《基于大数据挖掘技术及工程实践》试题及答案
《大数据时代下数据挖掘》试题与答案..
大数据时代下数据挖掘试题与答案什么是数据挖掘？数据挖掘是从大量数据中自动或半自动的发现知识和信息的过程。
数据挖掘算法可以用于分类、聚类、预测和关联分析等领域。
随着大数据时代的到来，数据挖掘的应用越来越广泛，已成为数据科学家必备的技能之一。
数据挖掘的步骤数据挖掘一般需要经过以下步骤：1.数据预处理：包括数据清洗、数据集成、数据变换和数据规约等步骤，目的是去除噪声和错误，增加数据的质量。
2.特征选择：根据算法的需求选择样本的特定特征，去除无关特征和冗余特征。
3.算法选择：根据数据类型和建模需求选择相应的数据挖掘算法。
4.数据建模：将预处理后的数据输入到选择的算法中进行数据建模，得到模型。
5.模型评价：评估模型的准确率和可靠性，以改进模型和提高预测精度。
6.模型应用：将模型应用到新的数据中进行预测或分类等任务。
常用的数据挖掘算法1.KNN算法：K近邻算法是基于样本相似度进行分类的，分类时采用与待分类样本相似度最高的K个样本作为参照，根据它们的类别多数表决决定待分类样本的类别。
2.决策树算法：决策树算法通过对样本的不断划分，建立起一棵决策树，用于分类和预测。
3.聚类分析算法：聚类分析是将样本划分为不同的组或类别，使组内的样本相似度较高，组间的相似度较低，用于无监督学习。
4.关联分析算法：关联分析算法用于挖掘多个特征之间的关系和规律，常用于购物篮分析和客户分群等领域。
大数据时代下的数据挖掘挑战随着大数据的不断增长和数据种类的丰富多样，数据挖掘面临着以下挑战：1.数据质量问题：大数据中存在很多杂乱和不一致的数据，也存在许多错误和缺失，挖掘这些数据需要解决数据质量问题。
2.算法效率问题：由于大数据量和高复杂性，传统的算法可能无法处理这些数据，需要开发高效率和高并行度的算法。
3.隐私安全问题：随着数据的不断增长，数据隐私和安全问题日益严重，如何保证数据的安全性成为挖掘大数据的必要条件。
数据挖掘的应用场景数据挖掘的应用场景十分广泛，下面列出常见的场景：1.金融领域：货币流向分析、风险控制和金融市场预测等。
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。
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。
大数据挖掘技术练习(习题卷14)
大数据挖掘技术练习(习题卷14)第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]人工智能不会（）A)听（语音识别、机器翻译），看（图像识别、文字识别）B)说（语音合成、人机对话）,思考（人机对弈、定理证明等）C)学习（机器学习、知识表示等），行动（机器人、自动驾驶汽车等）D)表达感情答案:D解析:2.[单选题]以下关于大数据应用说法错误的是( )。
A)大数据起源互联网,目前处于成熟期;B)目前金融、电信、零售、公共服务等领域在积极的探索和应用大数据;C)互联网是大数据的发源地;D)互联网上形成了多种相对成熟的应用模式。
答案:A解析:3.[单选题]协同过滤分析用户兴趣 , 在用户群中找到指定用户的相似 （兴趣）用户, 综合这些用户对 某一信息的评价 , 形成系统对该指定用户对此信息的喜好程度( ),并将这些用户喜欢的项推荐给有相似兴趣的用户。
A)相似B)相同C)推荐D)预测答案:D解析:4.[单选题]马云认为，（）是数据时代必须跨过的一个坎A)数据隐私B)数据服务C)数据获取D)数据应用答案:A解析:5.[单选题]研究顾客是否想购买手机与年龄,性别,收入和工作地点的关系可以使用()A)回归方法B)分类方法C)聚类方法D)关联分析答案:B解析:C)mapred-site.xmlD)hadoop-env.sh答案:B解析:7.[单选题]BIRCH是一种( B )。
A)分类器B)聚类算法C)关联分析算法D)特征选择算法答案:B解析:8.[单选题]基于DPI的网站统计分析功能目前暂无法支持的是A)域名按网站聚合B)URL的访问源记录C)域名流量统计D)页面内容爬取答案:D解析:9.[单选题]视频业务端到端问题定界的关键点在于（）A)查找KQI对应的相关异常KPI指标B)不同维度的对比定位分析C)进行HTTP错误码分析D)进行接口以上以下分析答案:A解析:10.[单选题]数据仓库是随着时间变化的,下面的描述不正确的是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.答案:C解析:11.[单选题]联机分析处理包括以下不是基本分析功能的为： ( )A)聚类B)切片C)转轴D)切块答案:A解析:12.[单选题]CRISP-DM是跨行业数据挖掘过程标准，下述哪项工作是 在data preperation阶段完成A)数据收集B)数据清洗13.[单选题]订单表order包含用户信息uid和产品信息pid等属性列,以下语句能够返回至少被订购过三次的Pid是______。
大数据挖掘技术练习(习题卷11)
大数据挖掘技术练习(习题卷11)说明：答案和解析在试卷最后第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]目前数据分析和数据挖掘面临的挑战性问题不包括( )。
A)数据类型的多样化B)高维度数据C)数据稀少D)数据挖掘结果的表示和可视化2.[单选题]OLAP系统按照其数据在存储器中的存储格式可以分为()三种类型。
A)关系OLAP、对象 OLAP、混合型OLAPB)关系 OLAP、混合型OLAP、多维OLAPC)对象 OLAP、混合型 OLAP、多维OLAPD)关系OLAP、对象 OLAP、多维OLAP3.[单选题]数据挖掘的英文简写是( )A)DKDB)KDDC)DMD)DA4.[单选题]在集团公司四维十轮网络质量评估体系中，下列哪项不是评估家庭业务感知的指标：A)家宽网页打开成功率 (%)B)139邮箱web登录成功率(%)C)家宽网页平均首屏时延(s)D)家宽视频首帧显示时长(s)5.[单选题]已知:d={123:'Tom', 'age':18, 'score':[91,92,93]}print(d[123][1],d['age'],d['score'][-1])输出的结果是:A)T,18,91B)o,18,91C)T,18,92D)o,18,936.[单选题]（）打开了自动驾驶的天花板A)驾驶员驾驶技术提升B)汽车刹车性能增强C)人工智能的理论和实践的突破D)汽车制造商转型7.[单选题]人工智能是一种（）A)让人觉得不可思议的计算机程序B)与人类思考方式相似、行为相似的计算机程序C)会学习的计算机程序D)根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序8.[单选题]P(22,1,42,10),Q(20,0,36,8)为两个向量对象,这两个对象的欧几里得距离是( )。
大数据挖掘技术练习(试卷编号291)
大数据挖掘技术练习(试卷编号291)1.[单选题]( ),用于显示树状结构数据。
A)矩形式树状结构图;B)平行结构树C)垂直结构树答案:A解析:2.[单选题]HDFS存储数据时，默认存储为（ ）份A)1B)2C)3D)4答案:C解析:3.[单选题]有关朴素贝叶斯分类算法的叙述中正确的是（ ）A)朴素贝叶斯分类算法是一种精确的分类算法B)采用朴素贝叶斯分类算法将一个样本分到某个类别中，表示它100%属于该类别C)朴素贝叶斯分类算法是一种基于概率的分类算法D)以上都不对答案:C解析:4.[单选题]KNN算法流程中不正确的有（）A)计算已知类别数据集中的点与当前点之间的距离，按照距离递增次序排序；B)选取与当前点距离最小的k个点；C)确定前k个点所在类别对应的出现频率；D)返回前k个点出现频率最低的类别作为当前点的预测分类。
答案:D解析:5.[单选题]在SQL 中,创建数据库用的命令是()A)CREATE SCHEMAB)CREATE TABLEC)CREATE VIEWD)CREATE DATABASE答案:D6.[单选题]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)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:A解析:7.[单选题]在SELECT语句中,DISTINCT子句的作用是______。
A)对查询结果进行分组B)消除重复出现的查询记录C)按条件显示部分查询记录D)删除查询结果中符合条件的记录答案:B解析:8.[单选题]考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是 )A)2B)3C)3.5D)5答案:C解析:9.[单选题]对于任一个频繁项集X和它的一个非空真子集Y， S=X-Y，规则S→Y成立的条件是（ ）。
A)confidence( →S)≥minconfB)confidence( →Y)<minconfC)confidence( →S)<minconfD)confidence(S→Y)≥minconf答案:D解析:10.[单选题]sklearn.linear_model中的（）可实现线性回归A)LinearAlgebraB)LinearActuatorC)LinearRegressionD)LinearCausation答案:C解析: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。
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。
大数据挖掘及应用期末试题及答案
大数据挖掘及应用期末试题及答案一、概述大数据挖掘是指通过对大量数据的收集、整理和分析，从中发现有用的信息、模式和关联性。
在当今信息化时代，大数据挖掘已成为各行各业重要的工具和手段。
本文将介绍大数据挖掘的一些基本概念，并给出一份期末试题及答案作为例子。
二、大数据挖掘的基本概念1. 数据收集与整理大数据挖掘的第一步是收集和整理数据，这些数据可以来源于各种渠道，如社交媒体、传感器、日志文件等。
数据收集的质量和准确性对后续的挖掘过程至关重要。
2. 数据预处理大数据挖掘中，数据预处理是不可或缺的环节。
该过程主要包括数据清洗、缺失值处理、异常值检测和数据变换等。
通过数据预处理，可以提高挖掘结果的准确性和可信度。
3. 特征选择与提取在大数据挖掘中，一个重要的任务是选择和提取出对于挖掘目标最有用的特征。
这可以通过各种方法来实现，如信息增益、相关性分析、主成分分析等。
4. 数据挖掘算法大数据挖掘涉及多种挖掘算法，如聚类、分类、关联规则、时序分析等。
这些算法可以帮助挖掘出数据中的隐藏规律和模式。
5. 模型评估与优化挖掘得到的模型需要进行评估和优化，以保证其准确性和可靠性。
评估指标可以包括准确率、召回率、F1值等。
三、大数据挖掘及应用期末试题以下是一份大数据挖掘及应用的期末试题，供同学们进行自主学习和思考：试题一：数据清洗请简述数据清洗的作用，并列举三种常见的数据清洗方法。
试题二：特征选择假设你要对一家电商平台的用户进行分类，以便进行个性化推荐。
你会选择怎样的特征来进行分类？请简要说明你的理由。
试题三：聚类分析假设你正在研究一款新药的效果，并希望对病人进行分类。
请问聚类分析是否适用于这个场景？如果适用，请简要描述一下你会采用的聚类算法，并解释其原理。
试题四：关联规则挖掘你正在研究一家超市的销售情况，希望发现一些产品之间的关联规则。
请列举出一条可能的关联规则，并解释其意义。
四、大数据挖掘及应用期末试题答案答案一：数据清洗数据清洗是指对数据集中的异常值、噪声数据和缺失值进行处理，以提高数据质量和挖掘结果的准确性。
大数据技术与数据挖掘测试 选择题 61题
1题1. 大数据的“4V”特性不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Visibility2. 在数据挖掘中，以下哪种技术主要用于分类任务？A. 聚类分析B. 关联规则学习C. 决策树D. 主成分分析3. Hadoop生态系统中的哪个组件用于数据存储？A. HiveB. HBaseC. PigD. Sqoop4. 以下哪个不是大数据处理框架？A. Apache SparkB. Apache FlinkC. Apache KafkaD. Apache Tomcat5. 数据仓库的主要目的是什么？A. 实时数据处理B. 数据分析和报告C. 数据备份D. 数据加密6. 在数据挖掘中，Apriori算法主要用于哪种任务？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测7. 以下哪个工具不是用于大数据分析的？A. TableauB. SASC. ExcelD. R8. 数据预处理中的“数据清洗”主要目的是什么？A. 增加数据量B. 减少数据量C. 提高数据质量D. 数据加密9. 在Hadoop中，MapReduce的主要作用是什么？A. 数据存储B. 数据分析C. 数据传输D. 数据备份10. 以下哪个不是NoSQL数据库？A. MongoDBB. CassandraC. RedisD. Oracle11. 数据挖掘中的“监督学习”与“无监督学习”的主要区别是什么？A. 是否有标签B. 数据量大小C. 数据类型D. 数据来源12. 在数据挖掘中，K-means算法属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则13. 以下哪个是大数据分析的典型应用场景？A. 在线购物推荐B. 文字处理C. 图形设计D. 音乐播放14. 数据挖掘中的“特征选择”主要目的是什么？A. 增加特征数量B. 减少特征数量C. 增加数据量D. 减少数据量15. 在数据仓库中，ETL过程不包括以下哪一步？A. 抽取B. 转换C. 加载D. 分析16. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储17. 在数据挖掘中，“交叉验证”主要用于什么？A. 数据清洗B. 模型评估C. 数据加载D. 数据转换18. 以下哪个是大数据处理中的实时处理框架？A. Apache HadoopB. Apache SparkC. Apache HiveD. Apache HBase19. 数据挖掘中的“异常检测”主要用于什么？A. 发现数据中的异常值B. 数据分类C. 数据聚类D. 数据关联20. 在数据挖掘中，“回归分析”主要用于什么？A. 分类B. 聚类C. 预测数值D. 关联规则21. 以下哪个不是大数据存储解决方案？A. Amazon S3B. Google Cloud StorageC. Microsoft Azure Blob StorageD. Dropbox22. 数据挖掘中的“文本挖掘”主要用于什么？A. 处理结构化数据B. 处理非结构化数据C. 数据加密D. 数据备份23. 在数据挖掘中，“神经网络”属于哪种类型？A. 监督学习B. 无监督学习C. 半监督学习D. 强化学习24. 以下哪个是大数据分析中的可视化工具？A. Power BIB. MySQLC. JavaD. C++25. 数据挖掘中的“时间序列分析”主要用于什么？A. 分类B. 聚类C. 预测时间序列数据D. 关联规则26. 在数据挖掘中，“决策树”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则27. 以下哪个不是大数据分析的挑战？A. 数据质量B. 数据安全C. 数据量小D. 数据处理速度28. 数据挖掘中的“关联规则”主要用于什么？A. 分类B. 聚类C. 发现数据间的关联关系D. 数据加密29. 在数据挖掘中，“贝叶斯网络”属于哪种类型？A. 监督学习B. 无监督学习C. 半监督学习D. 强化学习30. 以下哪个是大数据分析中的机器学习框架？A. TensorFlowB. DockerC. KubernetesD. Jenkins31. 数据挖掘中的“聚类分析”主要用于什么？A. 分类B. 发现数据中的模式C. 回归D. 关联规则32. 在数据挖掘中，“支持向量机”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则33. 以下哪个不是大数据分析的数据源？A. 社交媒体B. 传感器数据C. 传统数据库D. 书籍34. 数据挖掘中的“主成分分析”主要用于什么？A. 分类B. 聚类C. 数据降维D. 关联规则35. 在数据挖掘中，“随机森林”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则36. 以下哪个是大数据分析中的数据集成工具？A. TalendB. HadoopC. SparkD. Kafka37. 数据挖掘中的“序列模式挖掘”主要用于什么？A. 分类B. 聚类C. 发现序列数据中的模式D. 关联规则38. 在数据挖掘中，“朴素贝叶斯”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则39. 以下哪个是大数据分析中的数据清洗工具？A. OpenRefineB. HadoopC. SparkD. Kafka40. 数据挖掘中的“关联规则挖掘”主要用于什么？A. 分类B. 聚类C. 发现数据间的关联关系D. 数据加密41. 在数据挖掘中，“逻辑回归”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则42. 以下哪个不是大数据分析的数据处理技术？A. 数据清洗B. 数据转换C. 数据加密D. 数据加载43. 数据挖掘中的“深度学习”主要用于什么？A. 分类B. 聚类C. 处理复杂数据D. 关联规则44. 在数据挖掘中，“K NN算法”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则45. 以下哪个是大数据分析中的数据可视化平台？A. D3.jsB. HadoopC. SparkD. Kafka46. 数据挖掘中的“时间序列预测”主要用于什么？A. 分类B. 聚类C. 预测未来数据D. 关联规则47. 在数据挖掘中，“集成学习”属于哪种类型？A. 分类B. 聚类C. 回归D. 关联规则48. 以下哪个是大数据分析中的数据存储技术？A. HDFSB. HadoopC. SparkD. Kafka49. 数据挖掘中的“异常检测”主要用于什么？A. 分类B. 聚类C. 发现异常数据D. 关联规则50. 在数据挖掘中，“关联规则学习”主要用于什么？A. 分类B. 聚类C. 发现数据间的关联关系D. 数据加密51. 以下哪个是大数据分析中的数据处理框架？A. Apache BeamB. HadoopC. SparkD. Kafka52. 数据挖掘中的“文本分类”主要用于什么？A. 分类B. 聚类C. 处理文本数据D. 关联规则53. 在数据挖掘中，“神经网络”主要用于什么？A. 分类B. 聚类C. 处理复杂数据D. 关联规则54. 以下哪个是大数据分析中的数据集成平台？A. InformaticaB. HadoopC. SparkD. Kafka55. 数据挖掘中的“序列模式挖掘”主要用于什么？A. 分类B. 聚类C. 发现序列数据中的模式D. 关联规则56. 在数据挖掘中，“朴素贝叶斯”主要用于什么？A. 分类B. 聚类C. 处理文本数据D. 关联规则57. 以下哪个是大数据分析中的数据清洗平台？A. TrifactaB. HadoopC. SparkD. Kafka58. 数据挖掘中的“关联规则挖掘”主要用于什么？A. 分类B. 聚类C. 发现数据间的关联关系D. 数据加密59. 在数据挖掘中，“逻辑回归”主要用于什么？A. 分类B. 聚类C. 回归D. 关联规则60. 以下哪个不是大数据分析的数据处理技术？A. 数据清洗B. 数据转换C. 数据加密D. 数据加载61. 数据挖掘中的“深度学习”主要用于什么？A. 分类B. 聚类C. 处理复杂数据D. 关联规则答案1. D2. C3. B4. D5. B6. C7. C8. C9. B10. D11. A12. B13. A14. B15. D16. D17. B18. B19. A20. C21. D22. B23. A24. A25. C26. A27. C28. C29. A30. A31. B32. A33. D34. C35. A36. A37. C38. A39. A40. C41. A42. C43. C44. A45. A46. C47. A48. A49. C50. C51. A52. A53. C54. A55. C56. A57. A58. C59. A60. C61. C。
大数据挖掘技术练习(习题卷6)
大数据挖掘技术练习(习题卷6)第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]基于输入的用户信息,通过模型的训练学习,找出数据中的规律和趋势,以确定未来目标数据的预测值()A)聚类B)分类C)预测D)关联答案:C解析:2.[单选题]使用pip工具升级科学计算扩展库numpy的完整命令是（）A)pip install --upgrade numpyB)pip list --upgrade numpyC)upgrade numpyD)upg numpy--pip install答案:A解析:3.[单选题]在一个表中有字段“专业”,要查找包含“信息”两个字的记录,正确的表达式是______。
A)LEFT(专业, 2)="信息"B)LIKE "%信息%"C)LIKE "_信息_"D)RIGHT(专业, 2)="信息"答案:B解析:4.[单选题]两台路由器成为OSPF邻居关系的必要条件不包括A)两台路由器的Hello时间一致B)两台路由器的Dead时间一致C)两台路由器的Router ID一致D)两台路由器所属区域一致答案:C解析:5.[单选题]自动化高级分析实验室,实现与统一数据资源库互联,实现数据的自助组表、自助分析功能,满足不同层级、不同水平的用户需求的是( )A)初级分析;B)综合分析C)典型分析D)高级分析答案:D解析:6.[单选题]关于 K 均值和 DBSCAN 的比较，以下说法不正确的是( )。
A)KB)KC)KD)K答案:A解析:7.[单选题]属于定量的属性类型是A)标称B)序数C)区间D)相异答案:C解析:8.[单选题]终端支持的频段，在下列哪个流程中会得以体现A)ATTACHB)DETACHC)切换流程D)呼叫流程答案:A解析:9.[单选题]概念分层图是____图。
A)无向无环B)有向无环C)有向有环D)无向有环答案:B解析:10.[单选题]关于OLAP和OLTP的区别描述,不正确的是: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.答案:C解析:11.[单选题]在FP-GROWTH算法中，已构造FP-Tree如图则项 I3 的条件模式基为A)<(I1,I2:2)>、I2:2、 I1:2B)<(I2,I1:2)>、I2:1、 I1:1C)<(I2,I1:2)>、I2:2、 I1:2D)<(I2,I1:1)>、I2:2、 I1:2答案:C解析:12.[单选题]下面的代码其功能为（）>>> x = [range(3*i, 3*i+5) for i in range(2)]>>> x = list(map(list, x))>>> x = list(map(list, zip(*x)))A)首先生成一个随机的列表，然后生成矩阵B)首先生成一个包含列表的列表，然后生成矩阵C)首先生成一个包含列表的列表，然后模拟矩阵转置D)首先排序列表，然后模拟矩阵转置答案:C解析:13.[单选题]下述方法不属于聚类方法的是( )A)K-均值B)K-中心性C)DBSCAN算法D)神经网络答案:D解析:14.[单选题]设有一个回归方程为y=2-2.5x,则变量x增加一个单位时()A)y平均增加2.5个单位B)y平均增加2个单位C)y平均减少2.5个单位D)y平均减少2个单位答案:C解析:15.[单选题]JSON 中的中括号一般来表示( )。
数据挖掘及应用考试试题及答案
数据挖掘及应用考试试题及答案一、选择题（每题2分，共20分）1. 以下哪项不属于数据挖掘的主要任务？A. 分类B. 聚类C. 关联规则挖掘D. 数据清洗答案：D2. 数据挖掘中，以下哪项技术不属于关联规则挖掘的方法？A. Apriori算法B. FP-growth算法C. ID3算法D. 决策树算法答案：C3. 以下哪个算法不属于聚类算法？A. K-means算法B. DBSCAN算法C. Apriori算法D. 层次聚类算法答案：C4. 数据挖掘中，以下哪个属性类型不适合进行关联规则挖掘？A. 连续型属性B. 离散型属性C. 二进制属性D. 有序属性答案：A5. 数据挖掘中，以下哪个评估指标用于衡量分类模型的性能？A. 准确率B. 精确度C. 召回率D. 所有以上选项答案：D二、填空题（每题3分，共30分）6. 数据挖掘的目的是从大量数据中挖掘出有价值的________和________。
答案：知识；模式7. 数据挖掘的主要任务包括分类、聚类、关联规则挖掘和________。
答案：预测分析8. Apriori算法中，最小支持度（min_support）和最小置信度（min_confidence）是两个重要的参数，它们分别用于控制________和________。
答案：频繁项集；强规则9. 在K-means聚类算法中，聚类结果的好坏取决于________和________。
答案：初始聚类中心；迭代次数10. 数据挖掘中，决策树算法的构建过程主要包括________、________和________三个步骤。
答案：选择最佳分割属性；生成子节点；剪枝三、判断题（每题2分，共20分）11. 数据挖掘是数据库技术的一个延伸，它的目的是从大量数据中提取有价值的信息。
（）答案：√12. 数据挖掘过程中，数据清洗是必不可少的步骤，用于提高数据质量。
（）答案：√13. 数据挖掘中，分类和聚类是两个不同的任务，分类需要训练集，而聚类不需要。
大数据挖掘技术练习(习题卷3)
大数据挖掘技术练习(习题卷3)说明：答案和解析在试卷最后第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]缺失值处理方法中错误的是( )。
A)对于分类属性,使用同类对象属性值的均值B)转换为分类问题或数值预测问题C)对于离散属性或定性属性,使用众数D)对于所有属性都可以使用均值2.[单选题]以下哪项关于决策树的说法是错误的A)决策树算法对于噪声的干扰非常敏感B)冗余属性不会对决策树的准确率造成不利的影响C)子树可能在决策树中重复多次D)寻找最佳决策树是NP完全问题3.[单选题]考虑值集{12 24 33 2 4 55 68 26}，其四分位数极差是：A)31B)24C)55D)34.[单选题]下面选项中t不是s的子序列的是 ( )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}>5.[单选题]资金的时间价值是()A)同一资金在同一时点上价值量的差额B)同一资金在不同时点上价值量的差额C)不同资金在同一时点上价值量的差额D)不同资金在不同时点上价值量的差额6.[单选题]Logistic 回归是在商业领域上使用最广泛的预测模型, 常用于( )分类变量预测和概率预测。
A)四值B)三值C)二值D)一值7.[单选题]MapReduce 是一种( )计算模型A)集中式;C)离散式D)放射式8.[单选题]已知:A)klB)dC)1D)69.[单选题]以下哪个聚类算法不属于基于网格的聚类算法（）A)STINGB)MAFIAC)BIRCHD)WaveCluster10.[单选题]给定df是一个DataFrame对象，对df所有字段进行描述性统计，可以利用的方法为（ ）。
大数据挖掘技术练习(习题卷19)
大数据挖掘技术练习(习题卷19)说明：答案和解析在试卷最后第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]有如下的数据表: 部门(部门号, 部门名称), 职工(部门号, 职工号, 姓名, 基本工资)。
检索每个部门职工工资的总和,要求显示“部门名称,基本工资”,正确的语句是______。
A)SELECT 部门名称, SUM(基本工资) FROM 部门 INNER JOIN 职工 ON 部门.部门号=职工.部门号ORDER BY 部门号;B)SELECT 部门名称, SUM(基本工资) FROM 部门 INNER JOIN 职工 ON 部门.部门号=职工.部门号GROUP BY 部门号;C)SELECT 部门名称, SUM(基本工资) FROM 部门 INNER JOIN 职工 ON 部门.部门号=职工.部门号ORDER BY 职工.部门号;D)SELECT 部门名称, SUM(基本工资) FROM 部门 INNER JOIN 职工 ON 部门.部门号=职工.部门号GROUP BY 职工.部门号;2.[单选题]某出行公司寻求商务合作希望提升其调度效率，网络大数据可以提供何种类型的规划分析服务A)人脉关系B)用户标签C)位置D)消费能力3.[单选题]被广泛用于购物篮分析的是( )。
A)关联分析;B)分类和预测C)聚类分析D)演变分析4.[单选题]AI是（）的英文缩写A)Automatic IntelligenceB)Artificial IntelligenceC)Automatic InformationD)Artificial Information5.[单选题]如果MS没有一个有效的P-TMSI（如新上网的MS）在附着时需要自己提供一个TLLI，称为A)random TLLIB)ruxiliary TLLIC)local TLLID)foreign TLLI6.[单选题]以下哪个APP主要使用的是HTTP协议A)淘宝B)今日头条7.[单选题]下列代码实现（）功能X = list(range(20))For index, value in enumerate(x): if value == 3:x[index] = 5A)判断列表x中是否含3、5B)输出列表中3、5C)将列表x中值为3的元素修改为5D)将列表x中任意3个值修改为58.[单选题]DBSCAN在最坏情况下的时间复杂度是（ ）。
大数据与数据挖掘考试题_《大数据时代下的数据挖掘》试题及答案
⼤数据与数据挖掘考试题_《⼤数据时代下的数据挖掘》试题及答案 -A.地址 C.情绪B.⾏为 D.来源70) 通过数据收集和展⽰数据背后的( D ),运⽤丰富的、具有互动性的可视化⼿段,数据新闻学成为新闻学作为⼀门新的分⽀进⼊主流媒体,即⽤数据报道新闻。
A.数据收集 C.真相B.数据挖掘D. 关联与模式71) CRISP-DM 模型中Evaluation表⽰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( C )的商业⽬的。
A.第⼆步 C.第⼀步B.第三步 D.最后⼀步72) 发现关联规则的算法通常要经过以下三个步骤：连接数据,作数据准备；给定最⼩⽀持度和( D ),利⽤数据挖掘⼯具提供的算法发现关联规则；可视化显⽰、理解、评估关联规则 A. 最⼩兴趣度 C. 最⼤⽀持度B. 最⼩置信度 D. 最⼩可信度73) 规则I->j,“有可能”,等于所有包含I的购物篮中同时包含J的购物篮的⽐例,为( B )。
A. 置信度 C. 兴趣度B.可信度D. ⽀持度74) 如果⼀个匹配中,任何⼀个节点都不同时是两条或多条边的端点,也称作( C )A. 极⼤匹配 C完美匹配B.⼆分匹配 D.极⼩匹配75) 只要具有适当的政策推动,⼤数据的使⽤将成为未来提⾼竞争⼒、⽣产⼒、创新能⼒以及( D )的关键要素。
A.提⾼消费B.提⾼GDPC.提⾼⽣活⽔平D. 创造消费者盈余76) 个性化推荐系统是建⽴在海量数据挖掘基础上的⼀种⾼级商务智能平台,以帮助( D )为其顾客购物提供完全个性化的决策⽀持和信息服务。
A.公司B.各单位C.跨国企业D. 电⼦商务⽹站77) 云计算是对( D )技术的发展与运⽤A.并⾏计算B.⽹格计算C.分布式计算D.三个选项都是78) ( B )是Google提出的⽤于处理海量数据的并⾏编程模式和⼤规模数据集的并⾏运算的软件架构。
A.GFSB.MapReduceC.ChubbyD.BitTable79) 在Bigtable中，( A )主要⽤来存储⼦表数据以及⼀些⽇志⽂件A. GFSB. ChubbyC.SSTableD.MapReduce⼆、判断题(共40题)1) 分类是预测数据对象的离散类别，预测是⽤于数据对象的连续取值。
大数据技术与数据挖掘考试 选择题 61题
1. 大数据的4V特征不包括以下哪一项？A. 大量性B. 高速性C. 多样性D. 价值性2. 数据挖掘的主要目的是什么？A. 数据清洗B. 数据存储C. 数据分析D. 数据可视化3. 下列哪个不是数据挖掘中的常用算法？A. 决策树B. 关联规则C. 线性回归D. 深度学习4. 在数据挖掘中，聚类分析属于哪一类任务？A. 描述性任务B. 预测性任务C. 分类任务D. 关联任务5. 下列哪个工具不是用于大数据处理的？A. HadoopB. SparkC. ExcelD. Hive6. 数据仓库的主要功能是？A. 数据清洗B. 数据集成C. 数据分析D. 数据存储7. 下列哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系数据库D. 图形数据库8. 在数据挖掘中，Apriori算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测9. 下列哪个是Hadoop生态系统中的组件？A. TensorFlowB. KafkaC. MySQLD. Oracle10. 数据预处理中的数据清洗主要目的是？A. 去除噪声和不一致的数据B. 数据转换C. 数据集成D. 数据归约11. 下列哪个是大数据分析的步骤？A. 数据收集B. 数据存储C. 数据清洗D. 以上都是12. 在数据挖掘中，决策树算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 异常检测算法13. 下列哪个是Spark的主要组件？A. HDFSB. YARNC. Spark CoreD. MapReduce14. 数据挖掘中的K-means算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测15. 下列哪个是大数据处理平台？A. HadoopB. MySQLC. OracleD. SQL Server16. 数据挖掘中的神经网络算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法17. 下列哪个是数据仓库的特征？A. 面向主题B. 集成性C. 时变性D. 以上都是18. 在数据挖掘中，关联规则挖掘的目的是？A. 发现数据项之间的关系B. 分类C. 聚类D. 异常检测19. 下列哪个是NoSQL数据库的优势？A. 高可扩展性B. 强一致性C. 复杂查询D. 事务支持20. 数据挖掘中的异常检测算法用于？A. 发现异常模式B. 分类C. 聚类D. 关联规则挖掘21. 下列哪个是大数据分析的挑战？A. 数据质量B. 数据安全C. 数据处理速度D. 以上都是22. 在数据挖掘中，支持向量机算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法23. 下列哪个是大数据处理的关键技术？A. 分布式存储B. 分布式计算C. 数据挖掘D. 以上都是24. 数据挖掘中的贝叶斯分类算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测25. 下列哪个是大数据分析的应用领域？A. 金融B. 医疗C. 零售D. 以上都是26. 在数据挖掘中，主成分分析算法用于？A. 数据降维B. 分类C. 聚类D. 关联规则挖掘27. 下列哪个是大数据处理平台的特点？A. 高吞吐量B. 低延迟C. 高可靠性D. 以上都是28. 数据挖掘中的随机森林算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 预测29. 下列哪个是大数据分析的工具？A. TableauB. ExcelC. Power BID. 以上都是30. 在数据挖掘中，关联规则挖掘的常用度量标准是？A. 支持度B. 置信度C. 提升度D. 以上都是31. 下列哪个是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据处理D. 以上都是32. 数据挖掘中的KNN算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测33. 下列哪个是大数据分析的步骤？A. 数据收集B. 数据清洗C. 数据分析D. 以上都是34. 在数据挖掘中，朴素贝叶斯算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法35. 下列哪个是大数据处理平台的特点？A. 高可扩展性B. 高可靠性C. 高吞吐量D. 以上都是36. 数据挖掘中的Apriori算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测37. 下列哪个是大数据分析的挑战？A. 数据质量B. 数据安全C. 数据处理速度D. 以上都是38. 在数据挖掘中，决策树算法用于？A. 分类B. 聚类C. 关联规则挖掘39. 下列哪个是大数据处理的关键技术？A. 分布式存储B. 分布式计算C. 数据挖掘D. 以上都是40. 数据挖掘中的K-means算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法41. 下列哪个是大数据分析的应用领域？A. 金融B. 医疗C. 零售D. 以上都是42. 在数据挖掘中，主成分分析算法用于？A. 数据降维B. 分类C. 聚类D. 关联规则挖掘43. 下列哪个是大数据处理平台的特点？A. 高吞吐量B. 低延迟C. 高可靠性D. 以上都是44. 数据挖掘中的随机森林算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 预测45. 下列哪个是大数据分析的工具？A. TableauB. ExcelC. Power BID. 以上都是46. 在数据挖掘中，关联规则挖掘的常用度量标准是？B. 置信度C. 提升度D. 以上都是47. 下列哪个是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据处理D. 以上都是48. 数据挖掘中的KNN算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测49. 下列哪个是大数据分析的步骤？A. 数据收集B. 数据清洗C. 数据分析D. 以上都是50. 在数据挖掘中，朴素贝叶斯算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法51. 下列哪个是大数据处理平台的特点？A. 高可扩展性B. 高可靠性C. 高吞吐量D. 以上都是52. 数据挖掘中的Apriori算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 异常检测53. 下列哪个是大数据分析的挑战？A. 数据质量B. 数据安全C. 数据处理速度D. 以上都是54. 在数据挖掘中，决策树算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 预测55. 下列哪个是大数据处理的关键技术？A. 分布式存储B. 分布式计算C. 数据挖掘D. 以上都是56. 数据挖掘中的K-means算法属于哪一类？A. 分类算法B. 聚类算法C. 关联规则算法D. 预测算法57. 下列哪个是大数据分析的应用领域？A. 金融B. 医疗C. 零售D. 以上都是58. 在数据挖掘中，主成分分析算法用于？A. 数据降维B. 分类C. 聚类D. 关联规则挖掘59. 下列哪个是大数据处理平台的特点？A. 高吞吐量B. 低延迟C. 高可靠性D. 以上都是60. 数据挖掘中的随机森林算法用于？A. 分类B. 聚类C. 关联规则挖掘D. 预测61. 下列哪个是大数据分析的工具？A. TableauB. ExcelC. Power BID. 以上都是答案：1. D2. C3. D4. A5. C6. B7. C8. C9. B10. A11. D12. A13. C14. B15. A16. D17. D18. A19. A20. A21. D22. A23. D24. A25. D26. A27. D28. A29. D30. D31. D32. A33. D34. A35. D36. C37. D38. A39. D40. B41. D42. A43. D44. A45. D46. D47. D48. A49. D50. A51. D52. C53. D54. A55. D56. B57. D58. A59. D60. A61. D。
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。
大数据挖掘技术练习(习题卷17)
大数据挖掘技术练习(习题卷17)第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]LTE中，对于频分双工(FDD)的操作，定义了4中随机接入的前导格式，其中格式3的Tcp（）μsA)203.13B)406.26C)101.3D)684.38答案:D解析:2.[单选题]物联网端到端定界分析（）法，可实现物联网端到端业务质量全流程无死角的分析A)四元四阶B)七元四阶C)五元五阶D)六元四阶答案:B解析:3.[单选题]在 ID3 算法中信息增益是指( )A)信息的溢出程度B)信息的增加效益C)熵增加的程度最大D)熵减少的程度最大答案:D解析:4.[单选题]IMEI中的Type Allocation Code字段可以确定哪些信息A)装配号B)终端型号C)出厂序号D)检验码答案:B解析:5.[单选题]面不属于创建新属性的相关方法的是()A)特征提取B)特征修改C)映射数据到新的空间D)特征构造答案:B解析:6.[单选题]下列对学生相关属性描述中，不是标称属性的是（ ）D)衣服颜色答案:C解析:7.[单选题]下列属于数据仓库特点的是()A)综合性和提炼性数据B)重复性的、可预测的处理C)一次处理的数据量小D)面向操作人员，支持日常操作答案:A解析:8.[单选题]以下不可以用来分类的模型是A)线性回归模型B)神经网络模型C)逻辑回归模型D)支持向量机答案:A解析:9.[单选题]下面哪个算法可以将文本数据转换为数值数据？( )A)TF-IDFB)决策树C)PCAD)DBSCAN答案:A解析:10.[单选题]select right('长江长城黄山黄河',2)返回的是______。
A)长江B)长城C)黄山D)黄河答案:D解析:11.[单选题]用于将 Python 程序打包成可执行文件的工具是（）A)Panda3DB)cocos2dC)pipD)PyInstaller答案:D解析:12.[单选题]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13.[单选题]以下影响HTTP速率的因素中哪一个直接与终端相关()A)TCP通告窗口大小B)TCP上行乱序比例C)TCP下行RTTD)TCP下行乱序比例答案:A解析:14.[单选题]以下关于IMEI的说法错误的是A)IMEI为TAC + SNR + FAC+SPB)双卡双待手机会有两个IMEIC)IMEI码具有唯一性，贴在手机背面的标志上，并且读写于手机内存中。
大数据挖掘技术练习(习题卷4)
大数据挖掘技术练习(习题卷4)说明：答案和解析在试卷最后第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]关于性能度量不正确的是（）A)性能度量是衡量模型泛化能力的评价标准，反映了任务需求B)在对比不同模型的能力时，使用不同的性能度量会导致不同的评判结果，这就意味着模型的“好坏”是相对的C)回归任务最常用的性能度量是“均方误差”D)性能度量实用意义不大2.[单选题]MySQL中,删除视图su_view的命令是 ______ 。
A)delete su_viewB)drop table su_viewC)drop view su_viewD)drop su_view3.[单选题]通常，我们可通过实验测试来对学习器的泛化误差进行评估并进而做出选择。
为此，需使用一个（）来测试学习期对新样本的判别能力A)数据集B)测试集C)模型集D)训练集4.[单选题]根据《居民区4G&宽带网络能力全景分析》中的建议，优先考虑4G深度覆盖建设居民区标签为A)4G弱覆盖居民区&用户感知差居民区&高价值居民区&常驻用户多居民区B)4G弱覆盖居民区&高价值居民区&常驻用户多居民区C)4G弱覆盖居民区&用户感知差居民区&高价值居民区D)用户感知差居民区&高价值居民区&常驻用户多居民区5.[单选题]BIRCH 是一种( )。
A)分类器B)聚类算法C)关联分析算法D)特征选择算法6.[单选题]因子分析的主要作用有()A)对变量进行降维B)对变量进行判别C)对变量进行聚类D)以上都不对B)基金经理人针对个股做出未来价格预测C)电信公司将人户区分为数个群体D)以上均不是8.[单选题]下列关于DPI规则识别中业务大类的说法错误的是？A)业务大类为1的是即时通信类业务B)数据流量业务大类分类除了其他业务外一共有15类C)视频大类不包括传统意义上基于P2P技术的视频业务D)彩信单独属于一类业务大类9.[单选题]一个对象的离群点得分是该对象周围密度的逆。
- 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)。
《基于大数据挖掘技术及工程实践》试题及答案《海量数据挖掘技术及工程实践》题目一、单选题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,Precision A. 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, xx年纪人数分别为：一年级xx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)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的特点在于事务量大,但事务内容比较简单且重复率高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)事务量大,但事务内容比较简单且重复率高的最终数据来源与OLTP不一样面对的是决策人员和高层管理人员以应用为核心,是应用驱动的24) 设X={1，2，3}是频繁项集，则可X产生( C )个关联规则。
25) 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,候选产生过程得到4-项集不包含 ,2,3,4 ,2,3,5 ,2,4,5 ,3,4,526) 下面选项中t不是s的子序列的是 ( C )= t= = t= = t= = t=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 TID 1 2 3 4 5 6 7 8 9 1031) 以下哪些算法是分类算法32) 以下哪些分类方法可以较好地避免样本的不平衡问题D.神经网络 33) 决策树中不包含一下哪种结点 ( C ) A. 根结点项集牛奶,啤酒,尿布面包,黄油,牛奶牛奶,尿布,饼干面包,黄油,饼干啤酒,饼干,尿布牛奶,尿布,面包,黄油面包,黄油,尿布啤酒,尿布牛奶,尿布,面包,黄油啤酒,饼干C. 外部结点D. 叶结点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. B. KNN C. Naive Bayes D. ANN37) 可用作数据挖掘分析中的关联规则算法有。
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 )算法、HotSpot算法神经网络、K均值法、决策树均值法、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.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)42)以下关于人工神经网络的描述错误的有 (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.余弦距离散度46)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。
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的离群点检测。
A.统计方法B.邻近度C.密度D.聚类技术49)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。
C.组平均方法50)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。
C.组平均方法 51) 下列算法中，不属于外推法的是。
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：。
A. 均方误差、均方根误差B. Kappa统计、显著性检验C. 支持度、置信度D. 平均绝对误差、相对误差53)关于K均值和DBSCAN的比较,以下说法不正确的是。
均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。
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。
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。
54）从研究现状上看，下面不属于云计算特点的是A.超大规模B.虚拟化C.私有化D.高可靠性55)考虑这么一种情况：一个对象碰巧与另一个对象相对接近,但属于不同的类,因为这两个对象一般不会共享许多近邻,所以应该选择的相似度计算方法。
A.平方欧几里德距离B.余弦距离C.直接相似度D.共享最近邻56) 分析顾客消费行业，以便有针对性的向其推荐感兴趣的服务，属于问题。
A.关联规则挖掘B.分类与回归C.聚类分析D.时序预测57)以下哪个聚类算法不是属于基于原型的聚类。
A.模糊C均值算法58)关于混合模型聚类算法的优缺点,下面说法正确的是。
A.当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理。
B.混合模型比K均值或模糊c均值更一般,因为它可以使用各种类型的分布。
C.混合模型很难发现不同大小和椭球形状的簇。
D.混合模型在有噪声和离群点时不会存在问题。
59)以下哪个聚类算法不属于基于网格的聚类算法。
60)一个对象的离群点得分是该对象周围密度的逆。
这是基于的离群点定义。
A．概率 B．邻近度C．密度 D．聚类61) 舆情研判，信息科学侧重,社会和管理科学侧重突发群体事件管理中的群体心理行为及舆论控制研究，新闻传播学侧重对舆论的本体进行规律性的探索和研究。