商業(yè)數(shù)據(jù)分析師題庫(kù)

商業(yè)數(shù)據(jù)分析師題庫(kù)一、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,RecallB.Recall,PrecisionC.Precision,ROCD.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.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：5,10,11,13,15,35,50,55,72,92,204,215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)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19.考慮值集{1、2、3、4、5、90}，其截?cái)嗑担╬=20%）是(C)A2B3C3.5D520.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)A1比特B2.6比特C3.2比特D3.8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：(D)A0.821B1.224C1.458D0.71623.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(wèn)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)A18.3B22.6C26.8D27.9解析：（16+19+20）/324.考慮值集{12243324556826}，其四分位數(shù)極差是：(A)A31B24C55D3解析：四分位數(shù)極差(IQR)=Q3-Q1。從小到大排序：24122426335568Q1={2,4}Q3={26,33}25.一所大學(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(guò)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(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,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)(4)D.(1)(2)(3)(4)(5)35.關(guān)于OLAP和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:(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)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、4B、5C、6D、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(guò)程得到4-項(xiàng)集不包含（C）A、1，2，3，4B、1，2，3，5C、1，2，4，5D、1，3，4，5根據(jù)數(shù)據(jù)挖掘Apriori算法的性質(zhì)之一：判定是否可作為K項(xiàng)頻繁集是通過(guò)K項(xiàng)集分裂為K個(gè)K-1項(xiàng)集,考察K-1項(xiàng)集是否為L(zhǎng)k-1,要生成4-項(xiàng)集,｛1,2,4,5｝分裂后為｛1,2,4｝｛2,4,5｝｛1,2,5｝｛1,4,5｝其中,｛1,4,5｝不屬于頻繁3項(xiàng)集,所以｛1,2,4,5｝不能作為4項(xiàng)集,因?yàn)橛行再|(zhì)為：任何非頻繁的K-1項(xiàng)集都不可能是頻繁項(xiàng)集K項(xiàng)集的子集.43.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(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、1B、2C、3D、448.以下哪些算法是分類算法，（B）A，DBSCANB，C4.5C,K-MeanD,EM49.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）A，KNNB，SVMC，BayesD，神經(jīng)網(wǎng)絡(luò)50.決策樹中不包含一下哪種結(jié)點(diǎn)，(C)A,根結(jié)點(diǎn)（rootnode)B,內(nèi)部結(jié)點(diǎn)（internalnode）C,外部結(jié)點(diǎn)（externalnode）D,葉結(jié)點(diǎn)（leafnode）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(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(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.C4.5B.KNNC.Na?veBayesD.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)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，0.75B,0.35C,0.4678D,0.5738答案貌似錯(cuò)誤的,根據(jù)貝葉斯公式計(jì)算應(yīng)該是0.5738；假設(shè)踢了100場(chǎng),隊(duì)0贏了65場(chǎng),隊(duì)1贏了35場(chǎng)；隊(duì)1的主場(chǎng),隊(duì)0贏了65*0.3=19.5場(chǎng),隊(duì)1贏了35*0.75=26.25場(chǎng)；則隊(duì)1在在自己主場(chǎng)贏得概率：26.25/（19.5+26.25）=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.（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，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(logm)D、O(m*logm)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：①構(gòu)造k－最近鄰圖。②使用多層圖劃分算法劃分圖。③repeat：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。④until：不再有可以合并的簇。（C）。A、MSTB、OPOSSUMC、ChameleonD、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.以下屬于可伸縮聚類算法的是（A）。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(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(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、STINGB、WaveClusterC、MAFIAD、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(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：(AB)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？(ABCD)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？(AB)A.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：(ABCD)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？(AD)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：(ＡＢＣＤＥ)A忽略元組B使用屬性的平均值填充空缺值C使用一個(gè)全局常量填充空缺值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)(ＡＢＣＥ)A矩陣B平行坐標(biāo)系C星形坐標(biāo)D散布圖EChernoff臉8.對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問(wèn)題有：(ＡＢＣＤＥ)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：(ＡＢＣＥ)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：(BCD)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：(AC)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.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．?dāng)?shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)B．?dāng)?shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)C．?dāng)?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．?dāng)?shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理E．?dāng)?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)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（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、牛奶解析：面包：,4，牛奶：4，尿布：4，啤酒：3，雞蛋：1，可樂(lè)：2生成新的ID數(shù)據(jù)集17.下表是一個(gè)購(gòu)物籃，假定支持度閾值為40%，其中__(AD)__是頻繁閉項(xiàng)集。TID項(xiàng)1abc2abcd3bce4acde5deA、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:(ACD)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，(ABCD)A,F1度量B,召回率（recall）C,精度（precision）D,真正率（turepositiverate,TPR）22.貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)，（AB）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23.如下哪些不是最近鄰分類器的特點(diǎn)，(C)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24.如下那些不是基于規(guī)則分類器的特點(diǎn)，（AC）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25.以下屬于聚類算法的是（ABD）。A、K均值B、DBSCANC、AprioriD、Jarvis-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、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(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.OLA