数据挖掘考试题目——关联分析知识讲解

数据挖掘考试题目——关联分析

一、10个选择

1.以下属于关联分析的是（）

A．CPU性能预测B．购物篮分析

C．自动判断鸢尾花类别D．股票趋势建模

2.维克托▪迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（）

A．K-means B．Bayes Network

C．C4.5 D．Apriori

3.置信度(confidence)是衡量兴趣度度量（）的指标。

A．简洁性B．确定性

C．实用性D．新颖性

4.Apriori算法的加速过程依赖于以下哪个策略（）

A．抽样B．剪枝

C．缓冲D．并行

5.以下哪个会降低Apriori算法的挖掘效率（）

A．支持度阈值增大B．项数减少

C．事务数减少D．减小硬盘读写速率

6.Apriori算法使用到以下哪些东东（）

A．格结构、有向无环图B．二叉树、哈希树

C．格结构、哈希树D．多叉树、有向无环图

7.非频繁模式（）

A．其置信度小于阈值B．令人不感兴趣

C．包含负模式和负相关模式D．对异常数据项敏感

8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（）[注：分别以1、2、3代表之]

A．3可以还原出无损的1 B．2可以还原出无损的1

C．3与2是完全等价的D．2与1是完全等价的

9.Hash tree在Apriori算法中所起的作用是（）

A．存储数据B．查找

C．加速查找D．剪枝

10.以下不属于数据挖掘软件的是（）

A．SPSS Modeler B．Weka

C．Apache Spark D．Knime

二、10个填空

1.关联分析中表示关联关系的方法主要有：和。

2.关联规则的评价度量主要有：和。

3.关联规则挖掘的算法主要有：和。

4.购物篮分析中，数据是以的形式呈现。

5.一个项集满足最小支持度，我们称之为。

6.一个关联规则同时满足最小支持度和最小置信度，我们称之为。

7.在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫做。

8.极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集的信息。

9.经典的Apriori算法是逐层扫描的，也就是说它是 (选:深度/宽度)优先的。

10.数据挖掘大概步骤包括：输入数据→预处理→挖掘→后处理→输出知识。其中，输出的知识可以有很多种表示形式，两种极端的形式是：①内部结构难以被理解的黑匣子，比如说人工神经网络训练得出的网络；②模式结构清晰的匣子，这种结构容易被人理解，比如说决策树产生的树。那么，关联分析中输出的知识的表示形式主要是 (选:黑匣子/清晰结构)。

三、10个判断

（）1.啤酒与尿布的故事是聚类分析的典型实例。

（）2.Apriori算法是一种典型的关联规则挖掘算法。

（）3.支持度是衡量关联规则重要性的一个指标。

（）4.可信度是对关联规则的准确度的衡量。

（）5.给定关联规则A→B，意味着：若A发生，B也会发生。

（）6.频繁闭项集可用来无损压缩频繁项集。

（）7.关联规则可以用枚举的方法产生。

（）8.Apriori算法产生的关联规则总是确定的。

（）9.不满足给定评价度量的关联规则是无趣的。

（）10.对于项集来说，置信度没有意义。

四、5个简答

1.简述关联规则产生的两个基本步骤。

2.Apriori算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知识，从候选项集中找到频繁项集。请简述Apriori算法的基本原理。

3.简述Apriori算法的优点和缺点。

4.针对Apriori算法的缺点，可以做哪些方面的改进？

5.强关联规则一定是有趣的吗？为什么？

数据挖掘考试题目+参考答案

一、10个选择

1.以下属于关联分析的是（ B ）

A．CPU性能预测B．购物篮分析

C．自动判断鸢尾花类别D．股票趋势建模

2.维克托▪迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（ D ）

A．K-means B．Bayes Network

C．C4.5 D．Apriori

3.置信度(confidence)是衡量兴趣度度量（ B ）的指标。

A．简洁性B．确定性

C．实用性D．新颖性

4.Apriori算法的加速过程依赖于以下哪个策略（ B ）

A．抽样B．剪枝

C．缓冲D．并行

5.以下哪个会降低Apriori算法的挖掘效率（ D ）

A．支持度阈值增大B．项数减少

C．事务数减少D．减小硬盘读写速率

6.Apriori算法使用到以下哪些东东（ C ）

A．格结构、有向无环图B．二叉树、哈希树

C．格结构、哈希树D．多叉树、有向无环图

7.非频繁模式（ D ）

A．其置信度小于阈值B．令人不感兴趣

C．包含负模式和负相关模式D．对异常数据项敏感

8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（ B ）[注：分别以1、2、3代表之]

A．3可以还原出无损的1 B．2可以还原出无损的1

C．3与2是完全等价的D．2与1是完全等价的

9.Hash tree在Apriori算法中所起的作用是（ C ）

A．存储数据B．查找

C．加速查找D．剪枝

10.以下不属于数据挖掘软件的是（ C ）

A．SPSS Modeler B．Weka

C．Apache Spark D．Knime

二、10个填空

1.关联分析中表示关联关系的方法主要有：项集和关联规则。

2.关联规则的评价度量主要有：支持度和置信度。

3.关联规则挖掘的算法主要有： Apriori 和 FP-Growth 。

4.购物篮分析中，数据是以不对称二元变量的形式呈现。

5.一个项集满足最小支持度，我们称之为频繁项集。