什么是 KDD？ (A)A. 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)B. 領(lǐng)域知識(shí)發(fā)現(xiàn)C. 文檔知識(shí)發(fā)現(xiàn)D. 動(dòng)態(tài)知識(shí)發(fā)現(xiàn)6. 使用交互式的和可視化的技術(shù)，對(duì)數(shù)據(jù)進(jìn)行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(A)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測(cè)建模 D. 尋找模式和規(guī)則7. 為數(shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務(wù)？ (B)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測(cè)建模 D.

3、尋找模式和規(guī)則8. 建立一個(gè)模型，通過這個(gè)模型根據(jù)已知的變量值來(lái)預(yù)測(cè)其他某個(gè)變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？ (C)A. 根據(jù)內(nèi)容檢索B. 建模描述C. 預(yù)測(cè)建模 D. 尋找模式和規(guī)則9. 用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務(wù)？ (A)A. 根據(jù)內(nèi)容檢索B. 建模描述C. 預(yù)測(cè)建模 D. 尋找模式和規(guī)則11. 下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？ (D)A 變量代換B 離散化 C 聚集 D 估計(jì)遺漏值12. 假設(shè) 12 個(gè)銷售價(jià)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

4、方法將它們劃分成四個(gè)箱。 等頻 (等深) 劃分時(shí)， 15 在第幾個(gè)箱子內(nèi)？ (B)A 第一個(gè)B第二個(gè)C第三個(gè)D第四個(gè)13. 上題中，等寬劃分時(shí)(寬度為 50) ， 15 又在哪個(gè)箱子里？ (A)A 第一個(gè)B第二個(gè)C第三個(gè)D第四個(gè)14. 下面哪個(gè)不屬于數(shù)據(jù)的屬性類型： (D)A 標(biāo)稱 B 序數(shù) C 區(qū)間 D 相異15. 在上題中，屬于定量的屬性類型是：(C)A 標(biāo)稱 B 序數(shù) C 區(qū)間 D 相異16. 只有非零值才重要的二元屬性被稱作： ( C )A 計(jì)數(shù)屬性 B 離散屬性 C 非對(duì)稱的二元屬性D 對(duì)稱屬性17. 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法： (D)A 嵌入B 過濾 C 包裝 D 抽樣

5、18. 下面不屬于創(chuàng)建新屬性的相關(guān)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(gòu)造19. 考慮值集1、2、3、4、5、90,其截?cái)嗑?p=20%是(C)A 2 B 3 C 3.5 D 520. 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？ (A)A 傅立葉變換 B 特征加權(quán) C 漸進(jìn)抽樣 D 維歸約21. 熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是： (B)A 1 比特 B 2.6 比特 C 3.2 比特 D 3.8 比特22. 假設(shè)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

6、0 至 1 的范圍內(nèi)。對(duì)屬性income 的 73600 元將被轉(zhuǎn)化為： (D)A 0.821 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(duì)上述數(shù)據(jù)進(jìn)行平滑， 箱的深度為3。 第二個(gè)箱子值為：(A)A 18.3 B 22.6 C 26.8 D 27.924. 考慮值集 12 24 3

7、3 2 4 55 68 26 ，其四分位數(shù)極差是： (A)A 31 B 24 C 55 D 325. 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級(jí) 200 人，二年級(jí) 160 人， 三年級(jí) 130 人， 四年級(jí) 110 人。則年級(jí)屬性的眾數(shù)是： (A)A 一年級(jí) B 二年級(jí) C 三年級(jí) D 四年級(jí)26. 下列哪個(gè)不是專門用于可視化時(shí)間空間數(shù)據(jù)的技術(shù)： (B)A 等高線圖 B 餅圖 C 曲面圖 D 矢量場(chǎng)圖27. 在抽樣方法中，當(dāng)合適的樣本容量很難確定時(shí)，可以使用的抽樣方法是： (D)A 有放回的簡(jiǎn)單隨機(jī)抽樣B 無(wú)放回的簡(jiǎn)單隨機(jī)抽樣C 分層抽樣 D 漸進(jìn)抽樣28. 數(shù)據(jù)倉(cāng)庫(kù)是隨著時(shí)間變化的 , 下面的描

8、述不正確的是(C)A. 數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容B. 捕捉到的新數(shù)據(jù)會(huì)覆蓋原來(lái)的快照 ;C. 數(shù)據(jù)倉(cāng)庫(kù)隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D. 數(shù)據(jù)倉(cāng)庫(kù)中包含大量的綜合數(shù)據(jù), 這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重新綜合29. 關(guān)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(cāng)庫(kù) , 數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;B. 基本元數(shù)據(jù)包括與企業(yè)相關(guān)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(jiǎn)歷執(zhí)行處理的時(shí)序調(diào)度信息;D. 基本元數(shù)據(jù)包括關(guān)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(guān)于數(shù)據(jù)粒度的描述不正確的是: (C)A. 粒度是

9、指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別 ;B. 數(shù)據(jù)越詳細(xì) , 粒度就越小, 級(jí)別也就越高;C. 數(shù)據(jù)綜合度越高, 粒度也就越大, 級(jí)別也就越高;D. 粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢質(zhì)量.31. 有關(guān)數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)特點(diǎn) , 不正確的描述是: (A)A. 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉(cāng)庫(kù)使用的需求在開發(fā)出去就要明確 ;C. 數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)是一個(gè)不斷循環(huán)的過程, 是啟發(fā)式的開發(fā);D. 在數(shù)據(jù)倉(cāng)庫(kù)環(huán)境中 , 并不存在操作型環(huán)境中所固定的和較確切的處理流, 數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)分析和處理更靈活, 且沒有固定的模式32. 在有關(guān)數(shù)據(jù)倉(cāng)庫(kù)測(cè)試 , 下列說法不正確的是: (D)A. 在完

10、成數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過程中 , 需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行各種測(cè)試. 測(cè)試工作中要包括單元測(cè)試和系統(tǒng)測(cè)試.B. 當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的每個(gè)單獨(dú)組件完成后, 就需要對(duì)他們進(jìn)行單元測(cè)試 .C. 系統(tǒng)的集成測(cè)試需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)的所有組件進(jìn)行大量的功能測(cè)試和回歸測(cè)試.D. 在測(cè)試之前沒必要制定詳細(xì)的測(cè)試計(jì)劃 .33. OLAP 技術(shù)的核心是: (D)A. 在線性 ;B. 對(duì)用戶的快速響應(yīng);C. 互操作性.D. 多維分析;34. 關(guān)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)

11、 (4)D. (1) (2) (3) (4) (5)35. 關(guān)于OLA可口 OLTP的區(qū)別描述,不正確的是：(C)A. OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAPS用程序不同.B.與OLAP應(yīng)用程序不同，OLTP應(yīng)用程序包含大量相對(duì)簡(jiǎn)單的事務(wù).C. OLAP 的特點(diǎn)在于事務(wù)量大, 但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高.D. OLAP是以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的，但其最終數(shù)據(jù)來(lái)源與OLTP一樣均來(lái)自底層的數(shù)據(jù)庫(kù)系統(tǒng)，兩者面對(duì)的用戶是相同的 .36. OLAM 技術(shù)一般簡(jiǎn)稱為”數(shù)據(jù)聯(lián)機(jī)分析挖掘” , 下面說法正確的是: (D)A. OLAP和OLAMTB基于客戶機(jī)/服務(wù)器模式，只有后者有與用戶的

12、交互性；B.由于OLAM勺立方體和用于 OLAP勺立方體有本質(zhì)的區(qū)別.C.基于 WEB勺OLAM WE眼術(shù)與 OLA雌術(shù)的結(jié)合.D. OLAM艮務(wù)器通過用戶圖形借口接收用戶的分析指令，在元數(shù)據(jù)白知道下，對(duì)超級(jí)立方體作一定的操作.37 .關(guān)于OLA可口 OLTP的說法，下列不正確的是：(A)A. OLAP 事務(wù)量大 , 但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高.B. OLAP的最終數(shù)據(jù)來(lái)源與OLTP不一樣.C. OLTP 面對(duì)的是決策人員和高層管理人員 .D. OLTP 以應(yīng)用為核心, 是應(yīng)用驅(qū)動(dòng)的 .38 .設(shè)*=1, 2, 3是頻繁項(xiàng)集，則可由 X產(chǎn)生_(C)_個(gè)關(guān)聯(lián)規(guī)則。A、 4 B 、 5 C、 6

13、 D、 740. 概念分層圖是_(B)_ 圖。A 無(wú)向無(wú)環(huán) B、有向無(wú)環(huán) C、有向有環(huán) D、無(wú)向有環(huán)41. 頻繁項(xiàng)集、頻繁閉項(xiàng)集、最大頻繁項(xiàng)集之間的關(guān)系是： (C)A、頻繁項(xiàng)集頻繁閉項(xiàng)集=最大頻繁項(xiàng)集日頻繁項(xiàng)集=頻繁閉項(xiàng)集最大頻繁項(xiàng)集C頻繁項(xiàng)集頻繁閉項(xiàng)集最大頻繁項(xiàng)集D頻繁項(xiàng)集=頻繁閉項(xiàng)集=最大頻繁項(xiàng)集42. 考慮下面的頻繁3- 項(xiàng)集的集合： 1 ， 2， 3 ， 1 ， 2， 4 ， 1 ， 2， 5 ， 1 ， 3， 4 ， 1 ，3， 5 ， 2 ， 3， 4 ， 2 ， 3， 5 ， 3 ， 4， 5假定數(shù)據(jù)集中只有5 個(gè)項(xiàng)，采用 合并策略，由候選產(chǎn)生過程得到 4-項(xiàng)集不包含(C)A、

14、1 ， 2， 3， 4 B 、 1， 2， 3， 5 C、 1 ， 2， 4， 5 D、 1 ， 3， 4， 543. 下面選項(xiàng)中 t 不是 s 的子序列的是( C )A、 s=<2,4,3,5,6,8> t=<2,3,6,8>B、 s=<2,4,3,5,6,8> t=<2,8>C、 s=<1,2,3,4> t=<1,2>D、 s=<2,4,2,4> t=<2,4>44. 在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)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(xiàng)挖掘 D、頻繁模式挖掘4

15、5. 下列度量不具有反演性的是(D)A 系數(shù)B、幾率C、Cohen度量D、興趣因子46. 下列 _(A)_ 不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。A、與同一時(shí)期其他數(shù)據(jù)對(duì)比日可視化C基于模板的方法D主觀興趣度量47. 下面購(gòu)物籃能夠提取的 3-項(xiàng)集的最大數(shù)量是多少(C)ID 購(gòu)買項(xiàng)1 牛奶，啤酒，尿布2 面包，黃油，牛奶3 牛奶，尿布，餅干4 面包，黃油，餅干5 啤酒，餅干，尿布6 牛奶，尿布，面包，黃油7 面包，黃油，尿布8 啤酒，尿布9 牛奶，尿布，面包，黃油10 啤酒，餅干A、 1 B 、 2 C 、 3 D 、 448. 以下哪些算法是分類算法，A， DBSCAN B， C4.5

16、C,K-Mean D,EM ( B)49. 以下哪些分類方法可以較好地避免樣本的不平衡問題， A ， KNN B， SVM C， Bayes D ，神經(jīng)網(wǎng)絡(luò)( A)50. 決策樹中不包含一下哪種結(jié)點(diǎn)， A, 根結(jié)點(diǎn)( root node) B, 內(nèi)部結(jié)點(diǎn)( internal node )C,外部結(jié)點(diǎn)(external node ) D,葉結(jié)點(diǎn)(leaf node ) (C)51. 不純性度量中 Gini 計(jì)算公式為(其中 c 是類的個(gè)數(shù)) (A)A, B, C, D,(A)53. 以下哪項(xiàng)關(guān)于決策樹的說法是錯(cuò)誤的 (C)A. 冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響B(tài). 子樹可能在決策樹中重

17、復(fù)多次C. 決策樹算法對(duì)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(zhì)量的某種度量對(duì)規(guī)則排序， 保證每一個(gè)測(cè)試記錄都是由覆蓋它的“最好的”規(guī)格來(lái)分類，這種方案稱為 (B)A. 基于類的排序方案B. 基于規(guī)則的排序方案C. 基于度量的排序方案D. 基于規(guī)格的排序方案。55. 以下哪些算法是基于規(guī)則的分類器 (A)A. C4.5 B. KNN C. Na?ve Bayes D. ANN56. 如果規(guī)則集 R 中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集 R 中的規(guī)則為（C） ；A, 無(wú)序規(guī)則 B ，窮舉規(guī)則 C ， 互斥規(guī)則 D ，有序規(guī)則57.

18、如果對(duì)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(wú)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(jí)降序排列，則稱規(guī)則集是（D）A,無(wú)序規(guī)則B ，窮舉規(guī)則C ，互斥規(guī)則D ，有序規(guī)則59. 如果允許一條記錄觸發(fā)多條分類規(guī)則， 把每條被觸發(fā)規(guī)則的后件看作是對(duì)相應(yīng)類的一次投票，然后計(jì)票確定測(cè)試記錄的類標(biāo)號(hào)，稱為（A）A, 無(wú)序規(guī)則 B ，窮舉規(guī)則 C ， 互斥規(guī)則 D ，有序規(guī)則60. 考慮兩隊(duì)之間的足球比賽：隊(duì)0 和隊(duì) 1。假設(shè)65%的比賽隊(duì)0 勝出，剩余的比賽隊(duì)1 獲勝。隊(duì) 0 獲勝的比賽中只有30%是在隊(duì)1 的主場(chǎng)，

19、而隊(duì)1 取勝的比賽中75%是主場(chǎng)獲勝。如果下一場(chǎng)比賽在隊(duì)1 的主場(chǎng)進(jìn)行隊(duì)1 獲勝的概率為 （C）A， 0.75 B,0.35 C,0.4678 D, 0.573861. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN的描述錯(cuò)誤的有（A）A,神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B,可以處理冗余特征C ,訓(xùn)練ANN一個(gè)很耗時(shí)的過程 D ，至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)62. 通過聚集多個(gè)分類器的預(yù)測(cè)來(lái)提高分類準(zhǔn)確率的技術(shù)稱為 （A）A, 組合 （ensemble） B, 聚集 （aggregate） C ，合并 （combination） D ，投票 （voting）63. 簡(jiǎn)單地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集，

20、使得每個(gè)數(shù)據(jù)對(duì)象恰在一個(gè)子集中， 這種聚類類型稱作（ B ）A 、層次聚類 B 、劃分聚類 C 、非互斥聚類 D 、模糊聚類64. 在基本 K 均值算法里，當(dāng)鄰近度函數(shù)采用（ A ）的時(shí)候，合適的質(zhì)心是簇中各點(diǎn)的中位數(shù)。A 、曼哈頓距離B 、平方歐幾里德距離C 、余弦距離D 、 Bregman 散度65. （ C ） 是一個(gè)觀測(cè)值， 它與其他觀測(cè)值的差別如此之大，以至于懷疑它是由不同的機(jī)制 產(chǎn)生的。A 、邊界點(diǎn) B 、質(zhì)心 C 、離群點(diǎn) D 、核心點(diǎn) 66. BIRCH 是一種（ B ）。A 、分類器 B 、聚類算法C 、關(guān)聯(lián)分析算法D 、特征選擇算法67. 檢測(cè)一元正態(tài)分布中的離群點(diǎn)，屬于異

21、常檢測(cè)中的基于（ A ）的離群點(diǎn)檢測(cè)。A 、統(tǒng)計(jì)方法B 、鄰近度 C 、密度 D 、聚類技術(shù)68. （ C ） 將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對(duì)的平均逐對(duì)鄰近度， 它是一種凝聚層 次聚類技術(shù)。A、MIN （單鏈）B 、MAX（全鏈）C 、組平均 D 、Ward方法69. （ D ） 將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量， 它是一種凝聚層 次聚類技術(shù)。A、MIN （單鏈）B 、MAX（全鏈）C 、組平均 D 、Ward方法70. DBSCAN 在最壞情況下的時(shí)間復(fù)雜度是（ B ） 。A 、 O（m） B 、 O（m2） C 、 O（log m） D 、 O（m*log m

22、）71. 在基于圖的簇評(píng)估度量表里面，如果簇度量為 proximity（Ci , C） ，簇權(quán)值為 mi ，那 么它的類型是（ C ） 。A 、基于圖的凝聚度 B 、基于原型的凝聚度C 、基于原型的分離度D 、基于圖的凝聚度和分離度72. 關(guān)于K均值和DBSCAN勺比較，以下說法不正確的是（ A ）。A、K均值丟棄被它識(shí)別為噪聲的對(duì)象，而DBSCANP般聚類所有對(duì)象。B、K均值使用簇的基于原型的概念，而DBSCAN1用基于密度的概念。C、K均值很難處理非球形的簇和不同大小的簇，DBSCANT以處理不同大小和不同形狀的簇。D、K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCA

23、NT合并有重疊的簇。73. 以下是哪一個(gè)聚類算法的算法流程： 構(gòu)造k 最近鄰圖。 使用多層圖劃分算法劃分圖。 repeat ：合并關(guān)于相對(duì)互連性和相對(duì)接近性而言，最好地保持簇的自相似性的簇。 until ：不再有可以合并的簇。 （ C ） 。A 、 MST B 、 OPOSSUM C 、 Chameleon D 、 Jarvis Patrick （ JP）74. 考慮這么一種情況： 一個(gè)對(duì)象碰巧與另一個(gè)對(duì)象相對(duì)接近， 但屬于不同的類， 因?yàn)檫@兩個(gè)對(duì)象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（ D ）的相似度計(jì)算方法。A 、平方歐幾里德距離B 、余弦距離C 、直接相似度D 、共享最近鄰75. 以下屬于

24、可伸縮聚類算法的是（ A ） 。A、 CURE B 、 DENCLUE C 、 CLIQUE D 、 OPOSSUM76. 以下哪個(gè)聚類算法不是屬于基于原型的聚類（ D ） 。A、模糊 c 均值 B 、EMB法C 、SOM D、CLIQUE77. 關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn)，下面說法正確的是（ B ） 。A 、當(dāng)簇只包含少量數(shù)據(jù)點(diǎn)，或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí)，混合模型也能很好地處理。B 、混合模型比K 均均或模糊c 均均更一般，因?yàn)樗梢允褂酶鞣N類型的分布。C 、混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇。D 、混合模型在有噪聲和離群點(diǎn)時(shí)不會(huì)存在問題。78. 以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法

25、（ D ） 。A 、 STING B 、 WaveCluster C 、 MAFIA D 、 BIRCH79. 一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周圍密度的逆。這是基于（ C ）的離群點(diǎn)定義。A 概率 B 、鄰近度C 、密度 D 、聚類80. 下面關(guān)于Jarvis - Patrick（JP）聚類算法的說法不正確的是（ D ）。A 、 JP 聚類擅長(zhǎng)處理噪聲和離群點(diǎn)，并且能夠處理不同大小、形狀和密度的簇。B 、 JP 算法對(duì)高維數(shù)據(jù)效果良好，尤其擅長(zhǎng)發(fā)現(xiàn)強(qiáng)相關(guān)對(duì)象的緊致簇。C、JP聚類是基于SNN相似度的概念。D 、 JP 聚類的基本時(shí)間復(fù)雜度為O（m）。第一章1、數(shù)據(jù)倉(cāng)庫(kù)就是一個(gè)面向主題的、集成的、

26、相對(duì)穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合。2、元數(shù)據(jù)是描述數(shù)據(jù)倉(cāng)庫(kù)內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉(cāng)庫(kù)提供了一個(gè) 信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)兩類。3、數(shù)據(jù)處理通常分成兩大類：聯(lián)機(jī)事務(wù)處理和聯(lián)機(jī)分析處理。4、多維分析是指以“維”形式組織起來(lái)的數(shù)據(jù)（多維數(shù)據(jù)集）采取切片、切塊、鉆取和旋 轉(zhuǎn)等各種分析動(dòng)作，以求剖析數(shù)據(jù)，使擁護(hù)能從不同角度、不同側(cè)面觀察數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)， 從而深入理解多維數(shù)據(jù)集中的信息。5、ROLA因基于關(guān)系數(shù)據(jù)庫(kù)的 OLA改現(xiàn)，而MOLA謔基于多維數(shù)據(jù)結(jié)構(gòu)組織的 OLAP實(shí)現(xiàn)。6、數(shù)據(jù)倉(cāng)庫(kù)按照其開發(fā)過程，其關(guān)鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)

27、據(jù)存儲(chǔ)于管理和數(shù)據(jù)表現(xiàn)等。7、數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的體系結(jié)構(gòu)根據(jù)應(yīng)用需求的不同，可以分為以下4種類型：兩層架構(gòu)、獨(dú)立型數(shù)據(jù)集合、以來(lái)型數(shù)據(jù)結(jié)合和操作型數(shù)據(jù)存儲(chǔ)和邏輯型數(shù)據(jù)集中和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)。8、操作型數(shù)據(jù)存儲(chǔ)實(shí)際上是一個(gè)集成的、面向主題的、可更新的、當(dāng)前值的（但是可“揮 發(fā)”的）、企業(yè)級(jí)的、詳細(xì)的數(shù)據(jù)庫(kù)，也叫運(yùn)營(yíng)數(shù)據(jù)存儲(chǔ)。9、“實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)”以為著源數(shù)據(jù)系統(tǒng)、 決策支持服務(wù)和倉(cāng)庫(kù)倉(cāng)庫(kù)之間以一個(gè)接近實(shí)時(shí)的速 度交換數(shù)據(jù)和業(yè)務(wù)規(guī)則。10、從應(yīng)用的角度看，數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展演變可以歸納為5個(gè)階段：以報(bào)表為主、以分析為主、以預(yù)測(cè)模型為主、以運(yùn)營(yíng)導(dǎo)向?yàn)橹骱鸵詫?shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)和自動(dòng)決策為主。第二章1、調(diào)和數(shù)據(jù)是存儲(chǔ)在企業(yè)

28、級(jí)數(shù)據(jù)倉(cāng)庫(kù)和操作型數(shù)據(jù)存儲(chǔ)中的數(shù)據(jù)。2、抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應(yīng)用提供一個(gè)單一的、權(quán)威數(shù)據(jù)源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)（即調(diào)和數(shù)據(jù)層）是詳細(xì)的、歷史的、規(guī)范的、可理解的、即時(shí)的和質(zhì)量可控制的。3、數(shù)據(jù)抽取的兩個(gè)常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉(cāng)庫(kù)，增 量抽取用于進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)的維護(hù)。4、粒度是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的綜合程度高低的一個(gè)衡量。粒度越小，細(xì)節(jié)程度越高，綜合 程度越低，回答查詢的種類越多。5、使用星型模式可以從一定程度上提高查詢效率。因?yàn)樾切湍Ｊ街袛?shù)據(jù)的組織已經(jīng)經(jīng)過預(yù) 處理，主要數(shù)據(jù)都在龐大的事實(shí)表中。6、維度表一般又主鍵、分類層次和描述屬性組

29、成。對(duì)于主鍵可以選擇兩種方式：一種是采 用自然鍵，另一種是采用代理鍵。7、雪花型模式是對(duì)星型模式維表的進(jìn)一步層次化和規(guī)范化來(lái)消除冗余的數(shù)據(jù)。8、數(shù)據(jù)倉(cāng)庫(kù)中存在不同綜合級(jí)別的數(shù)據(jù)。一般把數(shù)據(jù)分成4個(gè)級(jí)別：早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度綜合級(jí)和高度綜合級(jí)。第三章1、SQL Server SSAS提供了所有業(yè)務(wù)數(shù)據(jù)的同意整合試圖，可以作為傳統(tǒng)報(bào)表、在線分析 處理、關(guān)鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。2、數(shù)據(jù)倉(cāng)庫(kù)的概念模型通常采用信息包圖法來(lái)進(jìn)行設(shè)計(jì)，要求將其 5個(gè)組成部分（包括名稱、維度、類別、層次和度量）全面地描述出來(lái)。3、數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型通常采用星型圖法來(lái)進(jìn)行設(shè)計(jì)，要求將星型的各類邏輯實(shí)體完整

30、地 描述出來(lái)。4、按照事實(shí)表中度量的可加性情況，可以把事實(shí)表對(duì)應(yīng)的事實(shí)分為4種類型：事務(wù)事實(shí)、快照事實(shí)、線性項(xiàng)目事實(shí)和事件事實(shí)。5、確定了數(shù)據(jù)倉(cāng)庫(kù)的粒度模型以后，為提高數(shù)據(jù)倉(cāng)庫(kù)的使用性能，還需要根據(jù)擁護(hù)需求設(shè) 計(jì)聚合模型。6、在項(xiàng)目實(shí)施時(shí)，根據(jù)事實(shí)表的特點(diǎn)和擁護(hù)的查詢需求，可以選用時(shí)間、業(yè)務(wù)類型、區(qū)域 和下屬組織等多種數(shù)據(jù)分割類型。7、當(dāng)維表中的主鍵在事實(shí)表中沒有與外鍵關(guān)聯(lián)時(shí)，這樣的維稱為退化維。它于事實(shí)表并無(wú)關(guān)系，但有時(shí)在查詢限制條件（如訂單號(hào)碼、出貨單編號(hào)等）中需要用到。8、維度可以根據(jù)其變化快慢分為元變化維度、緩慢變化維度和劇烈變化維度三類。9、數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更

31、新，可以通過設(shè)計(jì)和優(yōu)化索引結(jié)構(gòu)來(lái)提高數(shù)據(jù)存取性能。10、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)常見的存儲(chǔ)優(yōu)化方法包括表的歸并與簇文件、反向規(guī)范化引入冗余、表的物理分割（分區(qū)）。第四章1、關(guān)聯(lián)規(guī)則的經(jīng)典算法包括Apriori算法和FP-growth算法，其中FP-grownth算法的效率更高。2、如果 L2=a,b,a,c,a,d,b,c,b,d,則連接產(chǎn)生的 C3=a,b,c,a,b,d,a,c,d,b,c,d再經(jīng)過修剪，C3=a,b,c,a,b,d3、設(shè)定supmin=50%,交易集如則 L1=A , B , C L2=A,CT1A B CT2A CT3A DT4B E F第五章1、分類的過程包括獲取數(shù)據(jù)、預(yù)處理、

32、分類器設(shè)計(jì)和分類決策。2、分類器設(shè)計(jì)階段包含三個(gè)過程：劃分?jǐn)?shù)據(jù)集、分類器構(gòu)造和分類器測(cè)試。3、分類問題中常用的評(píng)價(jià)準(zhǔn)則有精確度、查全率和查準(zhǔn)率和集合均值。4、支持向量機(jī)中常用的核函數(shù)有多項(xiàng)式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。第八早1、聚類分析包括連續(xù)型、二值離散型、多值離散型和混合類型4種類型描述屬性的相似度計(jì)算方法。2、連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。3、劃分聚類方法對(duì)數(shù)據(jù)集進(jìn)行聚類時(shí)包含三個(gè)要點(diǎn)：選種某種距離作為數(shù)據(jù)樣本減的相似性度量、選擇評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)和選擇某個(gè)初始分類，之后用迭代的方法得到聚類結(jié)果，使得評(píng)價(jià)聚類的準(zhǔn)則函數(shù)取得最優(yōu)值。4、層次聚

33、類方法包括凝聚型和分解型兩中層次聚類方法。填空題20分，簡(jiǎn)答題25分，計(jì)算題2個(gè)(25分)，綜合題30分1、數(shù)據(jù)倉(cāng)庫(kù)的組成？ P2數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問工具，數(shù)據(jù)集市，數(shù)據(jù)倉(cāng)庫(kù)管理，信息發(fā)布系統(tǒng)2、數(shù)據(jù)挖掘技術(shù)對(duì)聚類分析的要求有哪幾個(gè)方面？P131可伸縮性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀聚類的能力；減小對(duì)先驗(yàn)知識(shí)和用戶自定義參數(shù)的依賴性；處理噪聲數(shù)據(jù)的能力；可解釋性和實(shí)用性3、數(shù)據(jù)倉(cāng)庫(kù)在存儲(chǔ)和管理方面的特點(diǎn)與關(guān)鍵技術(shù)？P7數(shù)據(jù)倉(cāng)庫(kù)面對(duì)的是大量數(shù)據(jù)的存儲(chǔ)與管理并行處理針對(duì)決策支持查詢的優(yōu)化支持多維分析的查詢模式4、常見的聚類算法可以分為幾類？P132基于劃分的聚類算法，

34、基于層次的聚類算法， 基于密度的聚類算法， 基于網(wǎng)格的聚類算法，基于模型的聚類算法等。5、一個(gè)典型的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的組成？P12數(shù)據(jù)源、數(shù)據(jù)存儲(chǔ)與管理、OLAP服務(wù)器、前端工具與應(yīng)用6、數(shù)據(jù)倉(cāng)庫(kù)常見的存儲(chǔ)優(yōu)化方法？P71表的歸并與簇文件；反向規(guī)范化，引入冗余；表的物理分割。7、數(shù)據(jù)倉(cāng)庫(kù)發(fā)展演變的 5個(gè)階段？ P20以報(bào)_表為主以分析為主以預(yù)測(cè)模型為主以運(yùn)行向?qū)橹饕詫?shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)、自動(dòng)決策應(yīng)用為主8、ID3算法主要存在的缺點(diǎn)？ P116(1) ID3算法在選擇根結(jié)點(diǎn)和各內(nèi)部結(jié)點(diǎn)中的分枝屬性時(shí)，使用信息增益作為評(píng)價(jià)標(biāo)準(zhǔn)。信息增益的缺點(diǎn)是傾向于選擇取值較多的屬性，在有些情況下這類屬性可能不會(huì)提供太多有

35、價(jià)值的信息。(2) ID3算法只能對(duì)描述屬性為離散型屬性的數(shù)據(jù)集構(gòu)造決策樹。9、簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)ETL軟件的主要功能和對(duì)產(chǎn)生數(shù)據(jù)的目標(biāo)要求。P30ETL軟件的主要功能：數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載 對(duì)產(chǎn)生數(shù)據(jù)的目標(biāo)要求： 詳細(xì)的、歷史的、規(guī)范化的、可理解的、即時(shí)的、質(zhì)量可控制的10、簡(jiǎn)述分類器設(shè)計(jì)階段包含的 3個(gè)過程。劃分?jǐn)?shù)據(jù)集，分類器構(gòu)造，分類器測(cè)試11、料,人么用碗!掘卻P339類標(biāo)號(hào)用敖據(jù)樣本4(5戈W博是乖野矍雕凝灣雌惟逑摘類標(biāo)號(hào)在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉(cāng)庫(kù)之前來(lái)升 級(jí)原始數(shù)據(jù)質(zhì)量而技術(shù)亡,12、支持度書信流力算公五及數(shù)據(jù)計(jì)本P9二；二二-1事務(wù)中X和Y同時(shí)找出所靠椒婀的啾氐5Y高；使支持度和置信度分別大于門限支持度:發(fā)生的比例，P(X ? Y)置信度:Example:平I集 X發(fā)生時(shí)，Y同時(shí)發(fā)生的條件概率 P(Y|X)14、K-帝烽年巧歌藝!。P128,%,即 xt cflD +1依XW 科)：酒峻二Y口而Ik斑iaperjBeer(O.4,0.67正1L.Support(X)個(gè)距落從而找出工在X抑k楨猛假設(shè)'分睚1個(gè)五13、利用信息包圖設(shè)計(jì)數(shù)據(jù)倉(cāng)庫(kù)概念模