《大数据时代下的数据挖掘》试题及答案..
《数据挖掘》试题与答案
一、解答题（满分30分，每小题5分）1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。
知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。
流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。
2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有：1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。
例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。
2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。
若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。
3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。
由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。
假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。
3. 数据挖掘的分类方法有哪些，请详细阐述之分类方法归结为四种类型：1）、基于距离的分类方法:距离的计算方法有多种，最常用的是通过计算每个类的中心来完成，在实际的计算中往往用距离来表征，距离越近，相似性越大，距离越远，相似性越小。
大数据分析与挖掘复习 题集附答案
大数据分析与挖掘复习题集附答案大数据分析与挖掘复习题集附答案一、选择题1. 数据挖掘的主要任务是：A. 模式发现和模型评估B. 数据收集和整理C. 数据分析和可视化D. 数据传输和存储答案：A2. 在数据挖掘过程中，数据预处理的目的是：A. 提取有价值的信息B. 去除异常值和噪声C. 构建合适的模型D. 优化数据存储结构答案：B3. 关联规则挖掘是指：A. 发现不同属性之间的关联关系B. 预测未来事件的发生C. 分析数据的变化趋势D. 构建数据的分类模型答案：A4. 在数据挖掘中，分类和聚类的主要区别在于：A. 数据来源的不同B. 目标的不同C. 算法的不同D. 结果的不同答案：B5. 大数据分析的核心挑战是：A. 数据存储和处理速度B. 数据质量和准确性C. 数据安全和隐私保护D. 数据可视化和展示答案：A二、填空题1. __________是指通过对海量数据进行深入分析和挖掘，从中发现有价值的信息。
答案：大数据分析与挖掘2. 在数据挖掘过程中，将数据按照一定的规则进行重新排列，以便更方便地进行分析和挖掘，这个过程称为__________。
答案：数据预处理3. 数据挖掘中的分类算法主要是通过对已有的样本进行学习和训练，从而预测新的样本所属的__________。
答案：类别4. 聚类算法是将相似的数据样本归为一类，不需要事先知道数据的__________。
答案：类别5. 在大数据分析中，数据的__________对于结果的准确性和可靠性至关重要。
答案：质量三、简答题1. 请简要说明大数据分析与挖掘的步骤和流程。
答：大数据分析与挖掘的步骤主要包括数据收集与清洗、数据预处理、模式发现、模型评估和应用。
首先，需要从各个数据源收集所需数据，并对数据进行清洗，去除异常值和噪声。
然后，通过数据预处理，对数据进行规范化、离散化等处理，以便于后续的分析和挖掘。
接着，利用合适的算法和技术，进行模式发现，例如关联规则挖掘、分类和聚类等。
《数据挖掘》试题与答案(2021年整理精品文档)
《数据挖掘》试题与答案编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（《数据挖掘》试题与答案）的内容能够给您的工作和学习带来便利。
同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。
本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为《数据挖掘》试题与答案的全部内容。
一、解答题（满分30分,每小题5分）1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式;然后，调用相应的算法生成所需的知识;最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。
知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。
流程步骤:先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理,剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型;最后经过解释和评价成为有用的信息。
2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有：1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说,假设未来行为与现在的行为有关,利用属性现在的值预测将来的值是可行的。
例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。
2）、随机时间序列预测方法：通过建立随机模型，对随机时间序列进行分析，可以预测未来值.若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR）模型、移动回归模型（Moving Average，简称MA)或自回归移动平均（Auto Regressive Moving Average,简称ARMA）模型进行分析预测。
数据挖掘考试题库及答案
数据挖掘考试题库及答案一、选择题1. 数据挖掘是从大量数据中提取有价值信息的过程，以下哪项不是数据挖掘的主要任务？A. 预测B. 分类C. 聚类D. 数据可视化答案：D2. 以下哪种技术不属于数据挖掘的常用方法？A. 决策树B. 支持向量机C. 关联规则D. 数据仓库答案：D3. 数据挖掘中，以下哪项技术常用于分类和预测？A. 神经网络B. K-均值聚类C. 主成分分析D. 决策树答案：D4. 在数据挖掘中，以下哪个概念表示数据集中的属性？A. 数据项B. 数据记录C. 数据属性D. 数据集答案：C5. 数据挖掘中，以下哪个算法用于求解关联规则？A. Apriori算法B. ID3算法C. K-Means算法D. C4.5算法答案：A二、填空题6. 数据挖掘的目的是从大量数据中提取______信息。
答案：有价值7. 在数据挖掘中，分类任务分为有监督学习和______学习。
答案：无监督8. 决策树是一种用于分类和预测的树形结构，其核心思想是______。
答案：递归划分9. 关联规则挖掘中，支持度表示某个项集在数据集中的出现频率，置信度表示______。
答案：包含项集的记录中同时包含结论的记录的比例10. 数据挖掘中，聚类分析是将数据集划分为若干个______的子集。
答案：相似三、判断题11. 数据挖掘只关注大量数据中的异常值。
（）答案：错误12. 数据挖掘是数据仓库的一部分。
（）答案：正确13. 决策树算法适用于处理连续属性的分类问题。
（）答案：错误14. 数据挖掘中的聚类分析是无监督学习任务。
（）答案：正确15. 关联规则挖掘中，支持度越高，关联规则越可靠。
（）答案：错误四、简答题16. 简述数据挖掘的主要任务。
答案：数据挖掘的主要任务包括预测、分类、聚类、关联规则挖掘、异常检测等。
17. 简述决策树算法的基本原理。
答案：决策树算法是一种自顶向下的递归划分方法。
它通过选择具有最高信息增益的属性进行划分，将数据集划分为若干个子集，直到满足停止条件。
（完整word版）数据挖掘题目及答案
（完整word版）数据挖掘题⽬及答案⼀、何为数据仓库？其主要特点是什么？数据仓库与KDD的联系是什么？数据仓库是⼀个⾯向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，⽤于⽀持管理决策。
特点：1、⾯向主题操作型数据库的数据组织⾯向事务处理任务，各个业务系统之间各⾃分离，⽽数据仓库中的数据是按照⼀定的主题域进⾏组织的。
2、集成的数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加⼯、汇总和整理得到的，必须消除源数据中的不⼀致性，以保证数据仓库内的信息是关于整个企业的⼀致的全局信息。
3、相对稳定的数据仓库的数据主要供企业决策分析之⽤，⼀旦某个数据进⼊数据仓库以后，⼀般情况下将被长期保留，也就是数据仓库中⼀般有⼤量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。
4、反映历史变化数据仓库中的数据通常包含历史信息，系统记录了企业从过去某⼀时点(如开始应⽤数据仓库的时点)到⽬前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。
所谓基于数据库的知识发现（KDD）是指从⼤量数据中提取有效的、新颖的、潜在有⽤的、最终可被理解的模式的⾮平凡过程。
数据仓库为KDD提供了数据环境，KDD从数据仓库中提取有效的，可⽤的信息⼆、数据库有4笔交易。
设minsup=60%，minconf=80%。
TID DATE ITEMS_BOUGHTT100 3/5/2009 {A, C, S, L}T200 3/5/2009 {D, A, C, E, B}T300 4/5/2010 {A, B, C}T400 4/5/2010 {C, A, B, E}使⽤Apriori算法找出频繁项集，列出所有关联规则。
解：已知最⼩⽀持度为60%，最⼩置信度为80%1）第⼀步，对事务数据库进⾏⼀次扫描，计算出D中所包含的每个项⽬出现的次数，⽣成候选1-项集的集合C1。
大数据时代下的数据挖掘试题及答案..
《海量数据挖掘技术及工程实践》题目一、单选题（共80题）1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。
A.数据清洗B.数据集成C.数据变换D.数据归约2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)A. 关联规则发现B. 聚类C. 分类D. 自然语言处理3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。
(b)描述有多少比例的小偷给警察抓了的标准。
A. Precision,RecallB. Recall,PrecisionA. Precision,ROC D. Recall,ROC4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)A. 频繁模式挖掘B. 分类和预测C. 数据预处理D. 数据流挖掘5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)A. 分类B. 聚类C. 关联分析D. 隐马尔可夫链6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C)A. 根据内容检索B. 建模描述C. 预测建模D. 寻找模式和规则7)下面哪种不属于数据预处理的方法？ (D)A.变量代换B.离散化C.聚集D.估计遗漏值8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204,215 使用如下每种方法将它们划分成四个箱。
等频（等深）划分时，15在第几个箱子内？(B)A.第一个B.第二个C.第三个D.第四个9)下面哪个不属于数据的属性类型：(D)A.标称B.序数C.区间D.相异10)只有非零值才重要的二元属性被称作：( C )A.计数属性B.离散属性C.非对称的二元属性D.对称属性11)以下哪种方法不属于特征选择的标准方法： (D)A.嵌入B.过滤C.包装D.抽样12)下面不属于创建新属性的相关方法的是： (B)A.特征提取B.特征修改C.映射数据到新的空间D.特征构造13)下面哪个属于映射数据到新的空间的方法？ (A)A.傅立叶变换B.特征加权C.渐进抽样D.维归约14)假设属性income的最大最小值分别是12000元和98000元。
《大数据时代下的数据挖掘》试题及答案..
《海量数据挖掘技术及工程实践》题目一、单选题（共80题）1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。
A.数据清洗B.数据集成C.数据变换D.数据归约2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)A. 关联规则发现B. 聚类C. 分类D. 自然语言处理3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。
(b)描述有多少比例的小偷给警察抓了的标准。
A. Precision,RecallB. Recall,PrecisionA. Precision,ROC D. Recall,ROC4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)A. 频繁模式挖掘B. 分类和预测C. 数据预处理D. 数据流挖掘5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)A. 分类B. 聚类C. 关联分析D. 隐马尔可夫链6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C)A. 根据内容检索B. 建模描述C. 预测建模D. 寻找模式和规则7)下面哪种不属于数据预处理的方法？ (D)A.变量代换B.离散化C.聚集D.估计遗漏值8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204,215 使用如下每种方法将它们划分成四个箱。
等频（等深）划分时，15在第几个箱子内？(B)A.第一个B.第二个C.第三个D.第四个9)下面哪个不属于数据的属性类型：(D)A.标称B.序数C.区间D.相异10)只有非零值才重要的二元属性被称作：( C )A.计数属性B.离散属性C.非对称的二元属性D.对称属性11)以下哪种方法不属于特征选择的标准方法： (D)A.嵌入B.过滤C.包装D.抽样12)下面不属于创建新属性的相关方法的是： (B)A.特征提取B.特征修改C.映射数据到新的空间D.特征构造13)下面哪个属于映射数据到新的空间的方法？ (A)A.傅立叶变换B.特征加权C.渐进抽样D.维归约14)假设属性income的最大最小值分别是12000元和98000元。
大数据技术与数据挖掘技术测试 选择题 61题
1. 大数据的“4V”特征不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Visibility2. Hadoop的核心组件包括哪些？A. HDFS和MapReduceB. HDFS和YARNC. MapReduce和YARND. HDFS、MapReduce和YARN3. 在数据挖掘中，分类和聚类的主要区别是什么？A. 分类有监督，聚类无监督B. 分类无监督，聚类有监督C. 分类和聚类都是无监督D. 分类和聚类都是有监督4. 下列哪个不是数据仓库的特征？A. 面向主题B. 集成性C. 时变性D. 实时性5. 在数据挖掘中，关联规则挖掘的目的是什么？A. 发现数据集中的频繁项集B. 预测未来数据C. 分类数据D. 聚类数据6. 下列哪个算法是用于分类的？A. K-MeansB. AprioriC. Naive BayesD. PCA7. 在Hadoop中，HDFS的主要作用是什么？A. 数据处理B. 数据存储C. 资源管理D. 任务调度8. 数据挖掘中的“异常检测”主要用于什么？A. 发现数据中的异常模式B. 数据分类C. 数据聚类D. 数据关联9. 下列哪个工具不是用于大数据处理的？A. Apache SparkB. Apache FlinkC. Microsoft ExcelD. Apache Kafka10. 在数据挖掘中，决策树算法属于哪一类？A. 有监督学习B. 无监督学习C. 半监督学习D. 强化学习11. 下列哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系型数据库D. 图形数据库12. 在数据挖掘中，支持度（Support）是用来衡量什么的？A. 规则的置信度B. 规则的普遍性C. 规则的准确性D. 规则的相关性13. 下列哪个算法是用于聚类的？A. K-Nearest NeighborsB. K-MeansC. Naive BayesD. Decision Tree14. 在Hadoop生态系统中，Hive的主要作用是什么？A. 数据存储B. 数据处理C. SQL查询D. 资源管理15. 数据挖掘中的“回归分析”主要用于什么？A. 预测数值型数据B. 分类数据C. 聚类数据D. 关联分析16. 下列哪个不是大数据处理框架？A. Apache HadoopB. Apache SparkC. Apache FlinkD. Apache Tomcat17. 在数据挖掘中，置信度（Confidence）是用来衡量什么的？A. 规则的普遍性B. 规则的置信度C. 规则的准确性D. 规则的相关性18. 下列哪个算法是用于关联规则挖掘的？A. AprioriB. K-MeansC. Naive BayesD. Decision Tree19. 在Hadoop中，YARN的主要作用是什么？A. 数据存储B. 数据处理C. 资源管理D. 任务调度20. 数据挖掘中的“时间序列分析”主要用于什么？A. 预测未来数据B. 分类数据C. 聚类数据D. 关联分析21. 下列哪个不是大数据的存储解决方案？A. HDFSB. Amazon S3C. Google Cloud StorageD. Microsoft SQL Server22. 在数据挖掘中，PCA（主成分分析）主要用于什么？A. 数据降维B. 数据分类C. 数据聚类D. 数据关联23. 下列哪个算法是用于异常检测的？A. Isolation ForestB. K-MeansC. Naive BayesD. Decision Tree24. 在Hadoop生态系统中，Pig的主要作用是什么？A. 数据存储B. 数据处理C. SQL查询D. 资源管理25. 数据挖掘中的“文本挖掘”主要用于什么？A. 分析文本数据B. 分类数据C. 聚类数据D. 关联分析26. 下列哪个不是大数据分析工具？A. TableauB. Power BIC. Microsoft WordD. QlikView27. 在数据挖掘中，SVM（支持向量机）主要用于什么？A. 数据分类B. 数据聚类C. 数据关联D. 数据降维28. 下列哪个算法是用于时间序列分析的？A. ARIMAB. K-MeansC. Naive BayesD. Decision Tree29. 在Hadoop生态系统中，HBase的主要作用是什么？A. 数据存储B. 数据处理C. SQL查询D. 资源管理30. 数据挖掘中的“推荐系统”主要用于什么？A. 个性化推荐B. 分类数据C. 聚类数据D. 关联分析31. 下列哪个不是大数据的计算框架？A. Apache HadoopB. Apache SparkC. Apache FlinkD. Apache Maven32. 在数据挖掘中，LDA（潜在狄利克雷分配）主要用于什么？A. 文本主题建模B. 数据分类C. 数据聚类D. 数据关联33. 下列哪个算法是用于推荐系统的？A. Collaborative FilteringB. K-MeansC. Naive BayesD. Decision Tree34. 在Hadoop生态系统中，Flume的主要作用是什么？A. 数据存储B. 数据处理C. 数据采集D. 资源管理35. 数据挖掘中的“社交网络分析”主要用于什么？A. 分析社交网络数据B. 分类数据C. 聚类数据D. 关联分析36. 下列哪个不是大数据的分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 主观性分析37. 在数据挖掘中，GBDT（梯度提升决策树）主要用于什么？A. 数据分类B. 数据聚类C. 数据关联D. 数据回归38. 下列哪个算法是用于社交网络分析的？A. PageRankB. K-MeansC. Naive BayesD. Decision Tree39. 在Hadoop生态系统中，Sqoop的主要作用是什么？A. 数据存储B. 数据处理C. 数据迁移D. 资源管理40. 数据挖掘中的“图像挖掘”主要用于什么？A. 分析图像数据B. 分类数据C. 聚类数据D. 关联分析41. 下列哪个不是大数据的存储技术？A. HDFSB. CassandraC. MySQLD. Amazon DynamoDB42. 在数据挖掘中，CNN（卷积神经网络）主要用于什么？A. 图像识别B. 数据分类C. 数据聚类D. 数据关联43. 下列哪个算法是用于图像挖掘的？A. CNNB. K-MeansC. Naive BayesD. Decision Tree44. 在Hadoop生态系统中，Oozie的主要作用是什么？A. 数据存储B. 数据处理C. 工作流调度D. 资源管理45. 数据挖掘中的“语音识别”主要用于什么？A. 分析语音数据B. 分类数据C. 聚类数据D. 关联分析46. 下列哪个不是大数据的处理技术？A. MapReduceB. SparkC. FlinkD. Docker47. 在数据挖掘中，RNN（循环神经网络）主要用于什么？A. 序列数据分析B. 数据分类C. 数据聚类D. 数据关联48. 下列哪个算法是用于语音识别的？A. RNNB. K-MeansC. Naive BayesD. Decision Tree49. 在Hadoop生态系统中，ZooKeeper的主要作用是什么？A. 数据存储B. 数据处理C. 协调服务D. 资源管理50. 数据挖掘中的“情感分析”主要用于什么？A. 分析文本情感B. 分类数据C. 聚类数据D. 关联分析51. 下列哪个不是大数据的分析平台？A. Google BigQueryB. Amazon RedshiftC. Microsoft Azure SQL DatabaseD. Oracle Database52. 在数据挖掘中，LSTM（长短期记忆网络）主要用于什么？A. 序列数据分析B. 数据分类C. 数据聚类D. 数据关联53. 下列哪个算法是用于情感分析的？A. LSTMB. K-MeansC. Naive BayesD. Decision Tree54. 在Hadoop生态系统中，Kafka的主要作用是什么？A. 数据存储B. 数据处理C. 消息队列D. 资源管理55. 数据挖掘中的“生物信息学分析”主要用于什么？A. 分析生物数据B. 分类数据C. 聚类数据D. 关联分析56. 下列哪个不是大数据的分析技术？A. 数据可视化B. 数据挖掘C. 数据清洗D. 数据加密57. 在数据挖掘中，GAN（生成对抗网络）主要用于什么？A. 数据生成B. 数据分类C. 数据聚类D. 数据关联58. 下列哪个算法是用于生物信息学分析的？A. BLASTB. K-MeansC. Naive BayesD. Decision Tree59. 在Hadoop生态系统中，Mahout的主要作用是什么？A. 数据存储B. 数据处理C. 机器学习D. 资源管理60. 数据挖掘中的“网络安全分析”主要用于什么？A. 分析网络安全数据B. 分类数据C. 聚类数据D. 关联分析61. 下列哪个不是大数据的安全技术？A. 数据加密B. 数据脱敏C. 数据备份D. 数据压缩答案：1. D3. A4. D5. A6. C7. B8. A9. C10. A11. C12. B13. B14. C15. A16. D17. B18. A19. C20. A21. D22. A23. A24. B25. A26. C27. A28. A29. A30. A31. D32. A33. A34. C35. A36. D37. D38. A39. C40. A41. C42. A43. A44. C45. A46. D47. A48. A49. C50. A51. D53. A54. C55. A56. D57. A58. A59. C60. A61. D。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《海量数据挖掘技术及工程实践》题目一、单选题（共80题）1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。
A.数据清洗B.数据集成C.数据变换D.数据归约2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)A. 关联规则发现B. 聚类C. 分类D. 自然语言处理3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。
(b)描述有多少比例的小偷给警察抓了的标准。
A. Precision,RecallB. Recall,PrecisionA. Precision,ROC D. Recall,ROC4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)A. 频繁模式挖掘B. 分类和预测C. 数据预处理D. 数据流挖掘5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)A. 分类B. 聚类C. 关联分析D. 隐马尔可夫链6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C)A. 根据内容检索B. 建模描述C. 预测建模D. 寻找模式和规则7)下面哪种不属于数据预处理的方法？ (D)A.变量代换B.离散化C.聚集D.估计遗漏值8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204,215 使用如下每种方法将它们划分成四个箱。
等频（等深）划分时，15在第几个箱子内？(B)A.第一个B.第二个C.第三个D.第四个9)下面哪个不属于数据的属性类型：(D)A.标称B.序数C.区间D.相异10)只有非零值才重要的二元属性被称作：( C )A.计数属性B.离散属性C.非对称的二元属性D.对称属性11)以下哪种方法不属于特征选择的标准方法： (D)A.嵌入B.过滤C.包装D.抽样12)下面不属于创建新属性的相关方法的是： (B)A.特征提取B.特征修改C.映射数据到新的空间D.特征构造13)下面哪个属于映射数据到新的空间的方法？ (A)A.傅立叶变换B.特征加权C.渐进抽样D.维归约14)假设属性income的最大最小值分别是12000元和98000元。
利用最大最小规范化的方法将属性的值映射到0至1的范围内。
对属性income的73600元将被转化为：(D)A.0.821B.1.224C.1.458D.0.71615)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年级110人。
则年级属性的众数是： (A)A.一年级B.二年级C.三年级D.四年级16)下列哪个不是专门用于可视化时间空间数据的技术： (B)A.等高线图B.饼图C.曲面图D.矢量场图17)在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是： (D)A.有放回的简单随机抽样B.无放回的简单随机抽样C.分层抽样D 渐进抽样18)数据仓库是随着时间变化的,下面的描述不正确的是 (C)A.数据仓库随时间的变化不断增加新的数据内容B.捕捉到的新数据会覆盖原来的快照C.数据仓库随事件变化不断删去旧的数据内容D.数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合19)下面关于数据粒度的描述不正确的是: (C)A.粒度是指数据仓库小数据单元的详细程度和级别B.数据越详细,粒度就越小,级别也就越高C.数据综合度越高,粒度也就越大,级别也就越高D.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量20)有关数据仓库的开发特点,不正确的描述是: (A)A.数据仓库开发要从数据出发B.数据仓库使用的需求在开发出去就要明确C.数据仓库的开发是一个不断循环的过程,是启发式的开发D.在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处理更灵活,且没有固定的模式21)关于OLAP的特性,下面正确的是: (D)(1)快速性 (2)可分析性 (3)多维性 (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)22)关于OLAP和OLTP的区别描述,不正确的是: (C)A.OLAP主要是关于如何理解聚集的大量不同的数据.它与OTAP应用程序不同B.与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务C.OLAP的特点在于事务量大,但事务内容比较简单且重复率高D.OLAP是以数据仓库为基础的,但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的23)关于OLAP和OLTP的说法,下列不正确的是: (A)A.OLAP事务量大,但事务内容比较简单且重复率高B.OLAP的最终数据来源与OLTP不一样C.OLTP面对的是决策人员和高层管理人员D.OLTP以应用为核心,是应用驱动的24)设X={1，2，3}是频繁项集，则可由X产生( C )个关联规则。
A.4B.5C.6D.725)考虑下面的频繁3-项集的集合：{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采用合并策略,由候选产生过程得到4-项集不包含（ C ）A.1,2,3,4B.1,2,3,5C.1,2,4,5D.1,3,4,526)下面选项中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}>27)在图集合中发现一组公共子结构,这样的任务称为 ( B )A.频繁子集挖掘B.频繁子图挖掘C.频繁数据项挖掘D.频繁模式挖掘28)下列度量不具有反演性的是 (D)A.系数B.几率C.Cohen度量D.兴趣因子29)下列 ( A )不是将主观信息加入到模式发现任务中的方法。
A.与同一时期其他数据对比B.可视化C.基于模板的方法D.主观兴趣度量30)下面购物蓝能够提取的3-项集的最大数量是多少（C）A.1B.2C.3D.431)以下哪些算法是分类算法（B）A.DBSCANB.C4.5C.K-MeanD.EM32)以下哪些分类方法可以较好地避免样本的不平衡问题（A）A.KNNB.SVMC.BayesD.神经网络33)决策树中不包含一下哪种结点 ( C )A.根结点（root node)B.内部结点（internal node）C.外部结点（external node）D.叶结点（leaf node）34)以下哪项关于决策树的说法是错误的 (C)A. 冗余属性不会对决策树的准确率造成不利的影响B. 子树可能在决策树中重复多次C. 决策树算法对于噪声的干扰非常敏感D. 寻找最佳决策树是NP完全问题35)在基于规则分类器的中,依据规则质量的某种度量对规则排序,保证每一个测试记录都是由覆盖它的“最好的”规格来分类,这种方案称为 (B)A. 基于类的排序方案B. 基于规则的排序方案C. 基于度量的排序方案D. 基于规格的排序方案。
36)以下哪些算法是基于规则的分类器 (A)A. C4.5B. KNNC. Naive BayesD. ANN37)可用作数据挖掘分析中的关联规则算法有（C）。
A. 决策树、对数回归、关联模式B. K均值法、SOM神经网络C. Apriori算法、FP-Tree算法D. RBF神经网络、K均值法、决策树38)如果对属性值的任一组合,R中都存在一条规则加以覆盖,则称规则集R中的规则为( B )A.无序规则B.穷举规则C.互斥规则D.有序规则39)用于分类与回归应用的主要算法有: ( D )A.Apriori算法、HotSpot算法B.RBF神经网络、K均值法、决策树C.K均值法、SOM神经网络D.决策树、BP神经网络、贝叶斯40)如果允许一条记录触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票确定测试记录的类标号,称为（A）A.无序规则B.穷举规则C.互斥规则D.有序规则41)考虑两队之间的足球比赛：队0和队1。
假设65%的比赛队0胜出,剩余的比赛队1获胜。
队0获胜的比赛中只有30%是在队1的主场,而队1取胜的比赛中75%是主场获胜。
如果下一场比赛在队1的主场进行队1获胜的概率为 (C)A.0.75B.0.35C.0.4678D.0.573842)以下关于人工神经网络（ANN）的描述错误的有 (A)A.神经网络对训练数据中的噪声非常鲁棒B.可以处理冗余特征C.训练ANN是一个很耗时的过程D.至少含有一个隐藏层的多层神经网络43)通过聚集多个分类器的预测来提高分类准确率的技术称为 (A)A.组合(ensemble)B.聚集(aggregate)C.合并(combination)D.投票(voting)44)简单地将数据对象集划分成不重叠的子集,使得每个数据对象恰在一个子集中,这种聚类类型称作（ B ）A.层次聚类B.划分聚类C.非互斥聚类D.模糊聚类45)在基本K均值算法里,当邻近度函数采用（ A ）的时候,合适的质心是簇中各点的中位数。
A.曼哈顿距离B.平方欧几里德距离C.余弦距离D.Bregman散度46)（ C ）是一个观测值,它与其他观测值的差别如此之大,以至于怀疑它是由不同的机制产生的。
A.边界点B.质心C.离群点D.核心点47)BIRCH是一种（ B ）。
A.分类器B.聚类算法C.关联分析算法D.特征选择算法48)检测一元正态分布中的离群点,属于异常检测中的基于（ A ）的离群点检测。
A.统计方法B.邻近度C.密度D.聚类技术49)（ C ）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。
A.MIN（单链）B.MAX（全链）C.组平均D.Ward方法50)（ D ）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量,它是一种凝聚层次聚类技术。
A.MIN（单链）B.MAX（全链）C.组平均D.Ward方法51) 下列算法中，不属于外推法的是（ B ）。
A.移动平均法B.回归分析法C.指数平滑法D.季节指数法52) 关联规则的评价指标是：（ C ）。