數(shù)據(jù)倉庫與數(shù)據(jù)挖掘復(fù)習(xí)題

1、2014-2015-1數(shù)據(jù)倉庫與數(shù)據(jù)挖掘期末考試題型一、單項(xiàng)選擇題（每小題2分，共20分）二、填空題（每空1分，共20分）三、簡答題（每題6分，共30分）四、 析題與計(jì)算題（共30分）請(qǐng)同學(xué)們?cè)诳荚嚂r(shí)不要將復(fù)習(xí)資料帶入考場！ ！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. R

2、ecall, 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.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.

3、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.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)

4、 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)？ (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)

5、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 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 比特 C 比特 D 比特22. 假設(shè)屬

6、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： (D)A B C D23. 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)AB C D24. 考

7、慮值集 12 24 33 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 有放回的簡單隨機(jī)抽樣B 無放回的簡單隨機(jī)抽樣C 分層抽樣 D 漸進(jìn)抽樣28. 數(shù)據(jù)倉庫是隨著

8、時(shí)間變化的 , 下面的描述不正確的是(C)A. 數(shù)據(jù)倉庫隨時(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: (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(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

9、的是: (C)A. 粒度是指數(shù)據(jù)倉庫小數(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)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量.31. 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點(diǎn) , 不正確的描述是: (A)A. 數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確 ;C. 數(shù)據(jù)倉庫的開發(fā)是一個(gè)不斷循環(huán)的過程, 是啟發(fā)式的開發(fā);D. 在數(shù)據(jù)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(shù)據(jù)倉庫中數(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)倉庫測(cè)試 , 下列說法不正

10、確的是: (D)A. 在完成數(shù)據(jù)倉庫的實(shí)施過程中 , 需要對(duì)數(shù)據(jù)倉庫進(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: (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

11、. (1) (2) (3) (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)容比較簡單且重復(fù)率高.D. OLAP是以數(shù)據(jù)倉庫為基礎(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

12、模式，只有后者有與用戶的交互性；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)*=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

13、 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(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-

14、項(xiàng)集不包含(C)A、 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= t=B、 s= t=C、 s= t=D、 s= t=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(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

15、47. 下面購物籃能夠提取的3-項(xiàng)集的最大數(shù)量是多少(C)ID 購買項(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、 2C、 3D、 448 .以下哪些算法是分類算法，A, DBSCAN B 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)（intern

16、al 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.

17、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. B. KNN C. Na?ve Bayes D. ANN56 .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)57 .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（A）A,組合（ensemble） B, 聚集（aggregate） C ,合并（combination） D ,投票（voting） 58.簡單地將數(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（

18、B ）A、層次聚類B 、劃分聚類C 、非互斥聚類D 、模糊聚類59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60. （ 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)填空題 第一章（1）數(shù)據(jù)庫中的知識(shí)挖掘 （KDD）包括以下七個(gè)步驟： 、 、 和 (2)數(shù)據(jù)挖掘的性能問題主要包括： 、 和 (3)當(dāng)前的數(shù)據(jù)挖掘研究中， 最主要的三個(gè)研究方向是： 、 和(4)在萬維網(wǎng)(WWW)應(yīng)用的數(shù)據(jù)挖掘

19、技術(shù)常被稱為： (5) 孤立點(diǎn)是指：答案：(1)數(shù)據(jù)清理，數(shù)據(jù)集成，數(shù)據(jù)選擇，數(shù)據(jù)變換，數(shù)據(jù)挖掘，模式評(píng)估，知識(shí)表示(2)算法的效率、可擴(kuò)展性和并行處理(3)統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫技術(shù)和機(jī)器學(xué)習(xí)(4) WEB交掘(5) 一些與數(shù)據(jù)的一般行為或模型不一致的孤立數(shù)據(jù)第二章(1)進(jìn)行數(shù)據(jù)預(yù)處理時(shí)所使用的主要方法包括： 、和(2)處理噪聲數(shù)據(jù)的方法主要包括： 、和(3)模式集成的主要問題包括： 和(4)數(shù)據(jù)概化是指：(5)數(shù)據(jù)壓縮可分為： 和 兩種類型。(6)進(jìn)行數(shù)值歸約時(shí)，三種常用的有參方法是： 、(7)數(shù)據(jù)離散度的最常用度量是 、和答案：(1) 數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約(2) 分箱、聚類、計(jì)

20、算機(jī)和人工檢查結(jié)合、回歸(3) 整合不同數(shù)據(jù)源中的元數(shù)據(jù)，實(shí)體識(shí)別問題(4) 沿概念分層向上概化(5) 有損壓縮，無損壓縮(6) 線性回歸方法，多元回歸，對(duì)數(shù)線性模型(7) 五數(shù)概括、中間四分位數(shù)區(qū)間、標(biāo)準(zhǔn)差第三章(1)概念分層有四種類型，分別是： 、和(2)常用的四種興趣度的客觀度量是： 、和(3)同時(shí)滿足 和 的關(guān)聯(lián)規(guī)則稱為強(qiáng)關(guān)聯(lián)規(guī)則。答案：(1)模式分層，集合分組分層，操作導(dǎo)出的分層，基于規(guī)則的分層(2)簡單性、確定性、實(shí)用性、新穎性(3)最小置信度臨界值、最小支持度臨界值第四章(1)關(guān)聯(lián)規(guī)則挖掘中，兩個(gè)主要的興趣度度量是： 和(2) Aprior 算法包括 和 兩個(gè)基本步驟(3)項(xiàng)集的

21、頻率是指(4)大型數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則挖掘包含兩個(gè)過程： 和(5)根據(jù)規(guī)則中所處理的值類型，關(guān)聯(lián)規(guī)則可分為： 和(6) Apriori 性質(zhì)是指： (7)挖掘多維關(guān)聯(lián)規(guī)則的技術(shù)可以根據(jù)量化屬性的處理分為三種基本方法： 和(8)對(duì)于頻繁項(xiàng)集挖掘，在挖掘過程中使用的約束包括以下五種類型： 、 和(9)在多維關(guān)聯(lián)規(guī)則挖掘中，我們搜索的不是頻繁項(xiàng)集，而是 答案：(1)支持度和置信度(2)連接和剪枝(3)包含項(xiàng)集的事務(wù)數(shù)(4)找出所有頻繁項(xiàng)集、由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則(5)布爾關(guān)聯(lián)規(guī)則、量化關(guān)聯(lián)規(guī)則(6)頻繁項(xiàng)集的所有非空子集也必須是頻繁的(7)量化屬性的靜態(tài)離散化、量化關(guān)聯(lián)規(guī)則、基于距離的關(guān)聯(lián)規(guī)則(8)

22、反單調(diào)的、單調(diào)的、簡潔的、可轉(zhuǎn)變的、不可轉(zhuǎn)變的(9)頻繁謂詞集第五章(1)通過對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可以提高分類和預(yù)測(cè)過程的 、(2)防止分類中的過分適應(yīng)的兩種方法分別是： 和答案(1)準(zhǔn)確性、有效性和可伸縮性(2)先剪枝、后剪枝第八早(1)在數(shù)據(jù)挖掘中，常用的聚類算法包括： 、基于網(wǎng)格的方法和基于模型的方法。(2)聚類分析常作為一個(gè)獨(dú)立的工具來獲得 (3) 一個(gè)好的聚類分析方法會(huì)產(chǎn)生高質(zhì)量的聚類，具有兩個(gè)特征： 和(4)許多基于內(nèi)存的聚類算法所常用的兩種數(shù)據(jù)結(jié)構(gòu)是 和(5)基于網(wǎng)格的聚類方法的優(yōu)點(diǎn)是： (6)孤立點(diǎn)產(chǎn)生的主要原因包括： 和(7)在基于統(tǒng)計(jì)的孤立點(diǎn)檢測(cè)中，常用于不一致性檢驗(yàn)的參數(shù)包

23、括： 、和答案：(1)劃分方法、層次的方法、基于密度的方法(2)數(shù)據(jù)分布的情況3）高類內(nèi)相似度、低類間相似度4）數(shù)據(jù)矩陣、相異度矩陣5）處理數(shù)度快6）度量或執(zhí)行錯(cuò)誤、數(shù)據(jù)變異的結(jié)果7）數(shù)據(jù)分布、分布參數(shù)、預(yù)期的孤立點(diǎn)數(shù)問答題1. 何謂數(shù)據(jù)挖掘？它有哪些方面的功能？從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程稱為數(shù)據(jù)挖掘。相關(guān)的名稱有知識(shí)發(fā)現(xiàn)、數(shù)據(jù)分析、數(shù)據(jù)融合、決策支持等。數(shù)據(jù)挖掘的功能包括： 概念描述、 關(guān)聯(lián)分析、 分類與預(yù)測(cè)、 聚類分析、 趨勢(shì)分析、孤立點(diǎn)分析以及偏差分析等。2. 何謂數(shù)據(jù)倉庫？為什么要建立數(shù)據(jù)倉庫

24、？數(shù)據(jù)倉庫是一種新的數(shù)據(jù)處理體系結(jié)構(gòu)， 是面向主題的、 集成的、 不可更新的 （ 穩(wěn)定性 ） 、 隨時(shí)間不斷變化 （ 不同時(shí)間 ） 的數(shù)據(jù)集合， 為企業(yè)決策支持系統(tǒng)提供所需的集成信息。建立數(shù)據(jù)倉庫的目的有3 個(gè)：一是為了解決企業(yè)決策分析中的系統(tǒng)響應(yīng)問題， 數(shù)據(jù)倉庫能提供比傳統(tǒng)事務(wù)數(shù)據(jù)庫更快的大規(guī)模決策分析的響應(yīng)速度。二是解決決策分析對(duì)數(shù)據(jù)的特殊需求問題。決策分析需要全面的、正確的集成數(shù)據(jù)，這是傳統(tǒng)事務(wù)數(shù)據(jù)庫不能直接提供的。三是解決決策分析對(duì)數(shù)據(jù)的特殊操作要求。 決策分析是面向?qū)I(yè)用戶而非一般業(yè)務(wù)員，需要使用專業(yè)的分析工具，對(duì)分析結(jié)果還要以商業(yè)智能的方式進(jìn)行表現(xiàn)，這是事務(wù)數(shù)據(jù)庫不能提供的。3.

25、何謂粒度？它對(duì)數(shù)據(jù)倉庫有什么影響？按粒度組織數(shù)據(jù)的方式有哪些？粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細(xì)化或綜合程度的級(jí)別。 粒度影響存放在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同時(shí)影響數(shù)據(jù)倉庫所能回答查詢問題的細(xì)節(jié)程度。按粒度組織數(shù)據(jù)的方式主要有： 簡單堆積結(jié)構(gòu) 輪轉(zhuǎn)綜合結(jié)構(gòu) 簡單直接結(jié)構(gòu) 連續(xù)結(jié)構(gòu)4. 何謂聚類？它與分類有什么異同？聚類是將物理或抽象對(duì)象的集合分組成為多個(gè)類或簇（cluster） 的過程，使得在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同簇中的對(duì)象差別較大。聚類與分類不同，聚類要?jiǎng)澐值念愂俏粗?，分類則可按已知規(guī)則進(jìn)行；聚類是一種無指導(dǎo)學(xué)習(xí)，它不依賴預(yù)先定義的類和帶類標(biāo)號(hào)的訓(xùn)練實(shí)例，屬于觀

26、察式學(xué)習(xí)，分類則屬于有指導(dǎo)的學(xué)習(xí)，是示例式學(xué)習(xí)。5. 分類知識(shí)的發(fā)現(xiàn)方法主要有哪些？分類過程通常包括哪兩個(gè)步驟？分類規(guī)則的挖掘方法通常有：決策樹法、貝葉斯法、人工神經(jīng)網(wǎng)絡(luò)法、粗糙集法和遺傳算法。分類的過程包括 2 步：首先在已知訓(xùn)練數(shù)據(jù)集上，根據(jù)屬性特征，為每一種類別找到一個(gè)合理的描述或模型，即分類規(guī)則；然后根據(jù)規(guī)則對(duì)新數(shù)據(jù)進(jìn)行分類。6. 什么是決策樹？如何用決策樹進(jìn)行分類？決策樹是用樣本的屬性作為結(jié)點(diǎn)，用屬性的取值作為分支的樹結(jié)構(gòu)。它是利用信息論原理對(duì)大量樣本的屬性進(jìn)行分析和歸納而產(chǎn)生的。決策樹的根結(jié)點(diǎn)是所有樣本中信息量最大的屬性。樹的中間結(jié)點(diǎn)是以該結(jié)點(diǎn)為根的子樹所包含的樣本子集中信息量最大

27、的屬性。決策樹的葉結(jié)點(diǎn)是樣本的類別值。決策樹用于對(duì)新樣本的分類，即通過決策樹對(duì)新樣本屬性值的測(cè)試，從樹的根結(jié)點(diǎn)開始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結(jié)點(diǎn)，該葉結(jié)點(diǎn)表示的類別就是新樣本的類別。決策樹方法是數(shù)據(jù)挖掘中非常有效的分類方法。7. 簡述 ID3 算法的基本思想及其主算法的基本步驟。首先找出最有判別力的因素，然后把數(shù)據(jù)分成多個(gè)子集，每個(gè)子集又選擇最有判別力的因素進(jìn)一步劃分，一直進(jìn)行到所有子集僅包含同一類型的數(shù)據(jù)為止。最后得到一棵決策樹，可以用它來對(duì)新的樣例進(jìn)行分類。主算法包括如下幾步：從訓(xùn)練集中隨機(jī)選擇一個(gè)既含正例又含反例的子集( 稱為窗口 ) ；用“建樹算法”對(duì)當(dāng)前窗口

28、形成一棵決策樹；對(duì)訓(xùn)練集( 窗口除外 ) 中例子用所得決策樹進(jìn)行類別判定，找出錯(cuò)判的例子；若存在錯(cuò)判的例子，把它們插入窗口，重復(fù)步驟，否則結(jié)束。8. 噪聲數(shù)據(jù)的產(chǎn)生原因有哪些？(1) 數(shù)據(jù)采集設(shè)備有問題(2) 在數(shù)據(jù)錄入過程中發(fā)生了人為或計(jì)算機(jī)錯(cuò)誤(3) 數(shù)據(jù)傳輸過程中發(fā)生錯(cuò)誤(4) 由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致。9. 遺傳算法與傳統(tǒng)尋優(yōu)算法相比有什么特點(diǎn)？ 遺傳算法為群體搜索，有利于尋找到全局最優(yōu)解； 遺傳算法采用高效有方向的隨機(jī)搜索，搜索效率高； 遺傳算法處理的對(duì)象是個(gè)體而不是參變量，具有廣泛的應(yīng)用領(lǐng)域； 遺傳算法使用適應(yīng)值信息評(píng)估個(gè)體， 不需要導(dǎo)數(shù)或其他輔助信息， 運(yùn)算速度快

29、， 適應(yīng)性好； 遺傳算法具有隱含并行性，具有更高的運(yùn)行效率。10. 請(qǐng)解釋一下在數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則中什么是支持度和可信度，以及關(guān)聯(lián)規(guī)則。支持度：規(guī)則A-B的支持度指的是所有事件中A與B同地發(fā)生的的概率，即 P(AUB),是AB同時(shí)發(fā)生的次數(shù)與事件總次數(shù)之比。支持度是對(duì)關(guān)聯(lián)規(guī)則重要性的衡量?？尚哦龋阂?guī)則A-B的可信度指的是包含A項(xiàng)集的同時(shí)也包含B項(xiàng)集的條件概率P(B|A) ，是 AB 同時(shí)發(fā)生的次數(shù)與A 發(fā)生的所有次數(shù)之比?？尚哦仁菍?duì)關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。關(guān)聯(lián)規(guī)則： 同時(shí)滿足最小支持度閾值和最小可信度閾值的規(guī)則稱之為關(guān)聯(lián)規(guī)則。分析與計(jì)算題1. 假 定用 于分 析的 數(shù)據(jù) 包 含屬 性 age 。

30、數(shù) 據(jù)元 組 中 age 的 值如 下 (按 遞 增序 ) ： 13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,5 2,70 。(a) 使用按箱平均值平滑對(duì)以上數(shù)據(jù)進(jìn)行平滑，箱的深度為 3 。(b) 該數(shù)據(jù)的均值是多少，中位數(shù)是多少？(c) 使用 min-max 規(guī)范化，將age 值 35 轉(zhuǎn)換到 ， 區(qū)間。答： (a) 已知數(shù)據(jù)元組中 age 的值如下 ( 按遞增序 ) ：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70 。且箱的深度為 3 ，劃分為 ( 等頻 ) 箱：箱 1 ： 13,15,16箱 2 ： 16,