數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）智慧樹知到期末考試答案2024年

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）智慧樹知到期末考試答案2024年數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）頻繁項集、頻繁閉項集、最?頻繁項集之間的關系是：（）

A:頻繁項集頻繁閉項集最?頻繁項集B:頻繁項集=頻繁閉項集最?頻繁項集C:頻繁項集頻繁閉項集=最?頻繁項集D:頻繁項集=頻繁閉項集=最?頻繁項集答案:頻繁項集頻繁閉項集最?頻繁項集決策樹中不包含?下哪種結點，（）

A:根結點（rootnode)B:葉結點（leafnode）C:內部結點（internalnode）D:外部結點（externalnode）答案:外部結點（externalnode）下面哪個不屬于數(shù)據(jù)的屬性類型(

)

A:區(qū)間B:相異C:序數(shù)D:標稱答案:相異關于OLAP和OLTP的區(qū)別描述,不正確的是:（）

A:OLAP是以數(shù)據(jù)倉庫為基礎的,但其最終數(shù)據(jù)來源與OLTP?樣均來?底層的數(shù)據(jù)庫系統(tǒng),兩者?對的?戶是相同的.B:OLAP主要是關于如何理解聚集的?量不同的數(shù)據(jù).它與OTAP應?程序不同.C:OLAP的特點在于事務量?,但事務內容?較簡單且重復率?.D:與OLAP應?程序不同,OLTP應?程序包含?量相對簡單的事務.答案:OLAP設X={1，2，3}是頻繁項集，則可由X產?__（）__個關聯(lián)規(guī)則。

A:7B:4C:6D:5答案:6以下哪些算法是分類算法，（）

A:K-MeanB:EMC:DBSCAND:C4.5答案:C4.5下?購物籃能夠提取的3-項集的最?數(shù)量是多少ID購買項1?奶，啤酒，尿布2?包，?油，?奶3?奶，尿布，餅?4?包，?油，餅?5啤酒，餅?，尿布6?奶，尿布，?包，?油7?包，?油，尿布8啤酒，尿布9?奶，尿布，?包，?油10啤酒，餅?（）

A:2B:4C:1D:3答案:3以下哪種方法不屬于特征選擇的標準方法(

)

A:抽樣B:嵌入C:包裝D:過濾答案:抽樣數(shù)據(jù)倉庫是隨著時間變化的,下?的描述不正確的是（）

A:捕捉到的新數(shù)據(jù)會覆蓋原來的快照;B:數(shù)據(jù)倉庫中包含?量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會隨著時間的變化不斷地進?重新綜合.C:數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內容;D:數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內容;答案:數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內容;有關數(shù)據(jù)倉庫的開發(fā)特點,不正確的描述是:（）

A: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B:數(shù)據(jù)倉庫使?的需求在開發(fā)出去就要明確;C:數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);D:數(shù)據(jù)倉庫的開發(fā)是?個不斷循環(huán)的過程,是啟發(fā)式的開發(fā);答案:數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);下?列出的條?中，哪些是數(shù)據(jù)倉庫的基本特征：（）

A:數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的B:數(shù)據(jù)倉庫是?向事務的C:數(shù)據(jù)倉庫的數(shù)據(jù)是集成的D:數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的E:數(shù)據(jù)倉庫是?向主題的答案:數(shù)據(jù)倉庫是?向主題的###數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的###數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：（）

A:不?致B:重復C:不完整D:含噪聲E:維度?答案:不?致###不完整###含噪聲###維度?###重復在評價不平衡類問題分類的度量?法有如下?種（）

A:F1度量B:真正率（turepositiverate,TPR）C:召回率（recall）D:精度（precision）答案:F1度量###召回率（recall）###真正率（ture###精度（precision）在決策樹中，隨著樹中結點數(shù)變得太?，即使模型的訓練誤差還在繼續(xù)減低，但是檢驗誤差開始增?，這是出現(xiàn)了模型擬合不?的問題。（）

A:正確B:錯誤答案:（錯）數(shù)據(jù)倉庫中間層OLAP服務器只能采?關系型OLAP（）

A:錯B:對答案:錯先驗原理可以表述為：如果?個項集是頻繁的，那包含它的所有項集也是頻繁的。（）

A:錯誤B:正確答案:錯誤DSS主要是基于數(shù)據(jù)倉庫.聯(lián)機數(shù)據(jù)分析和數(shù)據(jù)挖掘技術的應?。（）

A:錯B:對答案:對Web數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的?些屬性來預測另?個屬性,它在驗證?戶提出的假設過程中提取信息.（）

A:錯誤B:正確答案:錯誤尋找模式和規(guī)則主要是對數(shù)據(jù)進??擾，使其符合某種規(guī)則以及模式。（）

A:對B:錯答案:錯如果?個對象不強屬于任何簇，那么該對象是基于聚類的離群點。（）

A:對B:錯答案:對分類模型的誤差?致分為兩種：訓練誤差（trainingerror）和泛化誤差（generalizationerror）.（）

A:正確B:錯誤答案:正確分類和回歸都可?于預測，分類的輸出是離散的類別值，?回歸的輸出是連續(xù)數(shù)值。（）

A:錯誤B:正確答案:正確序列數(shù)據(jù)沒有時間戳。（）

A:錯誤B:正確答案:正確圖挖掘技術在社會?絡分析中扮演了重要的??。（）

A:錯誤B:正確答案:正確從點作為個體簇開始，每?步合并兩個最接近的簇，這是?種分裂的層次聚類?法。（）

A:錯誤B:正確答案:錯誤聚類（clustering）是這樣的過程：它找出描述并區(qū)分數(shù)據(jù)類或概念的模型(或函數(shù))，以便能夠使?模型預測類標記未知的對象類。（）

A:錯誤B:正確答案:錯誤數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析?具等四個部分.()

A:正確B:錯誤答案:錯誤在聚類分析當中，簇內的相似性越?，簇間的差別越?，聚類的效果就越差。（）

A:錯誤B:正確答案:錯誤下列__（）__不是將主觀信息加?到模式發(fā)現(xiàn)任務中的?法。

A:主觀興趣度量B:可視化C:與同?時期其他數(shù)據(jù)對?D:基于模板的?法答案:AI參考:正確答案是D：基于模板的?法。\n選項D中基于模板的方法不是將主觀信息加?到模式發(fā)現(xiàn)任務中的?法。其它三個選項（A:主觀興趣度量、B:可視化、C:與同?時期其他數(shù)據(jù)對?）都是可以將主觀信息加?到模式發(fā)現(xiàn)任務中的?法。\n\n解釋：\n\n-主觀興趣度量可以基于數(shù)據(jù)專家或用戶的興趣愛好等因素對數(shù)據(jù)進行分析，從中發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律或模式。\n-可視化可以將數(shù)據(jù)以圖表或圖形化的形式展示，通過視覺觀察發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和模式。\n-與同?時期其他數(shù)據(jù)對?可以通過對比不同時期的數(shù)據(jù)，找出數(shù)據(jù)中可能存在的變化規(guī)律和模式。\n\n而基于模板的方法是?種傳統(tǒng)的模式發(fā)現(xiàn)?法，它是基于預先設定的模板或模式對數(shù)據(jù)進?分類或預測。這種方法不需要考慮數(shù)據(jù)的主觀信息，因此不是將主觀信息加?到模式發(fā)現(xiàn)任務中的?法。'什么是KDD？()

A:文檔知識發(fā)現(xiàn)B:數(shù)據(jù)挖掘與知識發(fā)現(xiàn)C:領域知識發(fā)現(xiàn)D:動態(tài)知識發(fā)現(xiàn)答案:AI參考:正確選項是【B:數(shù)據(jù)挖掘與知識發(fā)現(xiàn)】。\n\nKDD是數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的簡稱，所以B選項是正確答案。文檔知識發(fā)現(xiàn)、領域知識發(fā)現(xiàn)和動態(tài)知識發(fā)現(xiàn)都不是KDD的準確描述。'如下那些不是基于規(guī)則分類器的特點，（）

A:?常適合處理類分布不平衡的數(shù)據(jù)集B:規(guī)則集的表達能?遠不如決策樹好C:?法被?來產?更易于解釋的描述性模型D:基于規(guī)則的分類器都對屬性空間進?直線劃分，并將類指派到每個劃分答案:AI參考:基于規(guī)則的分類器并不總是對屬性空間進行直線劃分，并將類指派到每個劃分。所以選項D不正確。同時，基于規(guī)則的分類器在規(guī)則集的表達能力上可能不如決策樹，因此選項B的說法也是正確的。另外，基于規(guī)則的分類器通常需要手動構建規(guī)則，這可能會影響其生成的模型的解釋性，因此選項C也是正確的。最后，雖然基于規(guī)則的分類器在處理類分布不平衡的數(shù)據(jù)集上表現(xiàn)較好，但是這并不是它們的唯一優(yōu)點，因此選項A也不是特點。所以，正確選項是D:基于規(guī)則的分類器都對屬性空間進?直線劃分，并將類指派到每個劃分。\n\n請注意，這些特點只是基于規(guī)則分類器的某些可能缺點或局限性，具體取決于具體的實現(xiàn)方法和應用場景。在某些情況下，基于規(guī)則的分類器可能具有其他優(yōu)點或更適合某些任務。'選項中屬于聚類算法的是（）

A:Jarvis-Patrick（JP）B:K均值C:DBSCAND:Apriori答案:AI參考:屬于聚類算法的是：B:K均值；C:DBSCAN。\n