数据挖掘试题(150道)
数据库数据挖掘与分析考试试卷
数据库数据挖掘与分析考试试卷(答案见尾页)一、选择题1. 数据挖掘的主要目的是什么?A. 提取数据库中的数据B. 分析数据库中的数据以发现隐藏的模式和关联C. 存储和管理数据库中的数据D. 传输数据库中的数据2. 在数据挖掘中,以下哪个过程是用来发现数据项之间的有趣关系和关联的?A. 数据清理B. 数据集成C. 数据转换D. 数据挖掘3. 数据挖掘任务通常不包括以下哪项?A.分类B.聚类C.回归D. 数据库优化4. 关联规则学习是数据挖掘中的一个重要技术,它主要关注什么?A. 发现数据集中不同项之间的因果关系B. 发现数据集中频繁出现的模式和关联C. 建立数据模型以预测未来趋势D. 优化数据库查询性能5. 在聚类分析中,以下哪个选项不是常用的距离度量方法?A. 曼哈顿距离B. 欧氏距离C. 切比雪夫距离D. 余弦相似度6. 数据挖掘中经常使用哪种图表来展示聚类结果?A. 条形图B. 饼图C. 网络图D. 散点图7. 在数据挖掘中,以下哪个算法主要用于发现连续数值型数据中的异常值或离群点?A. K-均值算法B. DBSCANC. 谱聚类算法D. 决策树算法8. 数据挖掘中,以下哪个步骤不是数据预处理的一部分?A. 数据清洗B. 数据集成C. 数据转换D. 数据降维9. 在建立数据挖掘模型时,以下哪个步骤不是特征选择的一部分?A. 特征提取B. 特征选择C. 特征验证D. 特征排序10. 数据挖掘中,以下哪个工具不是常用的数据挖掘工具?A. SQLB. ExcelC. PythonD. R二、问答题2. 什么是SQL语言?请列举几种常见的SQL语句。
3. 什么是数据库的完整性约束?请举例说明。
4. 什么是数据库的设计原则?请列举几个常用的设计原则。
5. 什么是数据库的范式?请简要解释第一范式和第二范式。
6. 什么是数据库索引?请简述索引的作用和分类。
7. 什么是数据库的事务处理?请简述事务的定义和特性。
数据挖掘试题(150道)
.法是一种在已知后验概率与类条件概率地情况下地模式分类方法,待分样本地分类结果取决于各类域中样本地全体. (错)
.分类模型地误差大致分为两种:训练误差()和泛化误差(). (对)
.在决策树中,随着树中结点数变得太大,即使模型地训练误差还在继续减低,但是检验误差开始增大,这是出现了模型拟合不足地问题.(错)
.是这样一个分类器,他寻找具有最小边缘地超平面,因此它也经常被称为最小边缘分类器()(错)
.在聚类分析当中,簇内地相似性越大,簇间地差别越大,聚类地效果就越差.(错)
.聚类分析可以看作是一种非监督地分类.(对)
.均值是一种产生划分聚类地基于密度地聚类算法,簇地个数由算法自动地确定.(错
.给定由两次运行均值产生地两个不同地簇集,误差地平方和最大地那个应该被视为较优.(错)
.选择一个算法过程使评分函数最优
.决定用什么样地数据管理原则以高效地实现算法.
.数据挖掘地预测建模任务主要包括哪几大类问题?( )
.分类.回归.模式发现.模式匹配
.数据挖掘算法地组件包括:( )
.模型或模型结构.评分函数.优化和搜索方法.数据管理策略
.以下哪些学科和数据挖掘有密切联系?( )
.统计.计算机组成原理.矿产挖掘.人工智能
.数据仓库地主要目标就是帮助分析,做长期性地战略制定
.数据仓库在技术上地工作过程是:()
.数据地抽取.存储和管理.数据地表现个人收集整理勿做商业用途
.数据仓库设计.数据地表现
.联机分析处理包括以下哪些基本分析功能?()
.聚类.切片.转轴.切块.分类
.利用算法计算频繁项集可以有效降低计算频繁集地时间复杂度.在以下地购物篮中产生支持度不小于地候选项集,在候选项集中需要剪枝地是()
数据挖掘考试题库
13. 预测型知识:是根据时间序列型数据,由历史的和当前的数据 去推测未来的数据,也可以认为是以时间为关键属性的关联知 识。
14. 偏差型知识:是对差异和极端特例的描述,用于揭示事物偏离 常规的异常现象,如标准类外的特例,数据聚类外的离群值 等。
15. 遗传算法:是一种优化搜索算法,它首先产生一个初始可行解 群体,然后对这个群体通过模拟生物进化的选择、交叉、变异 等遗传操作遗传到下一代群体,并最终达到全局最优。
作。 22. 传统的决策支持系统是以 和 驱动,而新决策支持系统
则是以 、建立在 和 技术之上。 23. OLAP的数据组织方式主要有 和 2种。 24. SQL Server2000的OLAP组件叫 ,OLAP操作窗口叫 。 25. BP神经网络由 、 以及一或多个 结点组成。 26. 遗传算法包括 、 、 3个基本算子。 27. 聚类分析的数据通常可分为区间标度变
等。 6. 评价关联规则的2个主要指标是 和 。 7. 多维数据集通常采用 或雪花型架构,以 表为中心,连
接多个 表 。 8. 决策树是用 作为结点,用 作为分支的树结构。 9. 关联可分为简单关联、 和 。 10. BP神经网络的作用函数通常为 区间的 。 11. 数据挖掘的过程主要包括确定业务对象、 、 、 及
和低层管理人员、对基本数据进行查询和增、删、改等的日常事务 处理。OLAP即联机分析处理,是在OLTP基础上发展起来的、以数据 仓库基础上的、面向高层管理人员和专业分析人员、为企业决策支 持服务。
OLTP和OLAP的主要区别如下表:
OLTP
OLAP
数据库数据
数据库或数据仓库数据
细节性数据
综合性数据
知识同化等几个步骤。 12. 数据挖掘技术主要涉及 、 和 3个技术领域。 13. 数据挖掘的主要功能包括 、 、 、 、趋势分
数据挖掘考试题
数据挖掘考试题一.选择题1. 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?( )2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值,它是一种凝聚层次聚类技术。
“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。
A 分类B 预测 C关联规则分析 D聚类4.关于K均值和DBSCAN的比较,以下说法不正确的是( )A.K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
B.K均值使用簇的基于原型的概念,DBSCAN使用基于密度的概念。
C.K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇D.K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇’s Method说法错误的是:( )C.对于Ward方法,两个簇的邻近度定义为两个簇合并时导致的平方误差D.当两个点之间的邻近度取它们之间距离的平方时,Ward方法与组平均非常相似6.下列关于层次聚类存在的问题说法正确的是:( )A.具有全局优化目标函数B.Group Average擅长处理球状的簇C.可以处理不同大小簇的能力D.Max对噪声点和离群点很敏感7.下列关于凝聚层次聚类的说法中,说法错误的事:( )A.一旦两个簇合并,该操作就不能撤销2m O8.规则{牛奶,尿布}→{啤酒}的支持度和置信度分别为:( )TID项 集 12345{面包,牛奶} {面包,尿布,啤酒,鸡蛋} {牛奶,尿布,啤酒,可乐} {面包,牛奶,尿布,啤酒} {面包,牛奶,尿布,可乐}9.下列( )是属于分裂层次聚类的方法。
10.对下图数据进行凝聚聚类操作,簇间相似度使用MAX 计算,第二步是哪两个簇合并:( )A.在{3}和{l,2}合并B.{3}和{4,5}合并C.{2,3}和{4,5}合并D. {2,3}和{4,5}形成簇和{3}合并二.填空题:1. 属性包括的四种类型: 、 、 、 。
数据挖掘与分析考试试题
数据挖掘与分析考试试题一、选择题(每题 3 分,共 30 分)1、以下哪个不是数据挖掘的主要任务?()A 分类B 聚类C 数据清洗D 关联规则挖掘2、在数据挖掘中,以下哪种方法常用于处理缺失值?()A 直接删除包含缺失值的记录B 用平均值填充缺失值C 用中位数填充缺失值D 以上方法都可以3、决策树算法中,用于选择最佳分裂特征的指标通常是()A 信息增益B 基尼系数C 准确率D 召回率4、以下哪个不是聚类算法?()A KMeans 算法B 层次聚类算法C 朴素贝叶斯算法D DBSCAN 算法5、数据挖掘中的关联规则挖掘,常用的算法是()A Apriori 算法B C45 算法C KNN 算法D SVM 算法6、以下哪种数据预处理方法可以用于将连续型特征转换为离散型特征?()A 标准化B 归一化C 分箱D 主成分分析7、在构建分类模型时,如果数据集存在类别不平衡问题,以下哪种方法可以解决?()A 过采样B 欠采样C 调整分类阈值D 以上方法都可以8、以下哪个指标常用于评估分类模型的性能?()A ROC 曲线下面积B 均方误差C 平均绝对误差D 决定系数9、对于高维数据,以下哪种方法可以进行降维?()A 因子分析B 线性判别分析C 主成分分析D 以上方法都可以10、以下关于数据挖掘的描述,错误的是()A 数据挖掘可以发现隐藏在数据中的模式和关系B 数据挖掘需要大量的数据C 数据挖掘的结果一定是准确无误的D 数据挖掘是一个反复迭代的过程二、填空题(每题 3 分,共 30 分)1、数据挖掘的一般流程包括:________、________、________、________、________和________。
2、分类算法中,常见的有________、________、________等。
3、聚类算法中,KMeans 算法的基本思想是:________。
4、关联规则挖掘中,常用的度量指标有________、________等。
数据挖掘试卷-题集
数据挖掘复习题集1. 名词解释及简答数据矩阵闭频繁项集,极大频繁项集四分位数极差聚类分析聚类算法DBSCAN中的密度可达与密度相连简述数据清理的任务简述k-means聚类与k-中心点聚类的相似与不同之处2. 填空题(1)计算sin(45o)的Matlab命令是(2)假设x=10,计算的Matlab命令是(3)Matlab中清除显示内容的命令是(4)Matlab中清除变量y的命令是(5)Matlab中有矩阵a=[1 2 3; 4 5 6; 7 8 9],执行a(2,:)=[]后,a的值为。
(6)Matlab中绘制曲线的基本命令是。
(7)数据质量涉及许多因素,包括,,,时效性,可信性和可解释性。
(8)属性的类型由该属性可能具有的值的集合决定,属性类型包括,,序数的或数值的。
(9)KDD 过程包括:, 数据集成, 数据选择, 数据变换, 数据挖掘, 模式评估, 和。
(10)一个模式是有趣的,如果它是, 在某种程度上在新的或测试数据上是有效的, , 新颖的, 或验证了用户希望证实的某种假设。
(11)数据对象又称为样本、、数据点、或。
(12)数值属性可以被分为属性和属性(13) 常见的数据的可视化技术有基于 的技术,几何投影技术,基于 的技术以及层次的和基于图形的技术。
(14) 支持度和 是规则兴趣度的两种度量。
3. 选择题:1) Matlab 中,执行a=-4:4;b=reshape(a,3,3)后b 的值是()。
2) 在MATLAB中,列出当前工作空间变量名的函数是(A) who(s) (B) clc (C)path (D) draw3) 已知462837A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,则在MATLAB 中调用命令A(3)的结果为 (A)3 (B)2 (C) 无结果 (D)7 4) MATLAB 对图形窗口进行灵活分割的命令为(A) plot (B) subplot (C) aplot (D) ploval5)[3 6 3]A =,[2 1 1]B =,则A .*B=(A) 运算不执行,因有错 (B)6 83 (C) 5 74 (D) 6 6 36) MATLAB 中保持图形窗口不关闭的命令为(A) alter (B) hold on (C) hold off (D) cd 7) MATLAB 中a=[2,3,1],则b=a .^2的结果为(A) b=[4,6,1](B)b=[4,9,1] (C)b=[4,6,2] (D) 执行出错,无结果 8) MATLAB 中给变量w 赋空矩阵的语句为(A)w=zeros() (B)w=[] (C)w=zeros(0,0)(D) clear w9)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10)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。
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。
数据挖掘课程模拟考试题库
数据挖掘课程模拟考试题库一、选择题(每题 5 分,共 30 分)1、以下哪项不是数据挖掘的主要任务?()A 数据清洗B 分类C 聚类D 关联规则挖掘2、数据挖掘中的分类算法不包括()A 决策树B 朴素贝叶斯C 支持向量机D 主成分分析3、在数据挖掘中,以下哪种方法常用于处理缺失值?()A 直接删除包含缺失值的记录B 用平均值填充缺失值C 用中位数填充缺失值D 以上方法都可以4、数据挖掘中的聚类算法中,KMeans 算法的基本思想是()A 基于密度的聚类B 基于层次的聚类C 基于划分的聚类D 基于模型的聚类5、以下哪项不是关联规则挖掘中的常用指标?()A 支持度B 置信度C 提升度D 准确率6、数据挖掘在以下哪个领域应用较少?()A 医疗保健B 市场营销C 天文学D 物理学二、填空题(每题 5 分,共 20 分)1、数据挖掘的流程通常包括、、、、和。
2、常见的数据预处理方法有、、、。
3、决策树算法在进行分裂时,通常依据来选择特征。
4、聚类分析中,评估聚类效果的指标通常有、。
三、简答题(每题 10 分,共 30 分)1、简述数据挖掘与数据分析的区别。
2、解释什么是过拟合,并说明如何避免过拟合。
3、请简要介绍 Apriori 算法的基本思想和步骤。
四、应用题(20 分)假设有一个电商网站的销售数据集,包含用户 ID、商品 ID、购买时间和购买金额等字段。
请使用关联规则挖掘算法,找出经常一起被购买的商品组合,并给出相应的支持度和置信度。
请详细描述你的分析过程和结果。
以下是对上述模拟考试题库的详细解析:选择题解析:1、数据清洗虽然是数据预处理的重要步骤,但不是数据挖掘的主要任务。
数据挖掘的主要任务包括分类、聚类、关联规则挖掘等。
所以选择 A 选项。
2、主成分分析主要用于数据降维,而不是分类算法。
决策树、朴素贝叶斯和支持向量机都是常见的分类算法。
所以选择 D 选项。
3、处理缺失值的方法有多种,直接删除包含缺失值的记录可能会导致数据量减少,影响分析结果;用平均值或中位数填充缺失值是常见的处理方式。
数据挖掘测试题及答案
数据挖掘测试题及答案一、选择题1. 数据挖掘的目的是:A. 数据清洗B. 数据转换C. 模式发现D. 数据存储答案:C2. 以下哪项不是数据挖掘的常用算法?A. 决策树B. 聚类分析C. 线性回归D. 关联规则答案:C二、填空题1. 数据挖掘中的_________是指在大量数据中发现的有意义的模式。
答案:知识2. 一种常用的数据挖掘技术是_________,它用于发现数据中隐藏的分组。
答案:聚类三、简答题1. 简述数据挖掘与数据分析的区别。
答案:数据挖掘是一种自动或半自动的过程,旨在从大量数据中发现模式和知识。
数据分析通常涉及更具体的查询和问题,使用统计方法来理解数据。
2. 描述什么是关联规则挖掘,并给出一个例子。
答案:关联规则挖掘是一种用于发现变量之间有趣关系的技术,特别是变量之间的频繁模式、关联或相关性。
例如,在市场篮子分析中,关联规则挖掘可以用来发现顾客购买行为中的模式,如“购买面包的顾客中有80%也购买了牛奶”。
四、计算题1. 给定以下数据集,计算支持度和置信度:| 事务ID | 购买的商品 |||-|| 1 | A, B || 2 | A, C || 3 | B, C || 4 | A, B, C || 5 | B, D |(1) 计算项集{A}的支持度。
(2) 计算规则A => B的置信度。
答案:(1) 项集{A}的支持度为4/5,因为A出现在4个事务中。
(2) 规则A => B的置信度为3/4,因为A和B同时出现在3个事务中,而A出现在4个事务中。
五、论述题1. 论述数据挖掘在电子商务中的应用,并给出至少两个具体的例子。
答案:数据挖掘在电子商务中的应用非常广泛,包括:- 客户细分:通过数据挖掘技术,商家可以识别不同的客户群体,为每个群体提供定制化的服务或产品。
- 推荐系统:利用关联规则挖掘,电商平台可以推荐用户可能感兴趣的商品,提高用户满意度和购买率。
- 欺诈检测:通过分析交易模式,数据挖掘可以帮助识别异常行为,预防信用卡欺诈等风险。
数据挖掘考试题
数据挖掘考试题一.选择题1. 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.主成分分析2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值,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3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。
A 分类B 预测 C关联规则分析 D聚类4.关于K均值和DBSCAN的比较,以下说法不正确的是( )A.K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
B.K均值使用簇的基于原型的概念,DBSCAN使用基于密度的概念。
C.K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇D.K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇5.下列关于Ward’s Method说法错误的是:( )A.对噪声点和离群点敏感度比较小B.擅长处理球状的簇C.对于Ward方法,两个簇的邻近度定义为两个簇合并时导致的平方误差D.当两个点之间的邻近度取它们之间距离的平方时,Ward方法与组平均非常相似6.下列关于层次聚类存在的问题说法正确的是:( )A.具有全局优化目标函数B.Group Average擅长处理球状的簇C.可以处理不同大小簇的能力D.Max对噪声点和离群点很敏感7.下列关于凝聚层次聚类的说法中,说法错误的事:( )A.一旦两个簇合并,该操作就不能撤销B.算法的终止条件是仅剩下一个簇C.空间复杂度为()2m O D.具有全局优化目标函数8.规则{牛奶,尿布}→{啤酒}的支持度和置信度分别为:( ) TID项 集 12345{面包,牛奶} {面包,尿布,啤酒,鸡蛋} {牛奶,尿布,啤酒,可乐} {面包,牛奶,尿布,啤酒} {面包,牛奶,尿布,可乐}A.0.4,0.4B.0.67,0.67C.0.4,0.67D.0.67,0.49.下列( )是属于分裂层次聚类的方法。
数据挖掘测试题及答案
数据挖掘测试题及答案一、单项选择题(每题2分,共10题,共20分)1. 数据挖掘中,用于发现数据集中的关联规则的算法是:A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案:B2. 以下哪个选项不是数据挖掘的步骤之一:A. 数据预处理B. 数据探索C. 数据收集D. 数据分析答案:C3. 在分类问题中,以下哪个算法属于监督学习:A. 聚类B. 决策树C. 关联规则D. 异常检测答案:B4. 数据挖掘中,用于发现数据集中的频繁项集的算法是:A. K-meansB. AprioriC. Naive BayesD. Decision Tree5. 在数据挖掘中,以下哪个选项不是数据预处理的步骤:A. 数据清洗B. 数据集成C. 数据变换D. 数据分类答案:D6. 以下哪个算法主要用于聚类问题:A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案:A7. 在数据挖掘中,以下哪个选项不是数据挖掘的应用领域:A. 市场分析B. 医疗诊断C. 社交网络分析D. 视频游戏开发答案:D8. 以下哪个算法主要用于异常检测:A. K-meansB. AprioriC. Naive BayesD. One-Class SVM答案:D9. 在数据挖掘中,以下哪个选项不是数据挖掘的输出结果:B. 规则C. 趋势D. 软件答案:D10. 以下哪个算法主要用于分类问题:A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案:D二、多项选择题(每题3分,共5题,共15分)1. 数据挖掘中,以下哪些算法可以用于分类问题:A. K-meansB. Decision TreeC. Naive BayesD. Logistic Regression答案:BCD2. 在数据挖掘中,以下哪些步骤属于数据预处理:A. 数据清洗B. 数据集成C. 数据变换D. 数据分类答案:ABC3. 以下哪些算法可以用于聚类问题:A. K-meansB. AprioriC. Hierarchical ClusteringD. DBSCAN答案:ACD4. 在数据挖掘中,以下哪些步骤属于数据探索:A. 数据可视化B. 数据摘要C. 数据分类D. 数据变换答案:AB5. 以下哪些算法可以用于异常检测:A. K-meansB. One-Class SVMC. Isolation ForestD. Apriori答案:BC三、简答题(每题5分,共3题,共15分)1. 简述数据挖掘中关联规则挖掘的主要步骤。
数据挖掘期末试卷
数据挖掘期末试卷一、简答题(共5题,每题10分)1.数据挖掘的定义和目标是什么?2.数据预处理的步骤有哪些?请详细描述。
3.请简述交叉验证在数据挖掘中的作用。
4.请解释什么是聚类分析,并举例说明其在实际应用中的作用。
5.请解释关联规则挖掘的概念,并说明其在市场篮子分析中的应用。
二、计算题(共2题,每题20分)1.假设有一个包含100个数据样本的数据集D,其中80个样本属于类别A,20个样本属于类别B。
现给定一个新的数据样本x,请根据给定的数据集D和数据样本x,使用K近邻算法来确定x的类别,并说明你的推理过程。
2.给定一个包含1000个样本的数据集D,每个样本包含5个特征。
现在希望通过主成分分析(PCA)来对数据集进行降维处理。
请根据给定的数据集D,使用PCA算法来完成降维处理,并说明你的推理过程。
三、编程题(共1题,40分)对于给定的数据集D,其中包含1000个数据样本,每个样本包含5个特征。
请编写Python代码来实现基于K均值算法的聚类分析,并对数据集D进行聚类。
请在代码注释中详细描述你的算法实现过程,并附带代码运行结果截图。
四、应用题(共1题,20分)假设你是一家电商平台的数据分析师,现在希望通过关联规则挖掘来分析用户的购物行为。
请根据给定的购物篮数据集,使用关联规则挖掘算法来发现频繁项集和关联规则,并解释你的挖掘结果。
五、思考题(共1题,10分)数据挖掘技术在当今社会的各个领域中起到了重要的作用。
请从你所了解的领域中选择一个,并说明数据挖掘在该领域中的应用场景和作用。
同时,对于这个领域中可能出现的挑战和问题,你认为采用数据挖掘技术能够解决哪些问题,又有哪些限制?以上为《数据挖掘期末试卷》的题目列表,包括了简答题、计算题、编程题、应用题和思考题。
希望能够通过这些题目来测试学生对于数据挖掘知识的理解和应用能力。
祝大家成功完成试卷!。
数据挖掘期末考试题库
数据挖掘期末考试题库第一部分:单项选择题(每题2分,共20分)1. 数据挖掘的主要任务是:A. 数据清洗B. 数据可视化C. 数据预处理D. 信息提取2. 下列哪种算法不属于分类算法?A. 决策树B. K均值聚类C. 朴素贝叶斯D. 支持向量机3. 以下哪种评估指标适合用于回归模型的评价?A. 准确率B. 精确率C. 均方误差D. 召回率4. 什么是过拟合?A. 欠拟合B. 模型泛化能力差C. 训练数据效果好,测试数据效果差D. 模型对训练数据过于复杂5. 数据挖掘中最常用的算法之一是:A. 关联规则挖掘B. 地理聚类算法C. PCA主成分分析D. 神经网络6. 在K均值聚类算法中,K的取值是:A. 随机指定B. 需要提前确定C. 可以根据数据自动调整D. 由数据量来决定7. 数据不平衡问题常见的解决方法是:A. 降采样B. 升采样C. 阈值移动D. 过采样8. 常用的数据变换方法包括:A. 标准化B. 特征选择C. 特征抽取D. 以上都是9. 以下哪个不是决策树算法?A. CARTB. SVMC. ID3D. C4.510. 数据挖掘的任务包括:A. 分类B. 预测C. 聚类D. 以上都是第二部分:简答题(每题5分,共25分)1. 请简要介绍数据挖掘的相关概念及主要任务。
2. 什么是数据清洗?数据预处理的主要步骤有哪些?3. 请简要描述K均值聚类算法的原理及应用场景。
4. 什么是特征选择?为什么特征选择在数据挖掘中很重要?5. 请解释模型评估中的ROC曲线及AUC指标的含义。
第三部分:分析题(每题10分,共30分)1. 请根据提供的数据集,使用决策树算法进行分类预测,并对算法进行评估。
2. 请使用K均值聚类算法对特定数据进行聚类,并解释聚类结果的含义。
3. 请选择一个自己感兴趣的数据集,设计一个数据挖掘项目,并说明项目的背景、目的、方法及预期结果。
第四部分:应用题(每题15分,共30分)1. 请根据给定的销售数据,利用关联规则挖掘算法找出频繁项集和关联规则,并分析其规则含义及实际应用。
数据挖掘期末考试试题及答案详解
数据挖掘期末考试试题及答案详解一、选择题(每题2分,共20分)1. 数据挖掘中,关联规则分析主要用于发现数据中的哪种关系?A. 因果关系B. 相关性C. 聚类关系D. 顺序关系答案:B2. 在决策树算法中,哪个指标用于评估特征的重要性?A. 信息增益B. 支持度C. 置信度D. 覆盖度答案:A3. 以下哪个是数据挖掘的常用方法?A. 线性回归B. 逻辑回归C. 神经网络D. 所有选项答案:D4. K-means聚类算法中,K值的选择是基于什么?A. 数据的维度B. 聚类中心的数量C. 数据的分布情况D. 数据的规模答案:B5. 以下哪个是数据挖掘中常用的数据预处理技术?A. 数据清洗B. 数据转换C. 数据归一化D. 所有选项答案:D...(此处省略其他选择题)二、简答题(每题10分,共30分)1. 简述什么是数据挖掘,并列举其主要的应用领域。
答案:数据挖掘是从大量数据中自动或半自动地发现有趣模式的过程。
它主要应用于市场分析、风险管理、欺诈检测、客户关系管理等领域。
2. 解释什么是朴素贝叶斯分类器,并说明其在数据挖掘中的应用。
答案:朴素贝叶斯分类器是一种基于贝叶斯定理的分类算法,它假设特征之间相互独立。
在数据挖掘中,朴素贝叶斯分类器常用于文本分类、垃圾邮件检测等任务。
3. 描述K-means聚类算法的基本原理,并举例说明其在实际问题中的应用。
答案:K-means聚类算法是一种基于距离的聚类方法,其目标是将数据点划分到K个簇中,使得每个数据点与其所属簇的中心点的距离之和最小。
例如,在市场细分中,K-means聚类可以用来将客户根据购买行为划分为不同的群体。
三、计算题(每题25分,共50分)1. 给定一组数据点:{(1,2), (2,3), (3,4), (4,5)},请使用K-means算法将这些点分为两个簇,并计算簇的中心点。
答案:首先随机选择两个点作为初始中心点,然后迭代地将每个点分配到最近的中心点,接着更新中心点。
数据挖掘技术考核模拟测试卷
数据挖掘技术考核模拟测试卷一、选择题(共 20 题,每题 3 分)1、以下不属于数据挖掘任务的是()A 数据分类B 数据清洗C 关联规则挖掘D 聚类分析2、在数据挖掘中,用于发现数据中隐藏模式的技术是()A 预测建模B 关联分析C 异常检测D 以上都是3、以下哪种算法常用于分类问题?()A KMeansB 决策树C AprioriD EM 算法4、数据挖掘中的预处理步骤不包括()A 数据清洗B 数据集成C 模型训练D 数据变换5、决策树算法中,用于选择最佳分裂属性的指标通常是()A 信息增益B 基尼系数C 准确率D 召回率6、以下哪种数据挖掘技术可以用于市场篮分析?()A 分类B 聚类C 关联规则挖掘D 预测7、对于高维数据,以下哪种降维方法较为常用?()A 主成分分析(PCA)B 线性判别分析(LDA)C 因子分析D 以上都是8、在聚类分析中,KMeans 算法的初始聚类中心通常是()A 随机选择B 根据数据分布选择C 用户指定D 以上都可以9、以下哪种评估指标常用于评估分类模型的性能?()A 均方误差B 准确率和召回率C 轮廓系数D 调整兰德系数10、数据挖掘中的过拟合现象是指()A 模型在训练集上表现良好,但在测试集上表现差B 模型在训练集和测试集上表现都差C 模型在训练集和测试集上表现都好D 模型无法训练11、以下哪种方法可以用于处理数据中的缺失值?()A 直接删除含缺失值的记录B 用均值或中位数填充C 基于其他变量进行预测填充D 以上都是12、逻辑回归是一种()A 线性分类算法B 非线性分类算法C 聚类算法D 关联规则挖掘算法13、以下关于支持向量机(SVM)的说法,错误的是()A 可以处理线性可分和非线性可分问题B 核函数的选择对模型性能影响较大C 训练速度较快,适用于大规模数据D 目标是找到一个最优的分类超平面14、在关联规则挖掘中,最小支持度和最小置信度的作用是()A 控制规则的数量和质量B 提高挖掘效率C 降低计算复杂度D 以上都是15、以下哪种数据结构常用于存储频繁项集?()A 数组B 链表C 哈希表D 二叉树16、对于不平衡数据集,以下哪种方法可以提高分类效果?()A 过采样B 欠采样C 生成合成样本D 以上都是17、以下哪种数据挖掘技术可以用于发现异常值?()A 聚类分析B 分类C 关联规则挖掘D 以上都不是18、随机森林是由多个()组成的集成学习算法。
数据挖掘试题(110道)
单选题1.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.xx规则发现B.聚类C.分类D.自然语言处理2.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,ROC3.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4.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5.什么是KDD?(A)A.数据挖掘与知识发现B.领域知识发现C.文档知识发现D.动态知识发现6.使用交互式的和可视化的技术,对数据进行探索属于数据挖掘的哪一类任务?(A)A.探索性数据分析B.建模描述C.预测建模D.寻找模式和规则7.为数据的总体分布建模;把多维空间划分成组等问题属于数据挖掘的哪一类任务?(B)A.探索性数据分析B.建模描述C.预测建模D.寻找模式和规则8.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9.用户有一种感兴趣的模式并且希望在数据集中找到相似的模式,属于数据挖掘哪一类任务?(A)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11.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12.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。
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。
数据挖掘练习题.doc
一、填空题1、 数据预处理对于数据挖掘是一个重要问题,主要包括 _______________ 、数 据集成、 ____________ 和数据归约。
2、 多维数据模型的星形模式中,主要依靠事实表中 __________ 的与维表联系在一起。
3、 __________ 允许从多个维对数据建模和观察,它由维和事实定义。
}的中位数为 _______ , 4、 数据集{5, 10, 11, 13, 15, 15, 35, 50, 55, 72, 92, 204, 215众数为 _________ o5、 在多个抽象层上挖掘数据产生的关联规则称为 _____________ o6、 将物理或抽象对象的集合分成相似的对象类(或簇)的过程称为 ___________O7、 分类和预测是两种数据分析形式,可以用来建立模型,预测数据未来的趋势,其中 _____________ 用来预测类别标号, ___________ 用来建立连续函数 模型。
),两个对象8、 给定两个对象,分别表示为(22, 1, 42, 10), (20, 0, 36, 8之间的曼哈顿距离为 _______________o9、 通常数据仓库与0LAP工具是基于 ___________ 模型进行设计的。
10、 涉及两个或多个维的关联规则称为 ______________o二、单项选择题1、 S PSS作为通用的统计软件包不仅被广泛地用于经济、管理、工业等领域的数据统计处理,而且在()中得到了应用。
A、数据挖掘领域B、数据仓库领域C、信息管理领域D、系统管理领域2、 下列度量中,哪一个度量不属于集中趋势度量:()。
A、中位数B、中列数C、众数D、极差3、 OLAP技术的核心是:( )。
A、在线性B、对用户的快速响应C、互操作性D、多维分析4、 关于OLAP和OLTP的说法,下列不正确的是:()A、 OLTP事务量大,但事务内容比较简单且重复率高B、 OLAP的数据来源与OLTP不完全一样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5、 下列哪种操作可以使用户更加直观地从不同角度观察数据立方体中不同维之间的关系:()0A、上卷B、下钻C、切片D、旋转6、数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了哪种数据挖掘方法: ()0A、分类B、预测C、关联分析D、聚类7、 利用信息增益方法作为属性选择度量建立决策树时,已知某训练样本集的四个属性的信息增益分别为:Gain(收入戶0.940位,Gain(职业)=0.151位,Gain(年龄)=0.780位,Gain(信誉)=0.048位,则应该选择哪个属性作为决策树的测试属 性:()。
数据挖掘期末考试题及答案
数据挖掘期末考试题及答案一、选择题(每题2分,共20分)1. 数据挖掘中的关联规则挖掘主要用来发现数据项之间的什么关系?A. 因果关系B. 相关性C. 线性关系D. 依赖关系答案:B2. 决策树算法中,哪个指标用于选择分裂节点?A. 信息增益B. 支持度C. 置信度D. 精确度答案:A3. 聚类分析中,K-means算法的K值表示什么?A. 聚类中心的数量B. 聚类半径C. 聚类成员的最小数量D. 聚类成员的最大数量答案:A4. 在数据挖掘中,哪个算法常用于分类问题?A. Apriori算法B. K-means算法C. KNN算法D. ID3算法答案:C5. 数据挖掘中的异常检测通常用于哪些领域?A. 市场分析B. 客户细分C. 欺诈检测D. 趋势预测答案:C6. 朴素贝叶斯分类器属于哪种类型的学习算法?A. 监督学习B. 非监督学习C. 半监督学习D. 强化学习答案:A7. 在关联规则挖掘中,支持度是指什么?A. 规则出现的频率B. 规则的置信度C. 规则的覆盖度D. 规则的强度答案:A8. 神经网络在数据挖掘中通常用于解决什么问题?A. 聚类B. 分类C. 回归D. 所有上述问题答案:D9. 哪个算法是数据挖掘中用于特征选择的算法?A. 主成分分析(PCA)B. 线性判别分析(LDA)C. 独立成分分析(ICA)D. 随机森林答案:D10. 数据挖掘中的时间序列分析通常用于哪些领域?A. 股票市场预测B. 销售预测C. 天气预报D. 所有上述领域答案:D二、简答题(每题10分,共30分)1. 简述数据挖掘中的主要任务有哪些?答案:数据挖掘的主要任务包括分类、聚类、关联规则挖掘、异常检测、趋势预测等。
2. 描述决策树算法的基本原理。
答案:决策树算法是一种监督学习算法,它通过从数据特征中选择最优特征来构建决策树,从而实现对数据的分类或回归。
算法通过递归地选择最优分裂节点,构建树状结构,直到满足停止条件。
- 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)。
单选题1. 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2. 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, ROC3. 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4. 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5. 什么是KDD?(A)A. 数据挖掘与知识发现B. 领域知识发现C. 文档知识发现D. 动态知识发现6. 使用交互式的和可视化的技术,对数据进行探索属于数据挖掘的哪一类任务?(A)A. 探索性数据分析B. 建模描述C. 预测建模D. 寻找模式和规则7. 为数据的总体分布建模;把多维空间划分成组等问题属于数据挖掘的哪一类任务?(B)A. 探索性数据分析B. 建模描述C. 预测建模D. 寻找模式和规则8. 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9. 用户有一种感兴趣的模式并且希望在数据集中找到相似的模式,属于数据挖掘哪一类任务?(A)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11.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12. 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13.上题中,等宽划分时(宽度为50),15又在哪个箱子里?(A)A 第一个B 第二个C 第三个D 第四个14.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15. 在上题中,属于定量的属性类型是:(C)A 标称B 序数C区间 D 相异16. 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17. 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18.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A 傅立叶变换B特征加权 C 渐进抽样D维归约22. 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26. 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27. 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28. 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.29. 关于基本数据的元数据是指: (D)A. 基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息;B. 基本元数据包括与企业相关的管理方面的数据和信息;C. 基本元数据包括日志文件和简历执行处理的时序调度信息;D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息.30. 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.31. 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32. 在有关数据仓库测试,下列说法不正确的是: (D)A. 在完成数据仓库的实施过程中,需要对数据仓库进行各种测试.测试工作中要包括单元测试和系统测试.B. 当数据仓库的每个单独组件完成后,就需要对他们进行单元测试.C. 系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试.D. 在测试之前没必要制定详细的测试计划.33. OLAP技术的核心是: (D)A. 在线性;B. 对用户的快速响应;C. 互操作性.D. 多维分析;34. 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)35. 关于OLAP和OLTP的区别描述,不正确的是: (d)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.36. OLAM技术一般简称为”数据联机分析挖掘”,下面说法正确的是: (D)A. OLAP和OLAM都基于客户机/服务器模式,只有后者有与用户的交互性;B. 由于OLAM的立方体和用于OLAP的立方体有本质的区别.C. 基于WEB的OLAM是WEB技术与OLAM技术的结合.D. OLAM服务器通过用户图形借口接收用户的分析指令,在元数据的知道下,对超级立方体作一定的操作.37. 关于OLAP和OLTP的说法,下列不正确的是: (c)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.38. 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、740. 概念分层图是__(B)__图。
A、无向无环B、有向无环C、有向有环D、无向有环41. 频繁项集、频繁闭项集、最大频繁项集之间的关系是:(C)A、频繁项集频繁闭项集=最大频繁项集B、频繁项集= 频繁闭项集最大频繁项集C、频繁项集频繁闭项集最大频繁项集D、频繁项集= 频繁闭项集= 最大频繁项集44. 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45. 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46. 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47. 下面购物篮能够提取的3-项集的最大数量是多少(C)ID 购买项1 牛奶,啤酒,尿布2 面包,黄油,牛奶3 牛奶,尿布,饼干4 面包,黄油,饼干5 啤酒,饼干,尿布6 牛奶,尿布,面包,黄油7 面包,黄油,尿布8 啤酒,尿布9 牛奶,尿布,面包,黄油10 啤酒,饼干A、1B、2C、3D、448. 以下哪些算法是分类算法,A,DBSCAN B,C4.5 C,K-Mean D,EM (B)49. 以下哪些分类方法可以较好地避免样本的不平衡问题,A,KNN B,SVM C,Bayes D,神经网络(A)50. 决策树中不包含一下哪种结点,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)(C)51. 不纯性度量中Gini计算公式为(其中c是类的个数)(A)A, B, C, D, (A)53. 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54. 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。
55. 以下哪些算法是基于规则的分类器(A)A. C4.5B. KNNC. Na?ve BayesD. ANN56. 如果规则集R中不存在两条规则被同一条记录触发,则称规则集R中的规则为(C);A, 无序规则B,穷举规则C,互斥规则D,有序规则57. 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58. 如果规则集中的规则按照优先级降序排列,则称规则集是(D)A, 无序规则B,穷举规则C,互斥规则D,有序规则59. 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60. 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,0.75 B,0.35 C,0.4678 D, 0.573861. 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62. 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)63. 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64. 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。