數(shù)據(jù)挖掘習題題

1、數(shù)據(jù)挖掘復習題單選題1. 某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？ (A)A. 關聯(lián)規(guī)則發(fā)現(xiàn)B. 聚類C. 分類D. 自然語言處理2. 以下兩種描述分別對應哪兩種對分類算法的評價標準？ (A)(a) 警察抓小偷，描述警察抓的人中有多少個是小偷的標準。(b) 描述有多少比例的小偷給警察抓了的標準。A. Precision, Recall B. Recall, PrecisionA. Precision, ROC D. Recall, ROC3. 將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務？ (C)A. 頻繁模式挖掘 B.

2、分類和預測 C. 數(shù)據(jù)預處理D. 數(shù)據(jù)流挖掘4. 當不知道數(shù)據(jù)所帶標簽時，可以使用哪種技術促使帶同類標簽的數(shù)據(jù)與帶其他標簽的數(shù)據(jù)相分離？ (B)A. 分類 B. 聚類 C. 關聯(lián)分析D. 隱馬爾可夫鏈5. 什么是 KDD？ (A)A. 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)B. 領域知識發(fā)現(xiàn)C. 文檔知識發(fā)現(xiàn)D. 動態(tài)知識發(fā)現(xiàn)6. 使用交互式的和可視化的技術，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務？(A)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預測建模 D. 尋找模式和規(guī)則7. 為數(shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務？ (B)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預測建模 D.

3、尋找模式和規(guī)則8. 建立一個模型，通過這個模型根據(jù)已知的變量值來預測其他某個變量值屬于數(shù)據(jù)挖掘的哪一類任務？ (C)A. 根據(jù)內(nèi)容檢索B. 建模描述C. 預測建模 D. 尋找模式和規(guī)則9. 用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務？ (A)A. 根據(jù)內(nèi)容檢索B. 建模描述C. 預測建模 D. 尋找模式和規(guī)則11. 下面哪種不屬于數(shù)據(jù)預處理的方法？ (D)A 變量代換B 離散化 C 聚集 D 估計遺漏值12. 假設 12 個銷售價格記錄組已經(jīng)排序如下： 5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204,215 使用如下每種

4、方法將它們劃分成四個箱。 等頻 (等深) 劃分時， 15 在第幾個箱子內(nèi)？ (B)A 第一個B第二個C第三個D第四個13. 上題中，等寬劃分時(寬度為 50) ， 15 又在哪個箱子里？ (A)A 第一個B第二個C第三個D第四個14. 下面哪個不屬于數(shù)據(jù)的屬性類型： (D)A 標稱 B 序數(shù) C 區(qū)間 D 相異15. 在上題中，屬于定量的屬性類型是：(C)A 標稱 B 序數(shù) C 區(qū)間 D 相異16. 只有非零值才重要的二元屬性被稱作： ( C )A 計數(shù)屬性 B 離散屬性 C 非對稱的二元屬性D 對稱屬性17. 以下哪種方法不屬于特征選擇的標準方法： (D)A 嵌入B 過濾 C 包裝 D 抽樣

5、18. 下面不屬于創(chuàng)建新屬性的相關方法的是： (B)A 特征提取B 特征修改C 映射數(shù)據(jù)到新的空間 D 特征構造19. 考慮值集1、2、3、4、5、90,其截斷均值(p=20%是(C)A 2 B 3 C 3.5 D 520. 下面哪個屬于映射數(shù)據(jù)到新的空間的方法？ (A)A 傅立葉變換 B 特征加權 C 漸進抽樣 D 維歸約21. 熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是： (B)A 1 比特 B 2.6 比特 C 3.2 比特 D 3.8 比特22. 假設屬性 income 的最大最小值分別是12000 元和 98000 元。利用最大最小規(guī)范化的方法將屬性的值映射到

6、0 至 1 的范圍內(nèi)。對屬性income 的 73600 元將被轉(zhuǎn)化為： (D)A 0.821 B 1.224 C 1.458 D 0.71623. 假定用于分析的數(shù)據(jù)包含屬性age。 數(shù)據(jù)元組中 age 的值如下 (按遞增序) ： 13， 15， 16，16， 19， 20， 20， 21， 22， 22， 25 ， 25， 25， 30， 33， 33， 35， 35， 36， 40， 45， 46， 52，70, 問題： 使用按箱平均值平滑方法對上述數(shù)據(jù)進行平滑， 箱的深度為3。 第二個箱子值為：(A)A 18.3 B 22.6 C 26.8 D 27.924. 考慮值集 12 24 3

7、3 2 4 55 68 26 ，其四分位數(shù)極差是： (A)A 31 B 24 C 55 D 325. 一所大學內(nèi)的各年紀人數(shù)分別為：一年級 200 人，二年級 160 人， 三年級 130 人， 四年級 110 人。則年級屬性的眾數(shù)是： (A)A 一年級 B 二年級 C 三年級 D 四年級26. 下列哪個不是專門用于可視化時間空間數(shù)據(jù)的技術： (B)A 等高線圖 B 餅圖 C 曲面圖 D 矢量場圖27. 在抽樣方法中，當合適的樣本容量很難確定時，可以使用的抽樣方法是： (D)A 有放回的簡單隨機抽樣B 無放回的簡單隨機抽樣C 分層抽樣 D 漸進抽樣28. 數(shù)據(jù)倉庫是隨著時間變化的 , 下面的描

8、述不正確的是(C)A. 數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內(nèi)容B. 捕捉到的新數(shù)據(jù)會覆蓋原來的快照 ;C. 數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D. 數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù), 這些綜合數(shù)據(jù)會隨著時間的變化不斷地進行重新綜合29. 關于基本數(shù)據(jù)的元數(shù)據(jù)是指: (D)A. 基本元數(shù)據(jù)與數(shù)據(jù)源, 數(shù)據(jù)倉庫 , 數(shù)據(jù)集市和應用程序等結構相關的信息;B. 基本元數(shù)據(jù)包括與企業(yè)相關的管理方面的數(shù)據(jù)和信息;C. 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息;D. 基本元數(shù)據(jù)包括關于裝載和更新處理, 分析處理以及管理方面的信息 .30. 下面關于數(shù)據(jù)粒度的描述不正確的是: (C)A. 粒度是

9、指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別 ;B. 數(shù)據(jù)越詳細 , 粒度就越小, 級別也就越高;C. 數(shù)據(jù)綜合度越高, 粒度也就越大, 級別也就越高;D. 粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量.31. 有關數(shù)據(jù)倉庫的開發(fā)特點 , 不正確的描述是: (A)A. 數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確 ;C. 數(shù)據(jù)倉庫的開發(fā)是一個不斷循環(huán)的過程, 是啟發(fā)式的開發(fā);D. 在數(shù)據(jù)倉庫環(huán)境中 , 并不存在操作型環(huán)境中所固定的和較確切的處理流, 數(shù)據(jù)倉庫中數(shù)據(jù)分析和處理更靈活, 且沒有固定的模式32. 在有關數(shù)據(jù)倉庫測試 , 下列說法不正確的是: (D)A. 在完

10、成數(shù)據(jù)倉庫的實施過程中 , 需要對數(shù)據(jù)倉庫進行各種測試. 測試工作中要包括單元測試和系統(tǒng)測試.B. 當數(shù)據(jù)倉庫的每個單獨組件完成后, 就需要對他們進行單元測試 .C. 系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進行大量的功能測試和回歸測試.D. 在測試之前沒必要制定詳細的測試計劃 .33. OLAP 技術的核心是: (D)A. 在線性 ;B. 對用戶的快速響應;C. 互操作性.D. 多維分析;34. 關于OLAP的特性,下面正確的是：(D)(1) 快速性(2)可分析性 (3) 多維性 (4) 信息性 (5) 共享性A. (1) (2) (3)B. (2) (3) (4)C. (1) (2) (3)

11、 (4)D. (1) (2) (3) (4) (5)35. 關于OLA可口 OLTP的區(qū)別描述,不正確的是：(C)A. OLAP主要是關于如何理解聚集的大量不同的數(shù)據(jù).它與OTAPS用程序不同.B.與OLAP應用程序不同，OLTP應用程序包含大量相對簡單的事務.C. OLAP 的特點在于事務量大, 但事務內(nèi)容比較簡單且重復率高.D. OLAP是以數(shù)據(jù)倉庫為基礎的，但其最終數(shù)據(jù)來源與OLTP一樣均來自底層的數(shù)據(jù)庫系統(tǒng)，兩者面對的用戶是相同的 .36. OLAM 技術一般簡稱為”數(shù)據(jù)聯(lián)機分析挖掘” , 下面說法正確的是: (D)A. OLAP和OLAMTB基于客戶機/服務器模式，只有后者有與用戶的

12、交互性；B.由于OLAM勺立方體和用于 OLAP勺立方體有本質(zhì)的區(qū)別.C.基于 WEB勺OLAM WE眼術與 OLA雌術的結合.D. OLAM艮務器通過用戶圖形借口接收用戶的分析指令，在元數(shù)據(jù)白知道下，對超級立方體作一定的操作.37 .關于OLA可口 OLTP的說法，下列不正確的是：(A)A. OLAP 事務量大 , 但事務內(nèi)容比較簡單且重復率高.B. OLAP的最終數(shù)據(jù)來源與OLTP不一樣.C. OLTP 面對的是決策人員和高層管理人員 .D. OLTP 以應用為核心, 是應用驅(qū)動的 .38 .設*=1, 2, 3是頻繁項集，則可由 X產(chǎn)生_(C)_個關聯(lián)規(guī)則。A、 4 B 、 5 C、 6

13、 D、 740. 概念分層圖是_(B)_ 圖。A 無向無環(huán) B、有向無環(huán) C、有向有環(huán) D、無向有環(huán)41. 頻繁項集、頻繁閉項集、最大頻繁項集之間的關系是： (C)A、頻繁項集頻繁閉項集=最大頻繁項集日頻繁項集=頻繁閉項集最大頻繁項集C頻繁項集頻繁閉項集最大頻繁項集D頻繁項集=頻繁閉項集=最大頻繁項集42. 考慮下面的頻繁3- 項集的集合： 1 ， 2， 3 ， 1 ， 2， 4 ， 1 ， 2， 5 ， 1 ， 3， 4 ， 1 ，3， 5 ， 2 ， 3， 4 ， 2 ， 3， 5 ， 3 ， 4， 5假定數(shù)據(jù)集中只有5 個項，采用 合并策略，由候選產(chǎn)生過程得到 4-項集不包含(C)A、

14、1 ， 2， 3， 4 B 、 1， 2， 3， 5 C、 1 ， 2， 4， 5 D、 1 ， 3， 4， 543. 下面選項中 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>44. 在圖集合中發(fā)現(xiàn)一組公共子結構，這樣的任務稱為 ( B )A頻繁子集挖掘 B、頻繁子圖挖掘 C、頻繁數(shù)據(jù)項挖掘 D、頻繁模式挖掘4

15、5. 下列度量不具有反演性的是(D)A 系數(shù)B、幾率C、Cohen度量D、興趣因子46. 下列 _(A)_ 不是將主觀信息加入到模式發(fā)現(xiàn)任務中的方法。A、與同一時期其他數(shù)據(jù)對比日可視化C基于模板的方法D主觀興趣度量47. 下面購物籃能夠提取的 3-項集的最大數(shù)量是多少(C)ID 購買項1 牛奶，啤酒，尿布2 面包，黃油，牛奶3 牛奶，尿布，餅干4 面包，黃油，餅干5 啤酒，餅干，尿布6 牛奶，尿布，面包，黃油7 面包，黃油，尿布8 啤酒，尿布9 牛奶，尿布，面包，黃油10 啤酒，餅干A、 1 B 、 2 C 、 3 D 、 448. 以下哪些算法是分類算法，A， DBSCAN B， C4.5

16、C,K-Mean D,EM ( B)49. 以下哪些分類方法可以較好地避免樣本的不平衡問題， A ， KNN B， SVM C， Bayes D ，神經(jīng)網(wǎng)絡( A)50. 決策樹中不包含一下哪種結點， A, 根結點( root node) B, 內(nèi)部結點( internal node )C,外部結點(external node ) D,葉結點(leaf node ) (C)51. 不純性度量中 Gini 計算公式為(其中 c 是類的個數(shù)) (A)A, B, C, D,(A)53. 以下哪項關于決策樹的說法是錯誤的 (C)A. 冗余屬性不會對決策樹的準確率造成不利的影響B(tài). 子樹可能在決策樹中重

17、復多次C. 決策樹算法對于噪聲的干擾非常敏感D.尋找最佳決策樹是 NP完全問題54. 在基于規(guī)則分類器的中， 依據(jù)規(guī)則質(zhì)量的某種度量對規(guī)則排序， 保證每一個測試記錄都是由覆蓋它的“最好的”規(guī)格來分類，這種方案稱為 (B)A. 基于類的排序方案B. 基于規(guī)則的排序方案C. 基于度量的排序方案D. 基于規(guī)格的排序方案。55. 以下哪些算法是基于規(guī)則的分類器 (A)A. C4.5 B. KNN C. Na?ve Bayes D. ANN56. 如果規(guī)則集 R 中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集 R 中的規(guī)則為（C） ；A, 無序規(guī)則 B ，窮舉規(guī)則 C ， 互斥規(guī)則 D ，有序規(guī)則57.

18、如果對屬性值的任一組合，R 中都存在一條規(guī)則加以覆蓋，則稱規(guī)則集R 中的規(guī)則為 （B）A,無序規(guī)則B ，窮舉規(guī)則C ，互斥規(guī)則D ，有序規(guī)則58. 如果規(guī)則集中的規(guī)則按照優(yōu)先級降序排列，則稱規(guī)則集是（D）A,無序規(guī)則B ，窮舉規(guī)則C ，互斥規(guī)則D ，有序規(guī)則59. 如果允許一條記錄觸發(fā)多條分類規(guī)則， 把每條被觸發(fā)規(guī)則的后件看作是對相應類的一次投票，然后計票確定測試記錄的類標號，稱為（A）A, 無序規(guī)則 B ，窮舉規(guī)則 C ， 互斥規(guī)則 D ，有序規(guī)則60. 考慮兩隊之間的足球比賽：隊0 和隊 1。假設65%的比賽隊0 勝出，剩余的比賽隊1 獲勝。隊 0 獲勝的比賽中只有30%是在隊1 的主場，

19、而隊1 取勝的比賽中75%是主場獲勝。如果下一場比賽在隊1 的主場進行隊1 獲勝的概率為 （C）A， 0.75 B,0.35 C,0.4678 D, 0.573861. 以下關于人工神經(jīng)網(wǎng)絡（ANN的描述錯誤的有（A）A,神經(jīng)網(wǎng)絡對訓練數(shù)據(jù)中的噪聲非常魯棒B,可以處理冗余特征C ,訓練ANN一個很耗時的過程 D ，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡62. 通過聚集多個分類器的預測來提高分類準確率的技術稱為 （A）A, 組合 （ensemble） B, 聚集 （aggregate） C ，合并 （combination） D ，投票 （voting）63. 簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，

20、使得每個數(shù)據(jù)對象恰在一個子集中， 這種聚類類型稱作（ B ）A 、層次聚類 B 、劃分聚類 C 、非互斥聚類 D 、模糊聚類64. 在基本 K 均值算法里，當鄰近度函數(shù)采用（ A ）的時候，合適的質(zhì)心是簇中各點的中位數(shù)。A 、曼哈頓距離B 、平方歐幾里德距離C 、余弦距離D 、 Bregman 散度65. （ C ） 是一個觀測值， 它與其他觀測值的差別如此之大，以至于懷疑它是由不同的機制 產(chǎn)生的。A 、邊界點 B 、質(zhì)心 C 、離群點 D 、核心點 66. BIRCH 是一種（ B ）。A 、分類器 B 、聚類算法C 、關聯(lián)分析算法D 、特征選擇算法67. 檢測一元正態(tài)分布中的離群點，屬于異

21、常檢測中的基于（ A ）的離群點檢測。A 、統(tǒng)計方法B 、鄰近度 C 、密度 D 、聚類技術68. （ C ） 將兩個簇的鄰近度定義為不同簇的所有點對的平均逐對鄰近度， 它是一種凝聚層 次聚類技術。A、MIN （單鏈）B 、MAX（全鏈）C 、組平均 D 、Ward方法69. （ D ） 將兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差的增量， 它是一種凝聚層 次聚類技術。A、MIN （單鏈）B 、MAX（全鏈）C 、組平均 D 、Ward方法70. DBSCAN 在最壞情況下的時間復雜度是（ B ） 。A 、 O（m） B 、 O（m2） C 、 O（log m） D 、 O（m*log m

22、）71. 在基于圖的簇評估度量表里面，如果簇度量為 proximity（Ci , C） ，簇權值為 mi ，那 么它的類型是（ C ） 。A 、基于圖的凝聚度 B 、基于原型的凝聚度C 、基于原型的分離度D 、基于圖的凝聚度和分離度72. 關于K均值和DBSCAN勺比較，以下說法不正確的是（ A ）。A、K均值丟棄被它識別為噪聲的對象，而DBSCANP般聚類所有對象。B、K均值使用簇的基于原型的概念，而DBSCAN1用基于密度的概念。C、K均值很難處理非球形的簇和不同大小的簇，DBSCANT以處理不同大小和不同形狀的簇。D、K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCA

23、NT合并有重疊的簇。73. 以下是哪一個聚類算法的算法流程： 構造k 最近鄰圖。 使用多層圖劃分算法劃分圖。 repeat ：合并關于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。 until ：不再有可以合并的簇。 （ C ） 。A 、 MST B 、 OPOSSUM C 、 Chameleon D 、 Jarvis Patrick （ JP）74. 考慮這么一種情況： 一個對象碰巧與另一個對象相對接近， 但屬于不同的類， 因為這兩個對象一般不會共享許多近鄰，所以應該選擇（ D ）的相似度計算方法。A 、平方歐幾里德距離B 、余弦距離C 、直接相似度D 、共享最近鄰75. 以下屬于

24、可伸縮聚類算法的是（ A ） 。A、 CURE B 、 DENCLUE C 、 CLIQUE D 、 OPOSSUM76. 以下哪個聚類算法不是屬于基于原型的聚類（ D ） 。A、模糊 c 均值 B 、EMB法C 、SOM D、CLIQUE77. 關于混合模型聚類算法的優(yōu)缺點，下面說法正確的是（ B ） 。A 、當簇只包含少量數(shù)據(jù)點，或者數(shù)據(jù)點近似協(xié)線性時，混合模型也能很好地處理。B 、混合模型比K 均均或模糊c 均均更一般，因為它可以使用各種類型的分布。C 、混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇。D 、混合模型在有噪聲和離群點時不會存在問題。78. 以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法

25、（ D ） 。A 、 STING B 、 WaveCluster C 、 MAFIA D 、 BIRCH79. 一個對象的離群點得分是該對象周圍密度的逆。這是基于（ C ）的離群點定義。A 概率 B 、鄰近度C 、密度 D 、聚類80. 下面關于Jarvis - Patrick（JP）聚類算法的說法不正確的是（ D ）。A 、 JP 聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇。B 、 JP 算法對高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強相關對象的緊致簇。C、JP聚類是基于SNN相似度的概念。D 、 JP 聚類的基本時間復雜度為O（m）。第一章1、數(shù)據(jù)倉庫就是一個面向主題的、集成的、

26、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合。2、元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結構和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉庫提供了一個 信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉庫的元數(shù)據(jù)分為技術元數(shù)據(jù)和業(yè)務元數(shù)據(jù)兩類。3、數(shù)據(jù)處理通常分成兩大類：聯(lián)機事務處理和聯(lián)機分析處理。4、多維分析是指以“維”形式組織起來的數(shù)據(jù)（多維數(shù)據(jù)集）采取切片、切塊、鉆取和旋 轉(zhuǎn)等各種分析動作，以求剖析數(shù)據(jù)，使擁護能從不同角度、不同側(cè)面觀察數(shù)據(jù)倉庫中的數(shù)據(jù)， 從而深入理解多維數(shù)據(jù)集中的信息。5、ROLA因基于關系數(shù)據(jù)庫的 OLA改現(xiàn)，而MOLA謔基于多維數(shù)據(jù)結構組織的 OLAP實現(xiàn)。6、數(shù)據(jù)倉庫按照其開發(fā)過程，其關鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)

27、據(jù)存儲于管理和數(shù)據(jù)表現(xiàn)等。7、數(shù)據(jù)倉庫系統(tǒng)的體系結構根據(jù)應用需求的不同，可以分為以下4種類型：兩層架構、獨立型數(shù)據(jù)集合、以來型數(shù)據(jù)結合和操作型數(shù)據(jù)存儲和邏輯型數(shù)據(jù)集中和實時數(shù)據(jù)倉庫。8、操作型數(shù)據(jù)存儲實際上是一個集成的、面向主題的、可更新的、當前值的（但是可“揮 發(fā)”的）、企業(yè)級的、詳細的數(shù)據(jù)庫，也叫運營數(shù)據(jù)存儲。9、“實時數(shù)據(jù)倉庫”以為著源數(shù)據(jù)系統(tǒng)、 決策支持服務和倉庫倉庫之間以一個接近實時的速 度交換數(shù)據(jù)和業(yè)務規(guī)則。10、從應用的角度看，數(shù)據(jù)倉庫的發(fā)展演變可以歸納為5個階段：以報表為主、以分析為主、以預測模型為主、以運營導向為主和以實時數(shù)據(jù)倉庫和自動決策為主。第二章1、調(diào)和數(shù)據(jù)是存儲在企業(yè)

28、級數(shù)據(jù)倉庫和操作型數(shù)據(jù)存儲中的數(shù)據(jù)。2、抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應用提供一個單一的、權威數(shù)據(jù)源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)（即調(diào)和數(shù)據(jù)層）是詳細的、歷史的、規(guī)范的、可理解的、即時的和質(zhì)量可控制的。3、數(shù)據(jù)抽取的兩個常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉庫，增 量抽取用于進行數(shù)據(jù)倉庫的維護。4、粒度是對數(shù)據(jù)倉庫中數(shù)據(jù)的綜合程度高低的一個衡量。粒度越小，細節(jié)程度越高，綜合 程度越低，回答查詢的種類越多。5、使用星型模式可以從一定程度上提高查詢效率。因為星型模式中數(shù)據(jù)的組織已經(jīng)經(jīng)過預 處理，主要數(shù)據(jù)都在龐大的事實表中。6、維度表一般又主鍵、分類層次和描述屬性組

29、成。對于主鍵可以選擇兩種方式：一種是采 用自然鍵，另一種是采用代理鍵。7、雪花型模式是對星型模式維表的進一步層次化和規(guī)范化來消除冗余的數(shù)據(jù)。8、數(shù)據(jù)倉庫中存在不同綜合級別的數(shù)據(jù)。一般把數(shù)據(jù)分成4個級別：早期細節(jié)級、當前細節(jié)級、輕度綜合級和高度綜合級。第三章1、SQL Server SSAS提供了所有業(yè)務數(shù)據(jù)的同意整合試圖，可以作為傳統(tǒng)報表、在線分析 處理、關鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎。2、數(shù)據(jù)倉庫的概念模型通常采用信息包圖法來進行設計，要求將其 5個組成部分（包括名稱、維度、類別、層次和度量）全面地描述出來。3、數(shù)據(jù)倉庫的邏輯模型通常采用星型圖法來進行設計，要求將星型的各類邏輯實體完整

30、地 描述出來。4、按照事實表中度量的可加性情況，可以把事實表對應的事實分為4種類型：事務事實、快照事實、線性項目事實和事件事實。5、確定了數(shù)據(jù)倉庫的粒度模型以后，為提高數(shù)據(jù)倉庫的使用性能，還需要根據(jù)擁護需求設 計聚合模型。6、在項目實施時，根據(jù)事實表的特點和擁護的查詢需求，可以選用時間、業(yè)務類型、區(qū)域 和下屬組織等多種數(shù)據(jù)分割類型。7、當維表中的主鍵在事實表中沒有與外鍵關聯(lián)時，這樣的維稱為退化維。它于事實表并無關系，但有時在查詢限制條件（如訂單號碼、出貨單編號等）中需要用到。8、維度可以根據(jù)其變化快慢分為元變化維度、緩慢變化維度和劇烈變化維度三類。9、數(shù)據(jù)倉庫的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更

31、新，可以通過設計和優(yōu)化索引結構來提高數(shù)據(jù)存取性能。10、數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲優(yōu)化方法包括表的歸并與簇文件、反向規(guī)范化引入冗余、表的物理分割（分區(qū)）。第四章1、關聯(lián)規(guī)則的經(jīng)典算法包括Apriori算法和FP-growth算法，其中FP-grownth算法的效率更高。2、如果 L2=a,b,a,c,a,d,b,c,b,d,則連接產(chǎn)生的 C3=a,b,c,a,b,d,a,c,d,b,c,d再經(jīng)過修剪，C3=a,b,c,a,b,d3、設定supmin=50%,交易集如則 L1=A , B , C L2=A,CT1A B CT2A CT3A DT4B E F第五章1、分類的過程包括獲取數(shù)據(jù)、預處理、

32、分類器設計和分類決策。2、分類器設計階段包含三個過程：劃分數(shù)據(jù)集、分類器構造和分類器測試。3、分類問題中常用的評價準則有精確度、查全率和查準率和集合均值。4、支持向量機中常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。第八早1、聚類分析包括連續(xù)型、二值離散型、多值離散型和混合類型4種類型描述屬性的相似度計算方法。2、連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。3、劃分聚類方法對數(shù)據(jù)集進行聚類時包含三個要點：選種某種距離作為數(shù)據(jù)樣本減的相似性度量、選擇評價聚類性能的準則函數(shù)和選擇某個初始分類，之后用迭代的方法得到聚類結果，使得評價聚類的準則函數(shù)取得最優(yōu)值。4、層次聚

33、類方法包括凝聚型和分解型兩中層次聚類方法。填空題20分，簡答題25分，計算題2個(25分)，綜合題30分1、數(shù)據(jù)倉庫的組成？ P2數(shù)據(jù)倉庫數(shù)據(jù)庫，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問工具，數(shù)據(jù)集市，數(shù)據(jù)倉庫管理，信息發(fā)布系統(tǒng)2、數(shù)據(jù)挖掘技術對聚類分析的要求有哪幾個方面？P131可伸縮性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀聚類的能力；減小對先驗知識和用戶自定義參數(shù)的依賴性；處理噪聲數(shù)據(jù)的能力；可解釋性和實用性3、數(shù)據(jù)倉庫在存儲和管理方面的特點與關鍵技術？P7數(shù)據(jù)倉庫面對的是大量數(shù)據(jù)的存儲與管理并行處理針對決策支持查詢的優(yōu)化支持多維分析的查詢模式4、常見的聚類算法可以分為幾類？P132基于劃分的聚類算法，

34、基于層次的聚類算法， 基于密度的聚類算法， 基于網(wǎng)格的聚類算法，基于模型的聚類算法等。5、一個典型的數(shù)據(jù)倉庫系統(tǒng)的組成？P12數(shù)據(jù)源、數(shù)據(jù)存儲與管理、OLAP服務器、前端工具與應用6、數(shù)據(jù)倉庫常見的存儲優(yōu)化方法？P71表的歸并與簇文件；反向規(guī)范化，引入冗余；表的物理分割。7、數(shù)據(jù)倉庫發(fā)展演變的 5個階段？ P20以報_表為主以分析為主以預測模型為主以運行向?qū)橹饕詫崟r數(shù)據(jù)倉庫、自動決策應用為主8、ID3算法主要存在的缺點？ P116(1) ID3算法在選擇根結點和各內(nèi)部結點中的分枝屬性時，使用信息增益作為評價標準。信息增益的缺點是傾向于選擇取值較多的屬性，在有些情況下這類屬性可能不會提供太多有

35、價值的信息。(2) ID3算法只能對描述屬性為離散型屬性的數(shù)據(jù)集構造決策樹。9、簡述數(shù)據(jù)倉庫ETL軟件的主要功能和對產(chǎn)生數(shù)據(jù)的目標要求。P30ETL軟件的主要功能：數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載 對產(chǎn)生數(shù)據(jù)的目標要求： 詳細的、歷史的、規(guī)范化的、可理解的、即時的、質(zhì)量可控制的10、簡述分類器設計階段包含的 3個過程。劃分數(shù)據(jù)集，分類器構造，分類器測試11、料,人么用碗!掘卻P339類標號用敖據(jù)樣本4(5戈W博是乖野矍雕凝灣雌惟逑摘類標號在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉庫之前來升 級原始數(shù)據(jù)質(zhì)量而技術亡,12、支持度書信流力算公五及數(shù)據(jù)計本P9二；二二-1事務中X和Y同時找出所靠椒婀的啾氐5Y高；使支持度和置信度分別大于門限支持度:發(fā)生的比例，P(X ? Y)置信度:Example:平I集 X發(fā)生時，Y同時發(fā)生的條件概率 P(Y|X)14、K-帝烽年巧歌藝!。P128,%,即 xt cflD +1依XW 科)：酒峻二Y口而Ik斑iaperjBeer(O.4,0.67正1L.Support(X)個距落從而找出工在X抑k楨猛假設'分睚1個五13、利用信息包圖設計數(shù)據(jù)倉庫概念模