數(shù)據(jù)挖掘試題（150道）-

1、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?(AA. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B. 聚類C. 分類D. 自然語言處理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, RecallB. 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)?(CA. 頻繁模式挖掘B. 分類和預(yù)測(cè)C. 數(shù)據(jù)預(yù)處理D. 數(shù)據(jù)流

2、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?(BA. 分類B. 聚類C. 關(guān)聯(lián)分析D. 隱馬爾可夫鏈5. 什么是KDD?(AA. 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)?(AA. 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)?(BA. 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

3、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)?(CA. 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)?(AA. 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?(DA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)?(BA 第一個(gè)B 第二個(gè)C

4、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?(AA 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:(DA 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:(CA 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:(DA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(guān)方法的是:(BA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)?/p>

5、均值(p=20%是(CA 2B 3C 3.5D 520. 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法?(AA 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:(BA 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0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為:(DA 0.821B 1.224C 1.458D 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:13,15,1

6、6, 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: (AA 18.3B 22.6C 26.8D 27.924. 考慮值集12 24 33 2 4 55 68 26,其四分位數(shù)極差是:(AA 31B 24C 55D 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:(AA 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)

7、:(BA 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:(DA 有放回的簡(jiǎn)單隨機(jī)抽樣B無放回的簡(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)庫是隨著時(shí)間變化的,下面的描述不正確的是(CA. 數(shù)據(jù)倉(cāng)庫隨時(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)覆蓋原來的快照;C. 數(shù)據(jù)倉(cāng)庫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: (DA. 基本元數(shù)據(jù)與數(shù)據(jù)源,數(shù)據(jù)倉(cāng)庫,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

8、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: (CA. 粒度是指數(shù)據(jù)倉(cāng)庫小數(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)庫的開發(fā)特點(diǎn),不正確的描述是: (AA. 數(shù)據(jù)倉(cāng)庫開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉(cāng)庫使用的需求在開發(fā)出去就要明確;C. 數(shù)據(jù)倉(cāng)庫的開發(fā)是一個(gè)不斷循環(huán)的過程,是啟發(fā)式的開發(fā)

9、;D. 在數(shù)據(jù)倉(cāng)庫環(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)庫測(cè)試,下列說法不正確的是: (DA. 在完成數(shù)據(jù)倉(cāng)庫的實(shí)施過程中,需要對(duì)數(shù)據(jù)倉(cāng)庫進(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: (DA. 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:

10、 (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 (3B. (2 (3 (4C. (1 (2 (3 (4D. (1 (2 (3 (4 (535. 關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是: (CA. 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OTAP應(yīng)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)庫為基礎(chǔ)的,但其最終數(shù)據(jù)來源與OLTP一樣均來自底層的數(shù)據(jù)庫系統(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

11、”,下面說法正確的是: (DA. OLAP和OLAM都基于客戶機(jī)/服務(wù)器模式,只有后者有與用戶的交互性;B. 由于OLAM的立方體和用于OLAP的立方體有本質(zhì)的區(qū)別.C. 基于WEB的OLAM是WEB技術(shù)與OLAM技術(shù)的結(jié)合.D. OLAM服務(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)的知道下,對(duì)超級(jí)立方體作一定的操作.37. 關(guān)于OLAP和OLTP的說法,下列不正確的是: (AA. 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)X=1,2,3是

12、頻繁項(xiàng)集,則可由X產(chǎn)生_(C_個(gè)關(guān)聯(lián)規(guī)則。A、4B、5C、6D、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(xiàng)集、頻繁閉項(xiàng)集、最大頻繁項(xiàng)集之間的關(guān)系是:(CA、頻繁項(xiàng)集頻繁閉項(xiàng)集=最大頻繁項(xiàng)集B、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(CA、1,2,3,4B、1,2,3,5

13、C、1,2,4,5D、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45. 下列度量不具有反演性的是(DA、系數(shù)B、幾率C、Cohen度量D、興趣因子46. 下列_(A_不是

14、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B、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(CID 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、1B、2C、3D、448. 以下哪些算法是分類算法,A,DBSCAN B,C4.5 C,K-Mean D,EM (B49. 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

15、經(jīng)網(wǎng)絡(luò)(A50. 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 nodeC,外部結(jié)點(diǎn)(external nodeD,葉結(jié)點(diǎn)(leaf node(C51. 不純性度量中Gini計(jì)算公式為(其中c是類的個(gè)數(shù)(AA, B, C, D, (A53. 以下哪項(xiàng)關(guān)于決策樹的說法是錯(cuò)誤的(CA. 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)格來分類,這種方

16、案稱為(BA. 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(AA. C4.5B. KNNC. Na?ve BayesD. 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, 無序規(guī)則B,窮舉規(guī)則C,互斥規(guī)則D,有序規(guī)則57. 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(DA, 無序規(guī)則B,窮舉規(guī)則C,互斥規(guī)則D,有序規(guī)則5

17、9. 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(AA, 無序規(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),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(CA,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(AA,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是一個(gè)很耗時(shí)的過

18、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)來提高分類準(zhǔn)確率的技術(shù)稱為(AA,組合(ensemble B,聚集(aggregate C,合并(combination D,投票(voting63. 簡(jiǎn)單地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集,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)

19、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

20、是(B 。A、O(mB、O(m2C、O(log mD、O(m*log m71. 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的比較,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DBSCAN一般聚類所有對(duì)象。B、K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。C、K均值很難處理非球形的簇和不同大小的簇,DBSCAN可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

21、,即便簇有重疊也可以發(fā)現(xiàn),但是DBSCAN會(huì)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、MSTB、OPOSSUMC、ChameleonD、Jarvis-Patrick(JP74. 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. 以下屬于可伸縮聚類算法的是(A 。

22、A、CUREB、DENCLUEC、CLIQUED、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、EM算法C、SOMD、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均值或模糊c均值更一般,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(D 。A、STINGB、WaveClusterC、MAFIAD、BIRCH79. 一個(gè)

23、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。二、多選題1. 通過數(shù)據(jù)挖掘過程所推倒出的關(guān)系和摘要經(jīng)常被稱為:(A BA. 模型B. 模式C. 模范D. 模具2 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價(jià)值地總結(jié)了數(shù)據(jù)的某一特征的表示,這個(gè)過程包括

24、了以下哪些步驟?(A B C DA. 決定要使用的表示的特征和結(jié)構(gòu)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(gè)算法過程使評(píng)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(shí)現(xiàn)算法。3. 數(shù)據(jù)挖掘的預(yù)測(cè)建模任務(wù)主要包括哪幾大類問題?(A BA. 分類B. 回歸C. 模式發(fā)現(xiàn)D. 模式匹配4. 數(shù)據(jù)挖掘算法的組件包括:(A B C DA. 模型或模型結(jié)構(gòu)B. 評(píng)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(xué)科和數(shù)據(jù)挖掘有密切聯(lián)系?(A DA. 統(tǒng)計(jì)B. 計(jì)算機(jī)組成原理C. 礦產(chǎn)挖掘D. 人工智能6. 在現(xiàn)實(shí)世界的數(shù)據(jù)中,元組在某些屬性上缺少值是常有的。描述處理該問題

25、的各種方法有:(ABCDEA忽略元組C使用一個(gè)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7.下面哪些屬于可視化高維數(shù)據(jù)技術(shù)(ABCEA 矩陣B 平行坐標(biāo)系C星形坐標(biāo)D散布圖 E Chernoff臉8. 對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù),存在的問題有:(ABCDEA 不一致B重復(fù)C不完整 D 含噪聲E 維度高9.下列屬于不同的有序數(shù)據(jù)的有:(ABCEA 時(shí)序數(shù)據(jù)B 序列數(shù)據(jù)C時(shí)間序列數(shù)據(jù)D事務(wù)數(shù)據(jù)E空間數(shù)據(jù)10.下面屬于數(shù)據(jù)集的一般特性的有:( B C DA 連續(xù)性B 維度C稀疏性 D 分辨率 E 相異性11. 下面屬于維歸約常用的

26、線性代數(shù)技術(shù)的有:(A CA 主成分分析B 特征提取C 奇異值分解D特征加權(quán) E 離散化12. 下面列出的條目中,哪些是數(shù)據(jù)倉(cāng)庫的基本特征:(ACDA. 數(shù)據(jù)倉(cāng)庫是面向主題的B. 數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)是集成的C. 數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)是相對(duì)穩(wěn)定的D. 數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)是反映歷史變化的E. 數(shù)據(jù)倉(cāng)庫是面向事務(wù)的13. 以下各項(xiàng)均是針對(duì)數(shù)據(jù)倉(cāng)庫的不同說法,你認(rèn)為正確的有(BCDE 。A.數(shù)據(jù)倉(cāng)庫就是數(shù)據(jù)庫B.數(shù)據(jù)倉(cāng)庫是一切商業(yè)智能系統(tǒng)的基礎(chǔ)C.數(shù)據(jù)倉(cāng)庫是面向業(yè)務(wù)的,支持聯(lián)機(jī)事務(wù)處理(OLTPD.數(shù)據(jù)倉(cāng)庫支持決策而非事務(wù)處理E.數(shù)據(jù)倉(cāng)庫的主要目標(biāo)就是幫助分析,做長(zhǎng)期性的戰(zhàn)略制定14. 數(shù)據(jù)倉(cāng)庫在技術(shù)上的工作過程是

27、:(ABCDA. 數(shù)據(jù)的抽取B. 存儲(chǔ)和管理C. 數(shù)據(jù)的表現(xiàn)D. 數(shù)據(jù)倉(cāng)庫設(shè)計(jì)E. 數(shù)據(jù)的表現(xiàn)15. 聯(lián)機(jī)分析處理包括以下哪些基本分析功能?(BCDA. 聚類B. 切片C. 轉(zhuǎn)軸D. 切塊E. 分類16. 利用Apriori算法計(jì)算頻繁項(xiàng)集可以有效降低計(jì)算頻繁集的時(shí)間復(fù)雜度。在以下的購(gòu)物籃中產(chǎn)生支持度不小于3的候選3-項(xiàng)集,在候選2-項(xiàng)集中需要剪枝的是(BDID 項(xiàng)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17. 下表是一個(gè)購(gòu)物籃,假定支持度閾值為40%,其中_

28、(A D_是頻繁閉項(xiàng)集。TID 項(xiàng)1 abc2 abcd3 bce4 acde5 deA、abcB、adC、cdD、de18. Apriori算法的計(jì)算復(fù)雜度受_(ABCD?_影響。A、支持度閥值B、項(xiàng)數(shù)(維度C、事務(wù)數(shù)D、事務(wù)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(fù)模式和負(fù)相關(guān)模式D、對(duì)異常數(shù)據(jù)項(xiàng)敏感20. 以下屬于分類器評(píng)價(jià)或比較尺度的有: A,預(yù)測(cè)準(zhǔn)確度B,召回率C,模型描述的簡(jiǎn)潔度D,計(jì)算復(fù)雜度(ACD21. 在評(píng)價(jià)不平衡類問題分類的度量方法有如下幾種,A,F1度量B,召回率(recallC,精度(precisionD,真正率(ture

29、positive rate,TPR(ABCD22. 貝葉斯信念網(wǎng)絡(luò)(BBN有如下哪些特點(diǎn),A,構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力B,對(duì)模型的過分問題非常魯棒C,貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù)D,網(wǎng)絡(luò)結(jié)構(gòu)確定后,添加變量相當(dāng)麻煩(AB23. 如下哪些不是最近鄰分類器的特點(diǎn),A,它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè),不必維護(hù)源自數(shù)據(jù)的模型B,分類一個(gè)測(cè)試樣例開銷很大C,最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè)D,可以生產(chǎn)任意形狀的決策邊界(C24. 如下那些不是基于規(guī)則分類器的特點(diǎn),A,規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好B,基于規(guī)則的分類器都對(duì)屬性空間進(jìn)行直線劃分,并將類指派到每個(gè)劃分C,無法被用來產(chǎn)生更易于解釋的描述性模型D,非常

30、適合處理類分布不平衡的數(shù)據(jù)集(AC25. 以下屬于聚類算法的是(ABD 。A、K均值B、DBSCANC、AprioriD、Jarvis-Patrick(JP26.(CD 都屬于簇有效性的監(jiān)督度量。A、輪廓系數(shù)B、共性分類相關(guān)系數(shù)C、熵D、F度量27. 簇有效性的面向相似性的度量包括(BC 。A、精度B、Rand統(tǒng)計(jì)量C、Jaccard系數(shù)D、召回率28.(ABCD 這些數(shù)據(jù)特性都是對(duì)聚類分析具有很強(qiáng)影響的。A、高維性B、規(guī)模C、稀疏性D、噪聲和離群點(diǎn)29. 在聚類分析當(dāng)中,(AD 等技術(shù)可以處理任意形狀的簇。A、MIN(單鏈B、MAX(全鏈C、組平均D、Chameleon30. (AB 都屬于

31、分裂的層次聚類算法。A、二分K均值B、MSTC、ChameleonD、組平均三、判斷題1. 數(shù)據(jù)挖掘的主要任務(wù)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(yù)測(cè)數(shù)據(jù)等任務(wù)。(對(duì)2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略,而在于對(duì)于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘。(對(duì)3. 圖挖掘技術(shù)在社會(huì)網(wǎng)絡(luò)分析中扮演了重要的角色。(對(duì)4. 模式為對(duì)數(shù)據(jù)集的全局性總結(jié),它對(duì)整個(gè)測(cè)量空間的每一點(diǎn)做出描述;模型則對(duì)變量變化空間的一個(gè)有限區(qū)域做出描述。(錯(cuò)5. 尋找模式和規(guī)則主要是對(duì)數(shù)據(jù)進(jìn)行干擾,使其符合某種規(guī)則以及模式。(錯(cuò)6. 離群點(diǎn)可以是合法的數(shù)據(jù)對(duì)象或者值。(對(duì)7. 離散屬性總是具有有限個(gè)值。(錯(cuò)8. 噪聲和

32、偽像是數(shù)據(jù)錯(cuò)誤這一相同表述的兩種叫法。(錯(cuò)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(duì)10. 特征提取技術(shù)并不依賴于特定的領(lǐng)域。(錯(cuò)11. 序列數(shù)據(jù)沒有時(shí)間戳。(對(duì)12. 定量屬性可以是整數(shù)值或者是連續(xù)值。(對(duì)13. 可視化技術(shù)對(duì)于分析的數(shù)據(jù)類型通常不是專用性的。(錯(cuò)14. DSS主要是基于數(shù)據(jù)倉(cāng)庫.聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用。(對(duì)15. OLAP技術(shù)側(cè)重于把數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析、轉(zhuǎn)換成輔助決策信息,是繼數(shù)據(jù)庫技術(shù)發(fā)展之后迅猛發(fā)展起來的一種新技術(shù)。(對(duì)16. 商業(yè)智能系統(tǒng)與一般交易系統(tǒng)之間在系統(tǒng)設(shè)計(jì)上的主要區(qū)別在于:后者把結(jié)構(gòu)強(qiáng)加于商務(wù)之上,一旦系統(tǒng)設(shè)計(jì)完畢,其程序和規(guī)則不會(huì)輕易改變;而前者則是一個(gè)學(xué)習(xí)型系