數據挖掘試題（150道）-

1、單選題1. 某超市研究銷售紀錄數據后發(fā)現,買啤酒的人很大概率也會購買尿布,這種屬于數據挖掘的哪類問題?(AA. 關聯規(guī)則發(fā)現B. 聚類C. 分類D. 自然語言處理2. 以下兩種描述分別對應哪兩種對分類算法的評價標準?(A(a警察抓小偷,描述警察抓的人中有多少個是小偷的標準。(b描述有多少比例的小偷給警察抓了的標準。A. Precision, RecallB. Recall, PrecisionA. Precision, ROC D. Recall, ROC3. 將原始數據進行集成、變換、維度規(guī)約、數值規(guī)約是在以下哪個步驟的任務?(CA. 頻繁模式挖掘B. 分類和預測C. 數據預處理D. 數據流

2、挖掘4. 當不知道數據所帶標簽時,可以使用哪種技術促使帶同類標簽的數據與帶其他標簽的數據相分離?(BA. 分類B. 聚類C. 關聯分析D. 隱馬爾可夫鏈5. 什么是KDD?(AA. 數據挖掘與知識發(fā)現B. 領域知識發(fā)現C. 文檔知識發(fā)現D. 動態(tài)知識發(fā)現6. 使用交互式的和可視化的技術,對數據進行探索屬于數據挖掘的哪一類任務?(AA. 探索性數據分析B. 建模描述C. 預測建模D. 尋找模式和規(guī)則7. 為數據的總體分布建模;把多維空間劃分成組等問題屬于數據挖掘的哪一類任務?(BA. 探索性數據分析B. 建模描述C. 預測建模D. 尋找模式和規(guī)則8. 建立一個模型,通過這個模型根據已知的變量值來

3、預測其他某個變量值屬于數據挖掘的哪一類任務?(CA. 根據內容檢索B. 建模描述C. 預測建模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據集中找到相似的模式,屬于數據挖掘哪一類任務?(AA. 根據內容檢索B. 建模描述C. 預測建模D. 尋找模式和規(guī)則11.下面哪種不屬于數據預處理的方法?(DA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?(BA 第一個B 第二個C

4、第三個D 第四個13.上題中,等寬劃分時(寬度為50,15又在哪個箱子里?(AA 第一個B 第二個C 第三個D 第四個14.下面哪個不屬于數據的屬性類型:(DA 標稱B 序數C 區(qū)間D相異15. 在上題中,屬于定量的屬性類型是:(CA 標稱B 序數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 計數屬性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:(DA嵌入 B 過濾 C 包裝 D 抽樣18.下面不屬于創(chuàng)建新屬性的相關方法的是:(BA特征提取B特征修改C映射數據到新的空間D特征構造19. 考慮值集1、2、3、4、5、90,其截斷

5、均值(p=20%是(CA 2B 3C 3.5D 520. 下面哪個屬于映射數據到新的空間的方法?(AA 傅立葉變換B特征加權 C 漸進抽樣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:(DA 0.821B 1.224C 1.458D 0.71623.假定用于分析的數據包含屬性age。數據元組中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上述數據進行平滑,箱的深度為3。第二個箱子值為: (AA 18.3B 22.6C 26.8D 27.924. 考慮值集12 24 33 2 4 55 68 26,其四分位數極差是:(AA 31B 24C 55D 325. 一所大學內的各年紀人數分別為:一年級200人,二年級160人,三年級130人,四年級110人。則年級屬性的眾數是:(AA 一年級B二年級 C 三年級 D 四年級26. 下列哪個不是專門用于可視化時間空間數據的技術

7、:(BA 等高線圖B餅圖 C 曲面圖 D 矢量場圖27. 在抽樣方法中,當合適的樣本容量很難確定時,可以使用的抽樣方法是:(DA 有放回的簡單隨機抽樣B無放回的簡單隨機抽樣C分層抽樣D 漸進抽樣28. 數據倉庫是隨著時間變化的,下面的描述不正確的是(CA. 數據倉庫隨時間的變化不斷增加新的數據內容;B. 捕捉到的新數據會覆蓋原來的快照;C. 數據倉庫隨事件變化不斷刪去舊的數據內容;D. 數據倉庫中包含大量的綜合數據,這些綜合數據會隨著時間的變化不斷地進行重新綜合.29. 關于基本數據的元數據是指: (DA. 基本元數據與數據源,數據倉庫,數據集市和應用程序等結構相關的信息;B. 基本元數據包括

8、與企業(yè)相關的管理方面的數據和信息;C. 基本元數據包括日志文件和簡歷執(zhí)行處理的時序調度信息;D. 基本元數據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. 下面關于數據粒度的描述不正確的是: (CA. 粒度是指數據倉庫小數據單元的詳細程度和級別;B. 數據越詳細,粒度就越小,級別也就越高;C. 數據綜合度越高,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據倉庫中的數據量以及查詢質量.31. 有關數據倉庫的開發(fā)特點,不正確的描述是: (AA. 數據倉庫開發(fā)要從數據出發(fā);B. 數據倉庫使用的需求在開發(fā)出去就要明確;C. 數據倉庫的開發(fā)是一個不斷循環(huán)的過程,是啟發(fā)式的開發(fā)

9、;D. 在數據倉庫環(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,數據倉庫中數據分析和處理更靈活,且沒有固定的模式32. 在有關數據倉庫測試,下列說法不正確的是: (DA. 在完成數據倉庫的實施過程中,需要對數據倉庫進行各種測試.測試工作中要包括單元測試和系統測試.B. 當數據倉庫的每個單獨組件完成后,就需要對他們進行單元測試.C. 系統的集成測試需要對數據倉庫的所有組件進行大量的功能測試和回歸測試.D. 在測試之前沒必要制定詳細的測試計劃.33. OLAP技術的核心是: (DA. 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:

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. 關于OLAP和OLTP的區(qū)別描述,不正確的是: (CA. OLAP主要是關于如何理解聚集的大量不同的數據.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是以數據倉庫為基礎的,但其最終數據來源與OLTP一樣均來自底層的數據庫系統,兩者面對的用戶是相同的.36. OLAM技術一般簡稱為”數據聯機分析挖掘

11、”,下面說法正確的是: (DA. OLAP和OLAM都基于客戶機/服務器模式,只有后者有與用戶的交互性;B. 由于OLAM的立方體和用于OLAP的立方體有本質的區(qū)別.C. 基于WEB的OLAM是WEB技術與OLAM技術的結合.D. OLAM服務器通過用戶圖形借口接收用戶的分析指令,在元數據的知道下,對超級立方體作一定的操作.37. 關于OLAP和OLTP的說法,下列不正確的是: (AA. OLAP事務量大,但事務內容比較簡單且重復率高.B. OLAP的最終數據來源與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. 設X=1,2,3是

12、頻繁項集,則可由X產生_(C_個關聯規(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. 頻繁項集、頻繁閉項集、最大頻繁項集之間的關系是:(CA、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42. 考慮下面的頻繁3-項集的集合:1,2,3,1,2,4,1,2,5,1,3,4,1, 3,5,2,3,4,2,3,5,3,4,5假定數據集中只有5個項,采用合并策略,由候選產生過程得到4-項集不包含(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、頻繁數據項挖掘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)現任務中的方法。A、與同一時期其他數據對比B、可視化C、基于模板的方法D、主觀興趣度量47. 下面購物籃能夠提取的3-項集的最大數量是多少(CID 購買項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、經網絡(A50. 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 nodeC,外部結點(external nodeD,葉結點(leaf node(C51. 不純性度量中Gini計算公式為(其中c是類的個數(AA, B, C, D, (A53. 以下哪項關于決策樹的說法是錯誤的(CA. 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

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(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)則的后件看作是對相應類的一次投票,然后計票確定測試記錄的類標號,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. 考慮兩隊之間的足球比賽:隊0和隊1。假設65%的比賽隊0勝出,剩余的比賽隊1獲勝。隊0獲勝的比賽中只有30%是在隊1的主場,而隊1取勝的比賽中75%是主場獲勝。如果下一場比賽在隊1的主場進行隊1獲勝的概率為(CA,0.75 B,0.35 C,0.4678 D, 0.573861. 以下關于人工神經網絡(ANN的描述錯誤的有(AA,神經網絡對訓練數據中的噪聲非常魯棒B,可以處理冗余特征C,訓練ANN是一個很耗時的過

18、程D,至少含有一個隱藏層的多層神經網絡62. 通過聚集多個分類器的預測來提高分類準確率的技術稱為(AA,組合(ensemble B,聚集(aggregate C,合并(combination D,投票(voting63. 簡單地將數據對象集劃分成不重疊的子集,使得每個數據對象恰在一個子集中,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,當鄰近度函數采用(A 的時候,合適的質心是簇中各點的中位數。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 是一個觀測值,它與其他觀測值的差別如此之大,以至于懷疑它是由不同的機

19、制產生的。A、邊界點B、質心C、離群點D、核心點66. BIRCH是一種(B 。A、分類器B、聚類算法C、關聯分析算法D、特征選擇算法67. 檢測一元正態(tài)分布中的離群點,屬于異常檢測中的基于(A 的離群點檢測。A、統計方法B、鄰近度C、密度D、聚類技術68.(C 將兩個簇的鄰近度定義為不同簇的所有點對的平均逐對鄰近度,它是一種凝聚層次聚類技術。A、MIN(單鏈B、MAX(全鏈C、組平均D、Ward方法69.(D 將兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差的增量,它是一種凝聚層次聚類技術。A、MIN(單鏈B、MAX(全鏈C、組平均D、Ward方法70. DBSCAN在最壞情況下的時間復雜度

20、是(B 。A、O(mB、O(m2C、O(log mD、O(m*log m71. 在基于圖的簇評估度量表里面,如果簇度量為proximity(Ci , C,簇權值為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均值丟棄被它識別為噪聲的對象,而DBSCAN一般聚類所有對象。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)現不是明顯分離的簇

21、,即便簇有重疊也可以發(fā)現,但是DBSCAN會合并有重疊的簇。73. 以下是哪一個聚類算法的算法流程:構造k-最近鄰圖。使用多層圖劃分算法劃分圖。repeat:合并關于相對互連性和相對接近性而言,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:一個對象碰巧與另一個對象相對接近,但屬于不同的類,因為這兩個對象一般不會共享許多近鄰,所以應該選擇(D 的相似度計算方法。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. 關于混合模型聚類算法的優(yōu)缺點,下面說法正確的是(B 。A、當簇只包含少量數據點,或者數據點近似協線性時,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,因為它可以使用各種類型的分布。C、混合模型很難發(fā)現不同大小和橢球形狀的簇。D、混合模型在有噪聲和離群點時不會存在問題。78. 以下哪個聚類算法不屬于基于網格的聚類算法(D 。A、STINGB、WaveClusterC、MAFIAD、BIRCH79. 一個

23、對象的離群點得分是該對象周圍密度的逆。這是基于(C 的離群點定義。A.概率B、鄰近度C、密度D、聚類80. 下面關于Jarvis-Patrick(JP聚類算法的說法不正確的是(D 。A、JP聚類擅長處理噪聲和離群點,并且能夠處理不同大小、形狀和密度的簇。B、JP算法對高維數據效果良好,尤其擅長發(fā)現強相關對象的緊致簇。C、JP聚類是基于SNN相似度的概念。D、JP聚類的基本時間復雜度為O(m。二、多選題1. 通過數據挖掘過程所推倒出的關系和摘要經常被稱為:(A BA. 模型B. 模式C. 模范D. 模具2 尋找數據集中的關系是為了尋找精確、方便并且有價值地總結了數據的某一特征的表示,這個過程包括

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構B. 決定如何量化和比較不同表示擬合數據的好壞C. 選擇一個算法過程使評分函數最優(yōu)D. 決定用什么樣的數據管理原則以高效地實現算法。3. 數據挖掘的預測建模任務主要包括哪幾大類問題?(A BA. 分類B. 回歸C. 模式發(fā)現D. 模式匹配4. 數據挖掘算法的組件包括:(A B C DA. 模型或模型結構B. 評分函數C. 優(yōu)化和搜索方法D. 數據管理策略5. 以下哪些學科和數據挖掘有密切聯系?(A DA. 統計B. 計算機組成原理C. 礦產挖掘D. 人工智能6. 在現實世界的數據中,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據技術(ABCEA 矩陣B 平行坐標系C星形坐標D散布圖 E Chernoff臉8. 對于數據挖掘中的原始數據,存在的問題有:(ABCDEA 不一致B重復C不完整 D 含噪聲E 維度高9.下列屬于不同的有序數據的有:(ABCEA 時序數據B 序列數據C時間序列數據D事務數據E空間數據10.下面屬于數據集的一般特性的有:( 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、線性代數技術的有:(A CA 主成分分析B 特征提取C 奇異值分解D特征加權 E 離散化12. 下面列出的條目中,哪些是數據倉庫的基本特征:(ACDA. 數據倉庫是面向主題的B. 數據倉庫的數據是集成的C. 數據倉庫的數據是相對穩(wěn)定的D. 數據倉庫的數據是反映歷史變化的E. 數據倉庫是面向事務的13. 以下各項均是針對數據倉庫的不同說法,你認為正確的有(BCDE 。A.數據倉庫就是數據庫B.數據倉庫是一切商業(yè)智能系統的基礎C.數據倉庫是面向業(yè)務的,支持聯機事務處理(OLTPD.數據倉庫支持決策而非事務處理E.數據倉庫的主要目標就是幫助分析,做長期性的戰(zhàn)略制定14. 數據倉庫在技術上的工作過程是

27、:(ABCDA. 數據的抽取B. 存儲和管理C. 數據的表現D. 數據倉庫設計E. 數據的表現15. 聯機分析處理包括以下哪些基本分析功能?(BCDA. 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(BDID 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17. 下表是一個購物籃,假定支持度閾值為40%,其中_

28、(A D_是頻繁閉項集。TID 項1 abc2 abcd3 bce4 acde5 deA、abcB、adC、cdD、de18. Apriori算法的計算復雜度受_(ABCD?_影響。A、支持度閥值B、項數(維度C、事務數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、對異常數據項敏感20. 以下屬于分類器評價或比較尺度的有: A,預測準確度B,召回率C,模型描述的簡潔度D,計算復雜度(ACD21. 在評價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. 貝葉斯信念網絡(BBN有如下哪些特點,A,構造網絡費時費力B,對模型的過分問題非常魯棒C,貝葉斯網絡不適合處理不完整的數據D,網絡結構確定后,添加變量相當麻煩(AB23. 如下哪些不是最近鄰分類器的特點,A,它使用具體的訓練實例進行預測,不必維護源自數據的模型B,分類一個測試樣例開銷很大C,最近鄰分類器基于全局信息進行預測D,可以生產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,A,規(guī)則集的表達能力遠不如決策樹好B,基于規(guī)則的分類器都對屬性空間進行直線劃分,并將類指派到每個劃分C,無法被用來產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據集(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B、共性分類相關系數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統計量C、Jaccard系數D、召回率28.(ABCD 這些數據特性都是對聚類分析具有很強影響的。A、高維性B、規(guī)模C、稀疏性D、噪聲和離群點29. 在聚類分析當中,(AD 等技術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. 數據挖掘的主要任務是從數據中發(fā)現潛在的規(guī)則,從而能更好的完成描述數據、預測數據等任務。(對2. 數據挖掘的目標不在于數據采集策略,而在于對于已經存在的數據進行模式的發(fā)掘。(對3. 圖挖掘技術在社會網絡分析中扮演了重要的角色。(對4. 模式為對數據集的全局性總結,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)則主要是對數據進行干擾,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據對象或者值。(對7. 離散屬性總是具有有限個值。(錯8. 噪聲和

32、偽像是數據錯誤這一相同表述的兩種叫法。(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11. 序列數據沒有時間戳。(對12. 定量屬性可以是整數值或者是連續(xù)值。(對13. 可視化技術對于分析的數據類型通常不是專用性的。(錯14. DSS主要是基于數據倉庫.聯機數據分析和數據挖掘技術的應用。(對15. OLAP技術側重于把數據庫中的數據進行分析、轉換成輔助決策信息,是繼數據庫技術發(fā)展之后迅猛發(fā)展起來的一種新技術。(對16. 商業(yè)智能系統與一般交易系統之間在系統設計上的主要區(qū)別在于:后者把結構強加于商務之上,一旦系統設計完畢,其程序和規(guī)則不會輕易改變;而前者則是一個學習型系