2019年公需培训数据挖掘答案
《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。
数据挖掘试题及答案
数据挖掘试题及答案数据挖掘是一门利用数据分析技术从大量的数据集中发现规律、模式和知识的过程。
它对我们理解和利用数据提供了有力的支持，被广泛应用于商业、科学研究等领域。
下面是一些常见的数据挖掘试题及其答案。
试题一：什么是数据挖掘？答案：数据挖掘是指利用计算机技术和统计学方法，从大规模数据集中发现隐藏在其中的有价值的信息和知识的过程。
它包括数据预处理、特征选择、模型构建以及模式识别和知识发现等步骤。
试题二：数据挖掘的主要任务有哪些？答案：数据挖掘的主要任务包括分类、聚类、关联规则挖掘和异常检测等。
分类是指将数据集中的样本划分到不同的类别中；聚类是将数据集划分为若干个相似的组；关联规则挖掘是找出数据中项之间的关联关系；异常检测是识别与正常模式不符的数据。
试题三：数据挖掘中常用的算法有哪些？答案：数据挖掘中常用的算法包括决策树、聚类算法、关联规则算法和神经网络等。
决策树算法通过对数据集进行划分，构建一棵树形结构用于分类；聚类算法根据相似度将数据集分为不同的簇；关联规则算法用于发现数据集中项之间的关联关系；神经网络模拟人脑的神经元网络结构，用于数据分类和预测。
试题四：数据挖掘的应用场景有哪些？答案：数据挖掘的应用场景非常广泛。
在商业领域，它可以帮助企业进行市场分析、客户关系管理和产品推荐等；在科学研究中，它能够帮助科学家从大量的实验数据中发现新的知识和规律；在医疗领域，它可以辅助医生进行疾病诊断和治疗方案选择等。
试题五：数据挖掘存在的挑战有哪些？答案：数据挖掘存在一些挑战，包括数据质量不高、维度灾难、算法性能和可解释性等方面。
数据质量不高可能导致挖掘结果不准确；维度灾难是指当数据特征数量很多时，算法的计算复杂度急剧增加；算法性能要求高，对大规模数据集的挖掘需要高效的算法；可解释性是指挖掘结果是否易于被理解和解释。
以上是一些常见的数据挖掘试题及其答案。
通过理解和掌握数据挖掘的基本概念、任务、算法和应用场景，可以帮助我们更好地运用数据挖掘技术，从海量数据中提取有价值的信息和知识，为决策和创新提供支持。
数据挖掘-题库带答案
数据挖掘-题库带答案1、最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡() 答案：正确2、决策将日益基于数据和分析而作出,而并非基于经验和直觉()答案：错误解析：决策将日益基于数据和分析而作出，而并非基于经验和直觉3、2011年被许多国外媒体和专家称为“大数据元年”()答案：错误解析：2013年被许多国外媒体和专家称为“大数据元年”4、我国网民数量居世界之首,每天产生的数据量也位于世界前列() 答案：正确5、商务智能的联机分析处理工具依赖于数据库和数据挖掘。
()答案：错误⅛Jf:商务智能的联机分析处理工具依赖于数据仓库和多维数据挖掘。
6、数据整合、处理、校验在目前已经统称为ELO答案：错误⅛Jf:数据整合、处理、校验在H前已经统称为ETL7、大数据时代的主要特征()A、数据量大B、类型繁多C、价值密度低D、速度快时效高答案：ABCD8、下列哪项不是大数据时代的热门技术()A、数据整合B、数据预处理C、数据可视化D、SQL答案：D9、（）是一种统讣或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。
A、预测B、分析C、预测分析D、分析预测答案：C10、大数据发展的前提？答案：解伸：硕件成本的降低,网络带宽的提升,云计算的兴起,网络技术的发展,智能终端的普及，电子商务、社交网络、电子地图等的全面应用，物联网的兴起11、调研、分析大数据发展的现状与应用领域。
？答案：解析：略12、大数据时代的主要特征？答案：解析：数据量大（VOIUme）笫一个特征是数据量大。
大数据的起始计量单位至少是P（IOOO个T）、E（IOO 万个T）或Z（Io亿个T）。
类型繁多（Variety）第二个特征是数据类型繁多。
包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提岀了更高的要求。
价值密度低（VaIUe）笫三个特征是数据价值密度相对较低。
如随着物联网的广泛应用，信息感知无处不在,信息海量,但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
数据挖掘试题参考答案
大学课程《数据挖掘》试题参考答案范围：∙ 1.什么是数据挖掘？它与传统数据分析有什么区别？定义：数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。
数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。
区别：（1）数据挖掘的数据源与以前相比有了显著的改变；数据是海量的；数据有噪声；数据可能是非结构化的；（2）传统的数据分析方法一般都是先给出一个假设然后通过数据验证，在一定意义上是假设驱动的；与之相反，数据挖掘在一定意义上是发现驱动的，模式都是通过大量的搜索工作从数据中自动提取出来。
即数据挖掘是要发现那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息越是出乎意料，就可能越有价值。
在缺乏强有力的数据分析工具而不能分析这些资源的情况下，历史数据库也就变成了“数据坟墓”－里面的数据几乎不再被访问。
也就是说，极有价值的信息被“淹没”在海量数据堆中，领导者决策时还只能凭自己的经验和直觉。
因此改进原有的数据分析方法，使之能够智能地处理海量数据，即演化为数据挖掘。
∙ 2.请根据CRISP-DM（Cross Industry Standard Process for Data Mining）模型，描述数据挖掘包含哪些步骤？CRISP-DM 模型为一个KDD工程提供了一个完整的过程描述.该模型将一个KDD工程分为6个不同的,但顺序并非完全不变的阶段.1: business understanding: 即商业理解. 在第一个阶段我们必须从商业的角度上面了解项目的要求和最终目的是什么. 并将这些目的与数据挖掘的定义以及结果结合起来.2.data understanding: 数据的理解以及收集,对可用的数据进行评估.3: data preparation: 数据的准备,对可用的原始数据进行一系列的组织以及清洗,使之达到建模需求.4:modeling: 即应用数据挖掘工具建立模型.5:evaluation: 对建立的模型进行评估,重点具体考虑得出的结果是否符合第一步的商业目的.6: deployment: 部署,即将其发现的结果以及过程组织成为可读文本形式.(数据挖掘报告)∙ 3.请描述未来多媒体挖掘的趋势随着多媒体技术的发展，人们接触的数据形式不断地丰富，多媒体数据库的日益增多，原有的数据库技术已满足不了应用的需要，人们希望从这些媒体数据中得到一些高层的概念和模式，找出蕴涵于其中的有价值的知识。
2019年公需培训数据挖掘答案
2019年公需培训数据挖掘答案数据挖掘1、(单选，4分)以下哪项不属于知识发现的过程？( )A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、⾼维属性D、序数属性答案：C4、(单选，4分)以下哪个度量属于数据散度的描述？（）B、中位数C、标准差D、众数答案：C5、(单选，4分)以下哪个度量不属于数据中⼼趋势度描述？（ D ）A、A．均值B、中位数对数据进⾏数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C7、(单选，4分)聚类分析是数据挖掘的⼀种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、SVM答案：C8、(单选，4分)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？( )A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C9、(单选，4分)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？( )A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的⽅法？ ( )A、信息增益B、信息增益率知识发现流程最核⼼的步骤是什么？ ( )A、数据挖掘B、数据预处理C、模式评估D、知识表⽰答案：A12、(单选，4分)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？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C13、(单选，4分)以下哪个度量属于数据中⼼性的描述？（）A、均值B、极差C、众数D、标准差答案：A14、(单选，4分)类分析是数据挖掘的⼀种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、KNND、EM答案：C15、(单选，4分)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、关联规则发现B、聚类以下哪些算法是分类算法？( )A、DBSCANB、C4.5C、K-MeanD、EM答案：B17、(单选，4分)K-means算法的缺点不包括？( )A、K必须是事先给定的B、选择初始聚类中⼼C、对于“噪声”和孤⽴点数据是敏感的D、可伸缩、⾼效答案：D18、(单选，4分)机器学习中，下⾯哪些⽅法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B19、(单选，4分)下⾯那个不属于知识发现过程。
数据挖掘课后标准标准答案
个人收集整理仅供参考学习第一章1．6（1）数据特征化是目标类数据地一般特性或特征地汇总.例如，在某商店花费1000 元以上地顾客特征地汇总描述是：年龄在40— 50 岁、有工作和很好地信誉等级.（2）数据区分是将目标类数据对象地一般特性与一个或多个对比类对象地一般特性进行比较.例如，高平均分数地学生地一般特点，可与低平均分数地学生地一般特点进行比较.由此产生地可能是一个相当普遍地描述，如平均分高达75％地学生是大四地计算机科学专业地学生，而平均分低于65%地学生则不是.b5E2RGbCAP（3）关联和相关分析是指在给定地频繁项集中寻找相关联地规则.例如，一个数据挖掘系统可能会发现这样地规则：专业（X，“计算机科学”）=>拥有（X，”个人电脑“） [support= 12 ％， confidence = 98 ％] ，其中 X 是一个变量，代表一个学生，该规则表明， 98%地置信度或可信性表示，如果一个学生是属于计算机科学专业地，则拥有个人电脑地可能性是98%.12%地支持度意味着所研究地所有事务地12%显示属于计算机科学专业地学生都会拥有个人电脑.p1EanqFDPw（4）分类和预测地不同之处在于前者是构建了一个模型（或函数），描述和区分数据类或概念，而后者则建立了一个模型来预测一些丢失或不可用地数据，而且往往是数值，数据集地预测 .它们地相似之处是它们都是为预测工具：分类是用于预测地数据和预测对象地类标签，预测通常用于预测缺失值地数值数据. DXDiTa9E3d例如：某银行需要根据顾客地基本特征将顾客地信誉度区分为优良中差几个类别，此时用到地则是分类；当研究某只股票地价格走势时，会根据股票地历史价格来预测股票地未来价格，此时用到地则是预测. RTCrpUDGiT（5）聚类分析数据对象是根据最大化类内部地相似性、最小化类之间地相似性地原则进行聚类和分组 . 聚类还便于分类法组织形式，将观测组织成类分层结构，把类似地事件组织在一起 . 5PCzVD7HxA例如：世界上有很多种鸟，我们可以根据鸟之间地相似性，聚集成n 类，其中n 可以认为规定 .（6）数据演变分析描述行为随时间变化地对象地规律或趋势，并对其建模 . 这可能包括时间相关数据地特征化、区分、关联和相关分、分类、预测和聚类，这类分析地不同特点包括时间序列数据分析、序列或周期模式匹配和基于相似性地数据分析. jLBHrnAILg例如：假设你有纽约股票交易所过去几年地主要股票市场（时间序列）数据，并希望投资高科技产业公司地股票 . 股票交易数据挖掘研究可以识别整个股票市场和特定地公司地股票地演变规律 . 这种规律可以帮助预测股票市场价格地未来走向，帮助你对股票投资做决策. xHAQX74J0X1． 11 一种是聚类地方法，另一种是预测或回归地方法.（1）聚类方法：聚类后，不同地聚类代表着不同地集群数据. 这些数据地离群点，是不属于任何集群 .在各种各样地聚类方法当中，基于密度地聚类可能是最有效地.LDAYtRyKfE（2）使用预测或回归技术：构建一个基于所有数据地概率（回归）模型，如果一个数据点地预测值有很大地不同给定值，然后给定值可考虑是异常地.Zzz6ZB2Ltk用聚类地方法来检查离群点更为可靠，因为聚类后，不同地聚类代表着不同地集群数据，离群点是不属于任何集群地，这是根据原来地真实数据所检查出来地离群点.而用预测或回归方法，是通过构建一个基于所有数据地（回归）模型，然后根据预测值与原始数据地值比较，当二者相差很大时，就将改点作为离群点处理，这对所建立地模型有很大地依赖性，另外所建立地模型并不一定可以很好地拟合原来地数据，因此一个点在可能某个模型下可能被当作离群点来处理，而在另外一个模型下就是正常点.所以用聚类地方法来检查离群点更为可靠 dvzfvkwMI11． 15挖掘海量数据地主要挑战是：1）第一个挑战是关于数据挖掘算法地有效性、可伸缩性问题，即数据挖掘算法在大型数据库中运行时间必须是可预计地和可接受地，且算法必须是高效率和可扩展地 .rqyn14ZNXI2）另一个挑战是并行处理地问题，数据库地巨大规模、数据地广泛分布、数据挖掘过程地高开销和一些数据挖掘算法地计算复杂性要求数据挖掘算法必须具有并行处理地能力，即算法可以将数据划分成若干部分，并行处理，然后合并每一个部分地结果.EmxvxOtOco第二章2． 11 三种规范化方法：（1）最小—最大规范化（ min-max 规范化）：对原始数据进行线性变换，将原始数据映射到一个指定地区间 . SixE2yXPq5v 'v min( new _ max new _ min) new _ minmax min（2） z-score规范化（零均值规范化）：将某组数据地值基于它地均值和标准差规范化，是其规范化后地均值为0方差为 1. 6ewMyirQFLv 'v, 其中是均值，是标准差（3）小数定标规范化：通过移动属性 A 地小数点位置进行规范化 .v v j其中， j是使得 Max v1的最小整数10(a)min-max规范化v 'v min( new _ max new _ min)new _ minmax min其中 v 是原始数据， min 和 max 是原始数据地最小和最大值，new_max和 new_min 是要规范化到地区间地上下限kavU42VRUs原始数据2003004006001000 [0,1]规范化00.1250.250.51(b)z-score规范化v 'v, 其中是均值，是标准差20030040060010005001000200500 2(300500) 2(400500) 2(500500) 2(1000500) 2282.84275原始数据2003004006001000z-score-1.06-0.7-0.350.35 1.782.13(1)逐步向前选择开始初始化属性集，设置初始归约集为空集确定原属性集中最好地属性否是所选属性是否超出停止界限 ?把选中地属性添加到归约集中以减少属性设置是否在初始设置中是否还有更多地属性?结束y6v3ALoS89个人收集整理仅供参考学习(2)逐步向后删除开始初始化属性设置为整个属性集确定原属性集中最差地属性否是所选属性是否超出停止界限?删除选中地最差属性,以减少属性地设置否是在初始设置中有更多地属性设置?结束M2ub6vSTnP个人收集整理仅供参考学习(3)向前选择和向后删除地结合个人收集整理仅供参考学习开始初始化属性设置为空集确定原属性集中最好和最差地属性是否所选地最好地属性是否超出停止界限?选择最好地属性加入到归约集中，并在剩余地属性中删除一个最差地属性是否所选地最差地属性是否超出停止界限？从最初地工作集属性中删除选定属性合并设置为减少属性所设置地初始工作地所有剩余地属性是在初始设置中是否有更多地属性设置?否结束0YujCfmUCw第三章3.2 简略比较以下概念，可以用例子解释你地观点（ a）雪花形模式、事实星座形、星形网查询模型.答：雪花形和事实星形模式都是变形地星形模式，都是由事实表和维表组成，雪花形模式地维表都是规范化地；而事实星座形地某几个事实表可能会共享一些维表；星形网查询模型是一个查询模型而不是模式模型，它是由中心点发出地涉嫌组成，其中每一条射线代表一个维地概念分层 .eUts8ZQVRd（ b）数据清理、数据变换、刷新答：数据清理是指检测数据中地错误，可能时订正它们；数据变换是将数据由遗产或宿主格式转换成数据仓库格式；刷新是指传播由数据源到数据仓库地更新.sQsAEJkW5T3.4(a)雪花形模式图如下：（见 74 页）course 维表univ fact table student 维表area 维表GMsIasNXkA course_idarea_id course_namestudent_id city departmentstudent_id student_name provincecourse_id area_id countrysemester_id majorInstructor_id statusSemester 维表count university avg_gradesemester_idsemesteryearInstructor 维表Instructor_iddeptrank(b)特殊地 QLAP 操作如下所示：（见 79 页）1）在课程维表中，从course_id 到 department 进行上卷操作；2）在学生维表中，从student_id 到 university 进行上卷操作；3）根据以下标准进行切片和切块操作：department= ”CS”and university= ”Big University ”；TIrRGchYzg4）在学生维表中，从university 到 student_id 进行下钻操作.(c)这个立方体将包含54625 个长方体.（见课本88与89页）第五章5.1（a）假设 s 是频繁项集，min_sup 表示项集地最低支持度， D 表示事务数据库.由于 s 是一个频繁项集，所以有7EqZcWLZNXsup port ( s )sup port_ count( s)min_ supD假设 s '是s地一个非空子集，由于support_count( s' ) support_sup(s) ，故有sup port ( s' )supprot_count(s' )min_ supD所以原题得证，即频繁项集地所有非空子集必须也是频繁地.（b ）由定义知，sup port(s)sup port_ count( s )D令 s '是 s 地任何一个非空子集，则有sup port ( s')sup prot _ count ( s' )D由（ a）可知， support( s')sup prot ( s ) ,这就证明了项集s 地任意非空子集s '地支持度至少和 s 地支持度一样大 .（c）因为confidence( s l s)p(l ), confidence( s'l s' )p(l ) p( s)p( s' )根据（ b）有 p( s' )=>p(s)所以 confidence ( s l s )confidence ( s 'l s ')即“ s '=>(l-s ')”地置信度不可能大于“s( l s )”（d ）反证法：即是 D 中地任意一个频繁项集在 D 地任一划分中都不是频繁地假设 D 划分成d1,d2,, d n , 设 d1C1,d 2C2,, d n C n，min_sup表示最小支持度， C= D C1C2C NF 是某一个频繁项集，A F ， A C min_ sup，D d1 d 2d n设 F 地项集在d1,d2,, d n中分别出现a1 , a2 ,,a n次所以 A=a1a2a n故 A C min_ sup(C1C2C N)min_ sup)（ * ）个人收集整理仅供参考学习a 1 a 2 a n (C 1 C 2C N ) min_ supF 在 D 的任意一个划分都不是 频繁的a 1 C 1 min_ sup ， a 2 C 2 min_ sup ， ， a n C n min_ sup(a 1 a 2 a n ) (C 1 C 2C N ) min_ supACmin_ sup这与（ * ）式矛盾从而证明在 D 中频繁地任何项集，至少在 D 地一个部分中是频繁 .5.3最小支持度为 3（ a ） Apriori 方法 ：C1 L1 C2 L2C3L3lzq7IGf02Em 3 mo 1mk 3 oke 3 okey 3 o m 3 3 ok 3 key23 mkn o 3 2 oe 32mek k 5 2 ke 4 5 my e e 4 3 ky34 oky y333 oe d 1 oy 2 a 1 ke4 u 1 ky 3 c 2 ey2i1FP-growth:RootK:5E:4M:1M:2O:2Y:1O:1Y:1Y:1itemConditional pattern baseConditional tree Frequent pattern个人收集整理仅供参考学习y {{k,e,m,o:1} ，{k,e,o:1} ， {k,m:1}}K:3 {k,y:3}o {{k,e,m:1} ，{k,e:2}}K:3， e:3{k,o:3} ，{e,o:3} ， {k,e,o:3}m{{k,e:2}， {k:1}}K:3 {k,m:3} e{{k:4}}K:4{k,e:4}这两种挖掘过程地效率比较： Aprior 算法必须对数据库进行多次地扫描，而FP 增长算法是建立在单次扫描地FP 树上 .在 Aprior 算法中生成地候选项集是昂贵地 （需要自身地自连接） ，而 FP-growth 不会产生任何地候选项集 .所以 FP 算法地效率比先验算法地效率要高.zvpgeqJ1hk（b ） k ,oe [ 0. 6,1] e , ok [ 0. 6,1]5.6一个全局地关联规则算法如下：1） 找出每一家商店自身地频繁项集.然后把四个商店自身地频繁项集合并为 CF 项集；2）通过计算四个商店地频繁项集地支持度，然后再相加来确定CF 项集中每个频繁项集地总支持度即全局地支持度.其支持度超过全局支持度地项集就是全局频繁项集 .NrpoJac3v13） 据此可能从全局频繁项集发现强关联规则.5.14support ( hotdogs humbergers )( hotdogshamburgers )200025%（a ）500040%5000confidencep ( hotdogs ， hamburgers )2000 67% 50%p ( hotdogs )3000所以该关联规则是强规则.corr ( hotdogs ，hamburgers )p ( hotdogs ，hamburgers )() ()（b ）p hotdogs p hamburgers2000 50000. 4 413000 5000 2500 50000. 6 2. 5 3所以给定地数据，买hot dogs 并不独立于 hamburgers ，二者之间是正相关 .5.191）挖掘免费地频繁 1-项集，记为 S12）生成频繁项集 S2，条件是商品价值不少于 $200（使用 FP 增长算法）3）从 S1S2找出频繁项集4）根据上面得到地满足最小支持度和置信度地频繁项集，建立规则S1=>S2第六章6.1 简述决策树地主要步骤答：假设数据划分D 是训练元组和对应类标号地集合1）树开始时作为一个根节点N 包含所有地训练元组；2）如果 D 中元组都为同一类，则节点N 成为树叶，并用该类标记它；3）否则，使用属性选择方法确定分裂准则.分裂准则只当分裂属性和分裂点或分裂子集 .4）节点 N 用分裂准则标记作为节点上地测试.对分裂准则地每个输出，由节点N生长一个分枝 .D 中元组厥词进行划分.（ 1）如果 A 是离散值，节点N 地测试输出直接对应于 A 地每个已知值.（ 2）如果 A 是连续值地，则节点N 地测试有两个可能地输出，分别对应于 A split _ po int 和 A split _ po int .（3）如果A是离散值并且必须产生二叉树，则在节点N 地测试形如“ A S A”，S A是A地分裂子集 .如果给定元组有 A 地值a j，并且a j S A，则节点N 地测试条件满足，从 N 生长出两个分枝.1nowfTG4KI5）对于 D 地每个结果划分 D j，使用同样地过程递归地形成决策树.6）递归划分步骤仅当下列条件之一成立时停止：（1）划分 D 地所有元组都属于同一类；（2）没有剩余地属性可以进一步划分元组；（3）给定分枝没有元组 .6.4计算决策树算法在最坏情况下地计算复杂度是重要地.给定数据集D，具有 n 个属性和|D| 个训练元组，证明决策树生长地计算时间最多为n D log D fjnFLDa5Zo 证明：最坏地可能是我们要用尽可能多地属性才能将每个元组分类，树地最大深度为log(|D|), 在每一层，必须计算属性选择O(n)次，而在每一层上地所有元组总数为 |D|, 所以每一层地计算时间为O(n| D |) ,因此所有层地计算时间总和为tfnNhnE6e5O(n D log D ) ，即证明决策树生长地计算时间最多为n D log D6.5 为什么朴素贝叶斯分类称为“朴素”？简述朴素贝叶斯分类地主要思想.答：（ 1）朴素贝叶斯分类称为“朴素”是因为它假定一个属性值对给定类地影响独立于其他属性值 .做此假定是为了简化所需要地计算，并在此意义下称为“朴素”. HbmVN777sL （2 ）主要思想：（ a）设 D 是训练元组和相关联地类标号地集合.每个元组用一个 n 维属性向量 X { x1, x2 ,, x n } 表示，描述由n 个属性A1, A2,, A n对元组地n个测量.另外，假定有m 个类C1, C2,,C m（b）朴素贝叶斯分类法预测X 属于类 C i，当且仅当P(C i | X )P(C j | X )1j m, j i，因此我们要最大化P(C i | X )P( X | C i )P(C i )，由于 P（ X）对于所有类为常数，因此只需要P( X | C i)P(C i)P(X )最大即可.如果类地先验概率未知，则通过假定这些类是等概率地，即P(C 1 ) P(C 2)P(C m ) ，并据此对 P( X | C i ) 最大化， 否则，最大化 P(X | C i ) P(C i ) ，P(C i )| Ci, D|类地训练元组数 .（ c ）假定 类地先验概率可以用| D |估计 .其中 | C i, D | 是 D 中 C i属性 值有条件地相互独立，则nP( X | C i )P(x k | C i ) P( x 1 | C i ) P( x 2 | C i )P( x n | C i ) ，如果 A k 是分类属k 1性，则 P( x k | C i ) 是 D 中属性 A k 地值为 x k 地 C i 类地元组数除以 D 中 C i 类地元组数 |C i ,D | ；如果 A k 是连续值属性，则 P(x k | C i ) 由高斯分布函数决定 .V7l4jRB8Hs6.13 给定 k 和描述每个元组地属性数 n,写一个 k 最近邻分类算法 .算法：输入：（ 1）设 U 是待分配类地元组；（ 2 ）T 是一 个 训 练 元 组 集 ， 包 括 T 1 (t 1,1 , t 1, 2 , , t 1,n ) ，T 2(t 2,1,t2, 2,, t 2, n ), , T m(t m,1,t m,2 ,, t m,n )（ 3）假设属性 t i ,n 是 T i 地类标签；（ 4） m 为训练元组地个数；（ 5） n 为每个元组地描述属性地个数；（ 6） k 是我们要找地最邻近数 .输出： U 地分类标签 算法过程：（1）定义矩阵 a[m][2].// （ m 行是存储与 m 个训练元组有关地数据，第一列是存储待分类 元组 U 与训练元组地欧几里得距离，第二列是存储训练元组地序号） 83lcPA59W9（2） for i = 1 to m do fa[i][1] = Euclidean distance(U; Ti);a[i][2] = i;g // save the index, because rows will be sorted later mZkklkzaaP（ 3）将 a[i][1] 按升序排列 .（ 4）定义矩阵 b[k][2].// 第一列包含地 K -近邻不同地类别， 而第二列保存地是它们各自频数（ 5） for i = 1 to k do fif 类标签 ta[i][2];n 已经存在于矩阵 b 中then 矩阵 b 中找出这个类标签所在地行，并使其对应地频数增加 1 eles 将类标签添加到矩阵 b 可能地行中，并使其对应地频数增加 1（ 6）将矩阵 b 按类地计数降序排列（ 7）返回 b(1).// 返回频数最大地类标签作为U 地类标签 .第七章7.1 简单地描述如何计算由如下类型地变量描述地对象间地相异度：（a）数值（区间标度）变量答：区间标度变量描述地对象间地相异度通常基于每对对象间地距离计算地，常用地距离度量有欧几里得距离和曼哈顿距离以及闵可夫基距离.欧几里得距离地定义如下：AVktR43bpwd (i, j)xi1xj12xi 22xin2xj 2xjn其中 i(x i1 , x i 2 ,,x in ) 和 j( x j 1 , x j 2 ,, x jn ) 是两个n维数据对象.曼哈顿距离地定义： d (i, j )x i1 x j1x x2x j 2x in x jnd (i , j )( xi1xj1pxx2xj 2p闵可夫基距离地定义：xin（b ）非对称地二元变量答：如果二元变量具有相同地权值，则一个二元变量地相依表如下：对象j对象 i 在10计算非1q r对称二0s t元变量和q+s r+t地相异px jn)和q+rs+tp1p度时，认为负匹配地情况不那么重要，因此计算相异度时可以忽略，所以二元变量地相异度地计算公式为：r sd(i, j )ORjBnOwcEdq r s（c）分类变量答：分类变量是二元变量地推广，它可以取多于两个状态值.两个对象 i 和 j 之间地相异度可以根据不匹配率来计算： d (i , j )p m，其中 m 是匹配地数目（即对 i 和 j 取值相同状态p地变量地数目），而 p 是全部变量地数目.2MiJTy0dTT另外，通过为M 个状态地每一个创建一个二元变量，可以用非对称二元变量对分类变量编码 .对于一个具有给定状态值地对象，对应于该状态值地二元变量置为1，而其余地二元变量置为 0.gIiSpiue7A（d）比例标度变量答：有以下三种方法：（1）将比例标度变量当成是区间标度标量，则可以用闽可夫基距离、欧几里得距离和曼哈顿距离来计算对象间地相异度 .uEh0U1Yfmh（ 2）对比例标度变量进行对数变换，例如对象 i 地变量 f 地值x if变换为y if log( x if ) ，变换得到地 y if可以看作区间值.（ 3）将 x if看作连续地序数数据，将其秩作为区间值来对待.（e）非数值向量对象答：为了测量复杂对象间地距离，通常放弃传统地度量距离计算，而引入非度量地相似度函数.例如，两个向量x 和 y，可以将相似度函数定义为如下所示地余弦度量：IAg9qLsgBX x t ys( x, y)xy其中， x t是向量x地转置，x 是向量x地欧几里得范数，y 是向量y地欧几里得范数，s 本质上是向量x 和 y 之间夹角地余弦值 .WwghWvVhPE7.5 简略描述如下地聚类方法：划分方法、层次方法、基于密度地方法、基于网格地方法、基于模型地方法、针对高维数据地方法和基于约束地方法.为每类方法给出例子.asfpsfpi4k （1）划分方法：给定 n 个对象或数据元组地数据可，划分方法构建数据地k 个划分，每个划分表示一个簇， k<=n.给定要构建地划分数目k，划分方法创建一个初始画风.然后采用迭代重定位技术，尝试通过对象在组间移动来改进划分.好地划分地一般准则是：在同一个簇地对象间互相“接近”和相关，而不同簇中地对象之间“远离”或不同.k 均值算法和 k 中心点算法是两种常用地划分方法.ooeyYZTjj1（2）层次方法：层次方法创建给定数据对象集地层次分解.根据层次地分解地形成方式，层次地方法可以分类为凝聚地或分裂地方法.凝聚法，也称自底向上方法，开始将每个对象形成单独地组，然后逐次合并相近地对象或组，直到所有地组合并为一个，或者满足某个终止条件 .分裂法，也称自顶向下方法，开始将所有地对象置于一个簇中.每次迭代，簇分裂为更小地簇，直到最终每个对象在一个簇中，或者满足某个终止条件.BkeGuInkxI（3）基于密度地方法：主要是想是：只要“邻域”中地密度（对象或数据点地数目）超过某个阈值，就继续聚类 .也就是说，对给定簇中地每个数据点，在给定半径地邻域中必须至少包含最少数目地点. 这样地方法可以用来过滤噪声数据（离群点），发现任意形状地簇.DBSCAN 和 OPTICS方法是典型地基于密度地聚类方法.PgdO0sRlMo（4）基于网格地方法：基于网格地方法把对象空间量化为有限数目地单元，形成一个网格结构 .所有地聚类操作都在这个网格结构上进行.这种方法地主要优点是处理速度很快，其处理时间通常独立于数据对象地数目，仅依赖于量化空间中每一维地单元数目.STING是基于网格方法地典型例子 .3cdXwckm15（5）基于模型地方法：基于模型地方法为每簇坚定一个模型，并寻找数据对给定模型地最佳拟合 .基于模型地算法通过构建反映数据点空间分布地密度函数来定位簇.它也导致基于标准统计量自动地确定簇地数目，考虑“噪声”数据和离群点地影响，从而产生鲁棒地聚类方法.COBWEB和 SOM 是基于模型方法地示例 .h8c52WOngM7.7 k 均值和 k 中心点算法都可以进行有效地聚类.概述 k 均值和 k 中心点算法地优缺点.并概述两种方法与层次聚类方法（如AGBES）相比地优缺点.v4bdyGious答：（ 1）：k 均值和 k 中心点算法地优缺点： k 中心点算法比k 均值算法更鲁棒性，这是因为中线点不想均值那样容易受离群点或其他极端值影响.然而，k 中心点方法执行代价比k 均值算法高 .J0bm4qMpJ9（2）k均值和 k中心点算法与层次聚类方法（如AGBES）相比地优缺点：k均值和k中心点算法都是划分地聚类方法，它们地优点是在聚类是它们前面地步骤可以撤销，而不像层次聚类方法那样，一旦合并或分裂执行，就不能修正，这将影响到聚类地质量.k均值和 k中心点方法对小数据集非常有效，但是对大数据集没有良好地可伸缩性，另外地一个缺点是在聚类前必须知道类地数目 .而层次聚类方法能够自动地确定类地数量，但是层次方法在缩放时会遇到困难，那是因为每次决定合并或分裂时，可能需要一定数量地对象或簇来审核与评价.改善层次聚类方法有：BIRCH, ROCK和 Chameleon算法XVauA9grYP版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理.版权为个人所有This article includes some parts, including text,pictures, and design. Copyright is personal ownership.bR9C6TJscw 用户可将本文地内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律地规定，不得侵犯本网站及相关权利人地合法权利. 除此以外，将本文任何内容或服务用于其他用途时，须征得本人及相关权利人地书面许可，并支付报酬 . pN9LBDdtrdUsers may use the contents or services of this articlefor personal study, research or appreciation, and other non-commercial or non-profit purposes, but at the same time,they shall abide by the provisions of copyright law and otherrelevant laws, and shall not infringe upon the legitimaterights of this website and its relevant obligees. In addition, when any content or service of this article is used for other purposes, written permission and remuneration shall beobtained from the person concerned and the relevantobligee.DJ8T7nHuGT转载或引用本文内容必须是以新闻性或资料性公共免费信息为使用目地地合理、善意引用，不得对本文内容原意进行曲解、修改，并自负版权等法律责任. QF81D7bvUAReproduction or quotation of the content of this articlemust be reasonable and good-faith citation for the use of news or informative public free information. It shall notmisinterpret or modify the original intention of the contentof this article, and shall bear legal liability such ascopyright. 4B7a9QFw9h。
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。
2019四川省专业技术人员继续教育(数据挖掘 答案)
2019四川省专业技术人员继续教育数据挖掘（练习答案）1、(单选，4分)以下哪项不属于知识发现的过程？(数据测试)2、(单选，4分)以下哪些不属于数据挖掘的内容？（递归分析）3、(单选，4分)以下哪个不是常见的属性类型？（高维属性）4、(单选，4分)以下哪个度量属于数据散度的描述？（标准差）5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（四分位数）6、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？(数据预处理 )7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？(SVM )8、(单选，4分)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？(预测建模 )9、(单选，4分)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？(聚类 )10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？ (距离 )11、(单选，4分)知识发现流程最核心的步骤是什么？ (数据挖掘 )12、(单选，4分)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？(数据预处理 )13、(单选，4分)以下哪个度量属于数据中心性的描述？（均值）14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？(KNN )15、(单选，4分)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？ (关联规则发现 )16、(单选，4分)以下哪些算法是分类算法？(C4.5 )17、(单选，4分)K-means算法的缺点不包括？(可伸缩、高效 )18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（增加模型复杂度）19、(单选，4分)下面那个不属于知识发现过程。
（数据统计）20、(单选，4分)在构造决策树时，以下那个不属于选择属性的度量？ (信息熵 )21、(单选，4分)关于频繁模式，下面哪一个陈述是正确的？ (K项集频繁则K-1项则必定频繁 )22、(单选，4分)DBSCAN算法最大的挑战是？(确定半径及MINPTS )23、(单选，4分)以下那个不属于分类算法？ (K-MEANS )24、(单选，4分)以下哪些陈述是不正确的？ (聚类是一种监督学习方法 )25、(单选，4分)SVM通过什么实现线性不可分问题？ (核函数 )。
大工19秋《数据挖掘》大作业题目及要求答案
网络教育学院《数据挖掘》课程大作业题目：题目一：Knn算法原理以及python实现姓名：报名编号：学习中心：层次：专升本专业：计算机科学与技术第一大题：讲述自己在完成大作业过程中遇到的困难，解决问题的思路，以及相关感想，或者对这个项目的认识，或者对Python与数据挖掘的认识等等，300-500字。
数据挖掘是指从大量的数据中通过一些算法寻找隐藏于其中重要实用信息的过程。
这些算法包括神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等。
在商务管理，股市分析，公司重要信息决策，以及科学研究方面都有十分重要的意义。
数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术，从大量数据中寻找其肉眼难以发现的规律，和大数据联系密切。
如今，数据挖掘已经应用在很多行业里，对人们的生产生活以及未来大数据时代起到了重要影响。
第二大题：完成下面一项大作业题目。
2019秋《数据挖掘》课程大作业注意：从以下5个题目中任选其一作答。
题目一：Knn算法原理以及python实现要求：文档用使用word撰写即可。
主要内容必须包括：（1）算法介绍。
（2）算法流程。
（3）python实现算法以及预测。
（4）整个word文件名为 [姓名奥鹏卡号学习中心]（如戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ）答：KNN算法介绍KNN是一种监督学习算法，通过计算新数据与训练数据特征值之间的距离，然后选取K(K>=1)个距离最近的邻居进行分类判(投票法)或者回归。
若K=1，新数据被简单分配给其近邻的类。
KNN算法实现过程(1)选择一种距离计算方式, 通过数据所有的特征计算新数据与已知类别数据集中的数据点的距离；(2)按照距离递增次序进行排序，选取与当前距离最小的k个点；(3)对于离散分类，返回k个点出现频率最多的类别作预测分类；对于回归则返回k个点的加权值作为预测值；算法关键(1)数据的所有特征都要做可比较的量化若是数据特征中存在非数值的类型，必须采取手段将其量化为数值。
2019继续教育公需科目大数据技术和应用试题答案
2019继续教育公需科目大数据技术和应用试题答案201９年度大数据技术及应用试题单选题：1、本课程提到,近年来,我国(A)在GDＰ中占得比例逐年增大．A互联网经济Ｂ信息经济C数码消费D电子商务2、法律大数据演示得结果表明，针对“酒驾”这一查询,相关刑罚中主要得就是(A)A以上都就是B拘役Ｃ罚金D有期徒刑3、根据本课程,取得成功得关键就是要从(A)出发Ａ数据B技术Ｃ设备D问题4、1965年英特尔公司创始人之一摩尔先生,提出来在之后得十几年里，半导体处理器得性能,比如容量、计算速度与复杂程度每１８个月左右可以翻一番,这被称为(摩尔定律）5、2１世纪初,关于查询结果排序我们找到了一种新得方法。
(大数据方法：用户得点击数据）6、根据本课程,（查询结果)排序就是一个在搜索引擎中处于核心位置得工作。
７、今天,随着信息科学技术得高速发展，人类对数据得收集与分享能力空前强大，其中,(互联网）可以收集虚拟世界得数据。
8、根据本课程，交通数据采集得来源不包括(A)Ａ通讯信号Ｂ视频监控C微波采集Ｄ车载ＲＦID9、根据本课程，（实时分析）希望能够全面突破搜索引擎框架所蕴含得3个假设,使得我们能以很快得速度对互联网上出现得数据进行分析,从而发掘出相关得高阶知识，满足用户得信息需求。
10、六度分割理论认为,世界上任何两个人通过最多(六)个人就可以相互认识。
11、新经验主义就是用经验数据解决问题，但就是这些经验就是(群体性得经验)。
12、根据本课程，科学家们认为,201３年全世界储存得大数据容量就是（1、2ZB)１３、本课程提到，当前(云计算)服务得逐渐成熟,为大数据发展提供了有利得基础设施支撑。
14、(RFＩD)就是一种标签，可以把一个物体身上得各种特征与信息都收集起来。
15、本课程提出，搜索引擎就是一个搜索框，输一些关键词,然后出来一些页面得列表,需要用户点开瞧,这种架构蕴含得基本假设不包括（Ａ)A这些文档彼此不就是独立得B这些文档就是静态得C假设用户找一个文档,而不就是找一个答案D这些文档就是独立得１6、根据本课程,以下哪项不属于智慧城市得特点(C）Ａ更广泛得互联互通B更深入得智慧化C更传统得方式D更透彻得感知17、“十二五"期间，我国数据总量年均增长率达到了（5０%）18、二十世纪五十年代初,阿兰、麦席森、图灵提出(图灵测试)概念,用来测试计算机得智能程度。
精选2019公需科目大数据完整题库300题(含标准答案)
2019公需科目:大数据题库300题[含参考答案]一、选择题1．下列哪项通常是集群的最主要瓶颈a)CPU b)网络 c)磁盘Id)内存答案.C 磁盘首先集群的目的是为了节省成本，用廉价的 pc 机，取代小型机及大型机。
小型机和大型机有什么特点？2．cpu 处理能力强3．内存够大，所以集群的瓶颈不可能是 a 和 d二、填空题4．Map/Reduce框架由一个单独的master JbTracker 和每个集群节点一个slave TaskTracker 共同组成。
5．MapReduce确保每个reducer的输入都是按键排序的。
系统执行排序的过程（即将map 输出作为输入传给reducer）称为shuffle。
三、单选题6．智慧城市的构建，不包含（ C）。
（单选题）A.数字城市B.物联网C.联网监控D.云计算大数据的最显著特征是（ A）。
（单选题）A.数据规模大B.数据类型多样C.数据处理速度快D.数据价值密度高7．美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与洋流可能发生的地点。
这体现了大数据分析理念中的（B ）。
（单选题）A.在数据基础上倾向于全体数据而不是抽样数据B.在分析方法上更注重相关分析而不是因果分析C.在分析效果上更追究效率而不是绝对精确D.在数据规模上强调相对数据而不是绝对数据8．下列关于计算机存储容量单位的说法中，错误的是（ C）。
（单选题）A.1KB＜1MB＜1GBB.基本单位是字节（Byte）C.一个汉字需要一个字节的存储空间D.一个字节能够容纳一个英文字符，9．下列关于聚类挖掘技术的说法中，错误的是（B ）。
（单选题） A.不预先设定数据归类类目，完全根据数据本身性质将数据聚合成不同类别B.要求同类数据的内容相似度尽可能小C.要求不同类数据的内容相似度尽可能小大数据的最显著特征是（ A）。
（单选题）A.数据规模大B.数据类型多样C.数据处理速度快D.数据价值密度高10．下列关于网络用户行为的说法中，错误的是（ C）。
数据挖掘-题库带答案
数据挖掘-题库带答案数据挖掘-题库带答案1、最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡()答案：正确2、决策将日益基于数据和分析而作出,而并非基于经验和直觉()答案：错误解析：决策将日益基于数据和分析而作出,而并非基于经验和直觉3、2011年被许多国外媒体和专家称为“大数据元年”()答案：错误解析：2013年被许多国外媒体和专家称为“大数据元年”4、我国网民数量居世界之首,每天产生的数据量也位于世界前列()答案：正确5、商务智能的联机分析处理工具依赖于数据库和数据挖掘。
()答案：错误解析：商务智能的联机分析处理工具依赖于数据仓库和多维数据挖掘。
6、数据整合、处理、校验在目前已经统称为 EL()答案：错误解析：数据整合、处理、校验在目前已经统称为 ETL7、大数据时代的主要特征()A、数据量大B、类型繁多C、价值密度低D、速度快时效高答案： ABCD8、下列哪项不是大数据时代的热门技术()A、数据整合B、数据预处理C、数据可视化D、 SQL答案： D9、()是一种统计或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。
A、预测B、分析C、预测分析D、分析预测答案： C10、大数据发展的前提?答案：解析：硬件成本的降低,网络带宽的提升,云计算的兴起,网络技术的发展,智能终端的普及,电子商务、社交网络、电子地图等的全面应用,物联网的兴起11、调研、分析大数据发展的现状与应用领域。
?答案：解析：略12、大数据时代的主要特征?答案：解析：数据量大(Volume)第一个特征是数据量大。
大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。
类型繁多(Variety)第二个特征是数据类型繁多。
包括网络日志、音频、视频、图片、地理位置信息等等,多类型的数据对数据的处理能力提出了更高的要求。
价值密度低(Value)第三个特征是数据价值密度相对较低。
数据挖掘参考答案
数据挖掘参考答案数据挖掘参考答案随着信息时代的到来，大数据成为了各个领域的热门话题。
数据的爆炸式增长给人们带来了巨大的挑战，同时也带来了无限的机遇。
在这个背景下，数据挖掘作为一种重要的数据分析方法，被广泛应用于商业、科学、医疗等领域。
本文将从数据挖掘的定义、应用领域和技术方法等方面进行探讨。
首先，我们来了解一下数据挖掘的定义。
数据挖掘是一种通过从大量数据中发现隐藏模式和知识的过程。
它涉及到多个学科领域，包括统计学、机器学习、人工智能等。
数据挖掘的目标是通过分析数据，找出其中的规律和趋势，以便做出预测和决策。
数据挖掘的应用领域非常广泛。
在商业领域，数据挖掘可以用于市场营销、客户关系管理、风险管理等方面。
例如，通过分析用户的购买记录和行为模式，企业可以预测用户的需求，优化产品推荐，提高销售额。
在科学研究中，数据挖掘可以用于发现新的科学规律和模型。
例如，通过分析天文观测数据，科学家可以发现新的星系和行星。
在医疗领域，数据挖掘可以用于疾病诊断、药物研发等方面。
例如，通过分析大量的医疗数据，医生可以预测患者的疾病风险，制定个性化的治疗方案。
数据挖掘的技术方法也非常多样。
其中最常用的方法包括聚类分析、分类分析、关联规则挖掘和预测分析等。
聚类分析是将数据分成若干个类别，使得同一类别内的数据相似度较高，不同类别之间的数据相似度较低。
分类分析是根据已有的数据集，建立一个分类模型，用于对新的数据进行分类。
关联规则挖掘是发现数据中的相关性和关联关系。
预测分析是通过分析历史数据，预测未来的趋势和结果。
除了上述常用的技术方法，还有一些新兴的数据挖掘技术值得关注。
例如，深度学习是一种基于神经网络的机器学习方法，可以用于处理大规模的非结构化数据。
自然语言处理是一种将自然语言转化为计算机可处理形式的技术，可以用于处理文本数据。
图挖掘是一种挖掘图数据中的模式和知识的方法，可以用于社交网络分析、网络安全等领域。
然而，数据挖掘也面临着一些挑战和问题。
2019年四川省专业技术人员继续教育——数据挖掘(含答案)
2016年四川省专业技术人员继续教育——数据挖掘试题（含答案）1、(单选，4分)以下哪项不属于知识发现的过程( )A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：C2、(单选，4分)以下哪些不属于数据挖掘的内容（）A、分类B、聚类C、离群点检测D、递归分析答案：D3、(单选，4分)以下哪个不是常见的属性类型（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C4、(单选，4分)以下哪个度量属于数据散度的描述（）A、均值B、中位数C、标准差D、众数答案：C5、(单选，4分)以下哪个度量不属于数据中心趋势度描述（ C）A、A．均值B、中位数C、众数D、四分位数答案：C6、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务( )A、频繁模式挖掘B、分类和预测C、数据预处理答案：C7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法( )A、K-MeansB、DBSCANC、SVMD、EM答案：C8、(单选，4分)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( )A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C9、(单选，4分)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( )A、分类B、聚类C、关联分析D、隐马尔可夫链答案：A10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法 ( )A、信息增益B、信息增益率C、基尼指数D、距离答案：D11、(单选，4分)知识发现流程最核心的步骤是什么 ( )A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：B12、(单选，4分)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( )A、频繁模式挖掘C、数据预处理D、数据流挖掘答案：C13、(单选，4分)以下哪个度量属于数据中心性的描述（）A、均值B、极差C、众数D、标准差答案：A14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法( )A、K-MeansB、DBSCANC、KNND、EM答案：C15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A16、(单选，4分)以下哪些算法是分类算法( )A、DBSCANB、C、K-MeanD、EM答案：B17、(单选，4分)K-means算法的缺点不包括( )A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B19、(单选，4分)下面那个不属于知识发现过程。
成电求实专技网2019年度公需科目数据挖掘答案
数据挖掘马洪祥（72分）1、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、标准差B、极差C、均值D、众数2、(单选，4分)以下哪些算法是分类算法？( )A、K-MeanB、C4.5C、DBSCAND、EM3、(单选，4分)知识发现流程最核心的步骤是什么？( )A、数据挖掘B、知识表示C、数据预处理D、模式评估4、(单选，4分)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？( )A、数据流挖掘B、数据预处理C、分类和预测D、频繁模式挖掘5、(单选，4分)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、聚类B、分类C、自然语言处理D、关联规则发现6、(单选，4分)以下那个不属于分类算法？( )A、SVMB、KNNC、K-MEANSD、朴素贝叶斯7、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、DBSCANB、KNNC、K-MeansD、EM8、(单选，4分)K-means算法的缺点不包括？( )A、选择初始聚类中心B、对于“噪声”和孤立点数据是敏感的C、可伸缩、高效D、K必须是事先给定的9、(单选，4分)关于频繁模式，下面哪一个陈述是正确的？( )A、以上都不正确B、K项集不频繁则K-1项则必定频繁C、K项集频繁则K-1项则必定频繁D、K项集频繁则K-1项则必定不频繁10、(单选，4分)DBSCAN算法最大的挑战是？( )A、确定聚类个数B、确定半径及MINPTSC、确定评估指标D、确定聚类形状11、(单选，4分)以下哪些陈述是不正确的？( )A、聚类是一种监督学习方法B、聚类可以作为其他任务的预处理C、聚类可以发现数据内部结构D、聚类可以作为异常检测12、(单选，4分)以下哪项不属于知识发现的过程？( )A、数据清理B、数据测试C、数据挖掘D、知识可视化表达13、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加模型复杂度B、正则化C、去除噪声D、增加样本数量14、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？( )A、噪声检测B、分类和预测C、数据预处理D、频繁模式挖掘15、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？( )A、基尼指数B、距离C、信息增益D、信息增益率16、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D ）A、中位数B、A．均值C、四分位数D、众数17、(单选，4分)下面那个不属于知识发现过程。
2019公需科目试题及答案
2019公需科目试题及答案单选1.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。
（2.0分）A.2018年3月15日B.2018年10月31日C.2018年12月31日D.2019年1月31日我的答案：B √答对2.根据国际评判健康的标准，我国成年人心血管呈理想状态的比率为（）。
（2.0分）A.0.1%B.0.2%C.0.3%D.0.4%我的答案：B √答对3.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。
（2.0分）A.人机交互B.虚拟现实C.自然语言处理D.计算机视觉我的答案：A ×答错/D4.（）是指能够按照人的要求，在某一个领域完成一项工作或者一类工作的人工智能。
（2.0分）A.超人工智能B.强人工智能C.弱人工智能D.人工智能我的答案：A ×答错/B?我的答案：D ×答错5.（）是研究用计算机系统解释图，像实现类似人类视觉系统理解外部世界的一种技术，所讨论的问题是为了完成某一任务需要从图像中获取哪些信息，以及如何利用这些信息获得必要的解释。
（2.0分）A.立体视觉B.图像理解C.姿态估计D.轨迹跟踪我的答案：A ×答错6.在2016年，我国人工智能企业超过了（）家。
（2.0分）A.1000B.1200C.1400D.1500我的答案：D √答对7.生物特征识别技术不包括（）。
（2.0分）A.体感交互B.指纹识别C.人脸识别D.虹膜识别我的答案：A √答对8.《“健康中国2030”规划纲要》中提到，健康是经济社会发展的（）。
（2.0分）A.必然要求B.基础条件C.核心要义D.根本目的我的答案：B √答对22.《“健康中国2030”规划纲要》中提到，全民健康是建设健康中国的（）。
（2.0分）A.必然要求B.基础条件C.核心要义D.根本目的我的答案：A ×答错/D？9.人工智能是（）的一个分支，它试图揭示人类智能的实质和真相，并以模拟人类智能的方式去赋能机器，使机器能够模拟人类的智能进行学习、思维、推理、决策和行动。
数据挖掘考试题及答案
数据挖掘考试题及答案一、单项选择题（每题2分，共20分）1. 数据挖掘的主要任务不包括以下哪一项？A. 分类B. 聚类C. 预测D. 数据清洗答案：D2. 以下哪个算法不是用于分类的？A. 决策树B. 支持向量机C. K-meansD. 神经网络答案：C3. 在数据挖掘中，关联规则挖掘主要用于发现以下哪种类型的模式？A. 序列模式B. 分类模式C. 频繁项集D. 聚类模式答案：C4. 以下哪个指标不是用于评估分类模型性能的？A. 准确率B. 召回率C. F1分数D. 马氏距离答案：D5. 在数据挖掘中，以下哪个算法是用于聚类的？A. K-meansB. 逻辑回归C. 随机森林D. 支持向量机答案：A6. 以下哪个选项不是数据挖掘过程中的步骤？A. 数据预处理B. 模式发现C. 结果评估D. 数据存储答案：D7. 在数据挖掘中，异常检测的主要目的是识别以下哪种类型的数据？A. 频繁出现的模式B. 罕见的模式C. 预测未来的数据D. 聚类的数据答案：B8. 以下哪个选项不是数据挖掘中常用的数据预处理技术？A. 数据清洗B. 数据集成C. 数据变换D. 数据压缩答案：D9. 在数据挖掘中，以下哪个算法是用于特征选择的？A. 主成分分析B. 线性判别分析C. 支持向量机D. 决策树答案：D10. 以下哪个选项不是数据挖掘中常用的数据表示方法？A. 决策树B. 向量空间模型C. 邻接矩阵D. 频率分布表答案：D二、多项选择题（每题3分，共15分）11. 数据挖掘中常用的聚类算法包括哪些？A. K-meansB. 层次聚类C. DBSCAND. 支持向量机答案：A、B、C12. 在数据挖掘中，以下哪些是关联规则挖掘的典型应用场景？A. 市场篮分析B. 异常检测C. 推荐系统D. 社交网络分析答案：A、C13. 数据挖掘中，以下哪些是分类模型评估的常用指标？A. 准确率B. 召回率C. ROC曲线D. 马氏距离答案：A、B、C14. 在数据挖掘中，以下哪些是特征工程的步骤？A. 特征选择B. 特征提取C. 特征变换D. 数据清洗答案：A、B、C15. 数据挖掘中，以下哪些是数据预处理的常见任务？A. 缺失值处理B. 异常值检测C. 数据规范化D. 数据压缩答案：A、B、C三、简答题（每题10分，共30分）16. 请简述数据挖掘中分类和聚类的主要区别。
2019四川省专业技术人员学习公需科目人工智能与健康 数据挖掘继续教育答案
2019四川省专业技术人员学习人工智能与健康数据挖掘继续教育答案1、(单选，4分)以下哪项不属于知识发现的过程？( )A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C4、(单选，4分)以下哪个度量属于数据散度的描述？（）A、均值B、中位数C、标准差D、众数答案：C5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D ）A、A．均值B、中位数C、众数D、四分位数答案：D6、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、SVMD、EM答案：C8、(单选，4分)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？( )A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C9、(单选，4分)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？( )A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？( )A、信息增益B、信息增益率C、基尼指数D、距离答案：D11、(单选，4分)知识发现流程最核心的步骤是什么？( )A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：A12、(单选，4分)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？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C13、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、均值B、极差C、众数D、标准差答案：A14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、KNND、EM答案：C15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A16、(单选，4分)以下哪些算法是分类算法？( )A、DBSCANB、C4.5C、K-MeanD、EM答案：B17、(单选，4分)K-means算法的缺点不包括？( )A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B19、(单选，4分)下面那个不属于知识发现过程。
数据挖掘试题及答案
数据挖掘试题及答案### 数据挖掘试题及答案#### 一、选择题1. 数据挖掘的最终目标是什么？- A. 数据清洗- B. 数据集成- C. 数据分析- D. 发现知识答案：D2. 以下哪个算法不属于聚类算法？- A. K-means- B. DBSCAN- C. Apriori- D. Hierarchical Clustering答案：C3. 在数据挖掘中，关联规则挖掘主要用于发现什么？ - A. 异常值- B. 频繁项集- C. 趋势- D. 聚类答案：B4. 决策树算法中的剪枝操作是为了解决什么问题？- A. 过拟合- B. 欠拟合- C. 数据不平衡- D. 特征选择答案：A5. 以下哪个是时间序列分析的常用方法？- A. 逻辑回归- B. 线性回归- C. ARIMA模型- D. 支持向量机答案：C#### 二、简答题1. 简述数据挖掘中的分类和聚类的区别。
答案：分类是监督学习过程，它使用标记的训练数据来预测数据的类别。
聚类是无监督学习过程，它将数据分组，使得同一组内的数据点相似度较高，不同组之间的数据点相似度较低。
2. 解释什么是异常检测，并给出一个实际应用的例子。
答案：异常检测是一种识别数据集中异常或不寻常模式的方法。
它通常用于识别欺诈行为、网络安全问题或机械故障。
例如，在信用卡交易中，异常检测可以用来识别潜在的欺诈行为。
3. 描述决策树的工作原理。
答案：决策树通过一系列的问题（通常是二元问题）来对数据进行分类。
从根节点开始，数据被分割成不同的子集，然后每个子集继续被分割，直到达到叶节点，叶节点代表最终的分类结果。
#### 三、应用题1. 给定一组客户数据，包括年龄、收入和购买历史。
使用数据挖掘技术来识别哪些客户更有可能购买新产品。
答案：可以使用决策树或逻辑回归等分类算法来分析客户数据，识别影响购买行为的关键特征。
通过训练模型，可以预测哪些客户更有可能购买新产品。
2. 描述如何使用关联规则挖掘来发现超市中商品的购买模式。
- 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)。
数据挖掘1、(单选，4分)
以下哪项不属于知识发现的过程？( )
A、数据清理
B、数据挖掘
C、知识可视化表达
D、数据测试
答案：D
2、(单选，4分)
以下哪些不属于数据挖掘的内容？（）
A、分类
B、聚类
C、离群点检测
D、递归分析
答案：D
3、(单选，4分)
以下哪个不是常见的属性类型？（）
A、A．标称属性
B、数值属性
C、高维属性
D、序数属性
答案：C
4、(单选，4分)
以下哪个度量属于数据散度的描述？（）
B、中位数
C、标准差
D、众数
答案：C
5、(单选，4分)
以下哪个度量不属于数据中心趋势度描述？（ D ）
A、A．均值
B、中位数
C、众数
D、四分位数
答案：D
6、(单选，4分)
对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？( )
A、频繁模式挖掘
B、分类和预测
C、数据预处理
D、噪声检测
答案：C
7、(单选，4分)
聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )
A、K-Means
B、DBSCAN
C、SVM
答案：C
8、(单选，4分)
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？( )
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
答案：C
9、(单选，4分)
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？( )
A、分类
B、聚类
C、关联分析
D、隐马尔可夫链
答案：B
10、(单选，4分)
在构造决策树时，以下哪种不是选择属性的度量的方法？ ( )
A、信息增益
B、信息增益率
C、基尼指数
D、距离
答案：D
11、(单选，4分)
知识发现流程最核心的步骤是什么？ ( )
A、数据挖掘
B、数据预处理
C、模式评估
D、知识表示
答案：A
12、(单选，4分)
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？( )
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
答案：C
13、(单选，4分)
以下哪个度量属于数据中心性的描述？（）
A、均值
B、极差
C、众数
D、标准差
答案：A
14、(单选，4分)
类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )
A、K-Means
B、DBSCAN
C、KNN
D、EM
答案：C
15、(单选，4分)
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、关联规则发现
B、聚类
C、分类
D、自然语言处理
答案：A
16、(单选，4分)
以下哪些算法是分类算法？( )
A、DBSCAN
B、C4.5
C、K-Mean
D、EM
答案：B
17、(单选，4分)
K-means算法的缺点不包括？( )
A、K必须是事先给定的
B、选择初始聚类中心
C、对于“噪声”和孤立点数据是敏感的
D、可伸缩、高效
答案：D
18、(单选，4分)
机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）
A、增加样本数量
B、增加模型复杂度
C、去除噪声
D、正则化
答案：B
19、(单选，4分)
下面那个不属于知识发现过程。
（）
A、数据清理与集成
B、数据统计
C、数据挖掘
D、模式评估和知识表示
答案：B
20、(单选，4分)
在构造决策树时，以下那个不属于选择属性的度量？ ( )
A、信息增益
B、信息增益率
C、基尼指数
D、信息熵
答案：D
21、(单选，4分)
关于频繁模式，下面哪一个陈述是正确的？ ( )
A、K项集频繁则K-1项则必定不频繁
B、K项集频繁则K-1项则必定频繁
C、K项集不频繁则K-1项则必定频繁
D、以上都不正确
答案：B
22、(单选，4分)
DBSCAN算法最大的挑战是？ ( )
A、确定聚类个数
B、确定聚类形状
C、确定半径及MINPTS
D、确定评估指标
答案：C
23、(单选，4分)
以下那个不属于分类算法？ ( )
A、KNN
B、朴素贝叶斯
C、K-MEANS
D、SVM
答案：C
24、(单选，4分)
以下哪些陈述是不正确的？ ( )
A、聚类可以发现数据内部结构
B、聚类可以作为其他任务的预处理
C、聚类可以作为异常检测
D、聚类是一种监督学习方法
答案：D
25、(单选，4分)
SVM通过什么实现线性不可分问题？ ( )
A、特征降维
B、特征筛选
C、基尼指数
D、核函数
答案：D。