數(shù)據(jù)挖掘試題(150道)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上單選題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(wèn)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, Precision A. 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.

2、 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. 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(wèn)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

3、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(guò)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,

4、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)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)

5、方法： (D)A嵌入 B 過(guò)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 A 傅立葉變換 B特征加權(quán) C 漸進(jìn)抽樣 D維歸約 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 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

6、變化的,下面的描述不正確的是 (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.

7、 粒度是指數(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(kāi)發(fā)特點(diǎn),不正確的描述是: (A)A. 數(shù)據(jù)倉(cāng)庫(kù)開(kāi)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(kāi)發(fā)出去就要明確;C. 數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)是一個(gè)不斷循環(huán)的過(guò)程,是啟發(fā)式的開(kāi)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(méi)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(shuō)法不正確的是: (D)A. 在完成數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中,

8、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(méi)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) (4)D. (1) (2) (3) (4)

9、 (5)35. 關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是: (d)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(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(shuō)法正確的是: (D)A. 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

10、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(guò)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(shuō)法,下列不正確的是: (c)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)X=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 D、7 40. 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)

11、 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B、可視化C、基于模板的方法D、主觀

12、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 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(wèn)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

13、,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(shuō)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. 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(wèn)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

14、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. 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)

15、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)，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

16、C，訓(xùn)練ANN是一個(gè)很耗時(shí)的過(guò)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(guò)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，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.（

17、 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，

18、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)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的比較，以下說(shuō)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

19、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，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、MST B、OPOSSUM C、Chameleon D、JarvisPatrick（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)

20、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 ）。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、EM算法 C、SOM D、CLIQUE77. 關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn)，下面說(shuō)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?/p>

21、種類型的分布。 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(wèn)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、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JarvisPatrick（JP）聚類算法的說(shuō)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

22、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(guò)數(shù)據(jù)挖掘過(guò)程所推倒出的關(guān)系和摘要經(jīng)常被稱為：(A B) A. 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(guò)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(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(guò)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(wèn)題？ (A B) A. 分類 B. 回歸 C. 模式發(fā)現(xiàn) D.

23、 模式匹配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(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 D) A. 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(wèn)題的各種方法有： ()A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) ()A 矩陣 B 平行坐標(biāo)系 C星形坐標(biāo) D散布圖 E Chernoff臉8.

24、 對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問(wèn)題有： ()A 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：()A 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 D)A 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線性代數(shù)技術(shù)的有： (A C)A 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(kù)的基本特征： (ACD)A. 數(shù)據(jù)倉(cāng)庫(kù)是面向主題的 B. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的 C. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是相對(duì)穩(wěn)定的 D.

25、數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是反映歷史變化的 E. 數(shù)據(jù)倉(cāng)庫(kù)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(kù)的不同說(shuō)法，你認(rèn)為正確的有（BCDE ）。A數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)B數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)C數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTP）D數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理E數(shù)據(jù)倉(cāng)庫(kù)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(kù)在技術(shù)上的工作過(guò)程是： (ABCD)A. 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(kù)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？ (BCD)A. 聚類 B. 切片 C. 轉(zhuǎn)軸 D. 切塊 E. 分類16. 利用Aprior

26、i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（BD）ID 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(lè)4 面包、牛奶、尿布、啤酒5 面包、牛奶、尿布、可樂(lè)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_(A D)_是頻繁閉項(xiàng)集。TID 項(xiàng)1 abc2 abcd3 bce4 acde5 deA、abc B、adC、cd D、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)

27、（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 (ACD)21. 在評(píng)價(jià)不平衡類問(wèn)題分類的度量方法有如下幾種，A,F1度量 B,召回率（recall） C,精度（precision） D,真正率（ture positive rate,TPR） (ABCD)22. 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(guò)分問(wèn)題非常魯棒 C,貝葉斯網(wǎng)絡(luò)不適合處理

28、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 （AB）23. 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(kāi)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 (C)24. 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(wú)法被用來(lái)產(chǎn)生更易于解釋的描述性模型 D,非常適合處理類分布不平衡的數(shù)據(jù)集 （AC）25. 以下屬于聚類算法的是（ ABD ）。 A、K均值 B、DBSCAN C、Apriori D、J

29、arvis-Patrick（JP）26.（ 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 ）都屬于分裂的層次聚類算法。 A、二分K均值 B、MST C、Chamel

30、eon D、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. 噪聲和偽像是數(shù)據(jù)錯(cuò)誤這一相同表述的兩種叫法。（

31、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(méi)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(kù).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(kù)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(kù)技術(shù)發(fā)展之后迅猛發(fā)展起來(lái)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)型系統(tǒng)，能自動(dòng)適應(yīng)商務(wù)不斷變化的要求。 （對(duì)）17. 數(shù)據(jù)倉(cāng)庫(kù)中間層OLAP服務(wù)器只能采用關(guān)系型OLAP （錯(cuò)）18數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的組成部分包括數(shù)