數(shù)據(jù)挖掘考試題

1、數(shù)據(jù)挖掘考試題一 選擇題1 . 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？ ( )A.分類B.聚類C.關聯(lián)分析D.主成分分析2 . ( )將兩個簇的鄰近度定義為不同簇的所有點對鄰近度的平均值，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3 .數(shù)據(jù)挖掘的經(jīng)典案例“啤酒與尿布試驗”最主要是應用了( )數(shù)據(jù)挖掘方法。A 分類B 預測C 關聯(lián)規(guī)則分析D 聚類4 .關于K 均值和 DBSCAN 的比較，以下說法不正確的是( )A.K 均值丟棄被它識別為噪聲的對象，而DBSCAN 一般聚類所有對象。B.K 均值使用簇

2、的基于原型的概念， DBSCAN 使用基于密度的概念。C.K 均值很難處理非球形的簇和不同大小的簇， DBSCAN 可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DBSCAN 會合并有重疊的簇5.下列關于Ward s Method 說法錯誤的是： ( )A.對噪聲點和離群點敏感度比較小B.擅長處理球狀的簇C.對于Ward方法，兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差D.當兩個點之間的鄰近度取它們之間距離的平方時，Ward方法與組平均非常相似6 .下列關于層次聚類存在的問題說法正確的是：( )A. 具有全局優(yōu)化目標函數(shù)B.Group Ave

3、rage 擅長處理球狀的簇C.可以處理不同大小簇的能力D.Max 對噪聲點和離群點很敏感7 .下列關于凝聚層次聚類的說法中，說法錯誤的事：( )A.一旦兩個簇合并，該操作就不能撤銷8 .算法的終止條件是僅剩下一個簇C.空間復雜度為O m2D.具有全局優(yōu)化目標函數(shù)8規(guī)則牛奶，尿布一啤酒的支持度和置信度分別為：（）TID項 集1面包，牛奶2面包，尿布，啤酒，雞蛋3牛奶，尿布，啤酒，可樂4回包，牛奶，尿布，啤酒5回包，牛奶，尿布，可樂A.0.4,0.4B.0.67,0.67C.0.4,0.67D.0.67,0.49 .下列（）是屬于分裂層次聚類的方法。A.MinB.Max C.Group Avera

4、ge D.MST10 .對下圖數(shù)據(jù)進行凝聚聚類操作，簇間相似度使用 MAX計算，第二步是哪兩個簇合并：（）11 I2I3I4I511I2I3I4I51000,900J00,650.200.901,000700,600,500.10070too0.400,300.650.600.401.000.800.200.500.300.801.00A.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合并填空題:1 .屬性包括的四種類型：、。2 . 是兩個簇的鄰近度定義為不同簇的所有點對鄰近度的平均值。3 .基本凝聚層次聚類算法空間復雜度 ,時間復雜度,如果某個簇到其

5、他所 有簇的距離存放在一個有序表或堆中，層次聚類所需要的時間復雜度將為 。4 .聚類中，定義簇間的相似度的方法有 （寫出四個）：、。5 .層次聚類技術是第二類重要的聚類方法。兩種層次聚類的基本方 法：、。6 .組平均是一種界于 和 之間的折中方法。7 .相似度矩陣可以用相識度表不還可以用表不。8 .全鏈在處理大小不同的簇時，可能使 破裂，并且偏好 。9 .單鏈技術擅長于處理 ，但對 和 很敏感。10 .聚類分析可以看做是一種 的分類。（有監(jiān)督、無監(jiān)督）三.判斷題1 .從點作為個體簇開始，每一步合并兩個最接近的簇，這是一種分裂的層次聚類方法。（）2 .數(shù)據(jù)挖掘的目標不在于數(shù)據(jù)采集策略，而在于對已

6、經(jīng)存在的數(shù)據(jù)進行模式的發(fā)掘。（）3 .在聚類分析當中，簇內的相似性越大，簇間的差別越大，聚類的效果就越差。（）4 .當兩個點之間的鄰近度取它們之間距離的平方時，Ward方法與組平均非常相似。（）5 . DBSCAN是相對抗噪聲的，并且能夠處理任意形狀和大小的簇。（）6 .屬性的性質不必與用來度量他的值的性質相同。（）7 .全鏈對噪聲點和離群點很敏感。（）8 .對于非對稱的屬性，只有非零值才是重要的。（）9 . K均值可以很好的處理不同密度的數(shù)據(jù)。（）10 .單鏈技術擅長處理橢圓形狀的簇。（）四.綜合題1 .何為層次聚類？它用哪兩種圖表示？2 .兩種層次聚類的基本方法？兩種方法的定義？3 .分別

7、寫出Min、Max和組平均的優(yōu)缺點？4 .寫出基本凝聚層次聚類的算法？5 .由下圖已給出的距離矩陣，將Max用于6個點樣本數(shù)據(jù)集，畫出層次聚類的樹狀圖？P1P2P3P4P5P6P10.000.240.220.370.340.23P20.240.000.140.200.130.25P30.220.140.000.150.280.11P40.370.200.150.000.290.22P50.340.130.280.290.000.39P60.230.250.110.220.390.00考試題+答案一.選擇題1 .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

8、？ （B）A.分類B.聚類C.關聯(lián)分析D.主成分分析2 . （C）將兩個簇的鄰近度定義為不同簇的所有點對鄰近度的平均值，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3 .數(shù)據(jù)挖掘的經(jīng)典案例“啤酒與尿布試驗”最主要是應用了（C ）數(shù)據(jù)挖掘方法。A分類B預測 C關聯(lián)規(guī)則分析 D聚類4 .關于K均值和DBSCAN的比較，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 DBSCAN 一般聚類所有對象。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均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不

9、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DBSCAN會合并有重疊的簇5 .下列關于 Ward' s Method說法錯誤白是：（C）A.對噪聲點和離群點敏感度比較小B.擅長處理球狀的簇C.對于Ward方法，兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差D.當兩個點之間的鄰近度取它們之間距離的平方時，Ward方法與組平均非常相似7 .下列關于層次聚類存在的問題說法正確的是：（B）A具有全局優(yōu)化目標函數(shù)8 .Group Average擅長處理球狀的簇C.可以處理不同大小簇的能力D.Max對噪聲點和離群點很敏感7 .下列關于凝聚層次聚類的說法中，說法錯誤的事

10、：（ D）A.一旦兩個簇合并，該操作就不能撤銷8 .算法的終止條件是僅剩下一個簇C.空間復雜度為O m2D.具有全局優(yōu)化目標函數(shù)8.規(guī)則牛奶，尿布一啤酒的支持度和置信度分別為：（C）TID項集1面包，牛奶2回包，尿布，啤酒，雞蛋 3牛奶，尿布，啤酒，可樂4回包，牛奶，尿布，啤酒5回包，牛奶，尿布，可樂A.0.4,0.4B.0.67,0.67C.0.4,0.67D.0.67,0.49 .下列（D）是屬于分裂層次聚類的方法。A.MinB.Max C.Group Average D.MST(B)11I2I3I4I51000.900.100.650.200,901,000.700.600.500.10

11、0.701.000.400.300.650.600.401.000.800.200.500.300.801.0010 .對下圖數(shù)據(jù)進行凝聚聚類操作，簇間相似度使用MAX計算，第二步是哪兩個簇合并:11I2I3I4I5A.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合并填空題:1屬性包括的四種類型： 標稱、序數(shù)、區(qū)間、比率。2.1|士生是兩個簇的鄰近度定義為不同簇的所有點對鄰近度的平均值。233 .基本凝聚層次聚類算法空間復雜度O m2 ,時間復雜度 O m3 ,如果某個簇到其他所有簇的距離存放在一個有序表或堆中，層次聚類所需要的時間復雜度將為O m2

12、 log m。4 .聚類中，定義簇間的相似度的方法有（寫出四個）： MIN （單鏈）、MAX （全鏈）、組 平均、Ward方法。5 .層次聚類技術是第二類重要的聚類方法。兩種層次聚類的基本方法：凝聚層次聚類、分裂層次聚類。6 .組平均是一種界于單鏈和 全鏈之間的折中方法。7 .相似度矩陣可以用相識度表示還可以用距離 表示。8 .全鏈在處理大小不同的簇時，可能使 大的簇 破裂,并且偏好 球形。9 .單鏈技術擅長于處理非橢圓形狀的簇，但對噪聲點 和離群點很敏感。10 .聚類分析可以看做是一種無監(jiān)督的分類。（有監(jiān)督、無監(jiān)督）三.判斷題：1 .從點作為個體簇開始，每一步合并兩個最接近的簇，這是一種分裂

13、的層次聚類方法。（X）2 .數(shù)據(jù)挖掘的目標不在于數(shù)據(jù)采集策略，而在于對已經(jīng)存在的數(shù)據(jù)進行模式的發(fā)掘。（，）3 .在聚類分析當中，簇內的相似性越大，簇間的差別越大，聚類的效果就越差。（X ）4 .當兩個點之間的鄰近度取它們之間距離的平方時，Ward方法與組平均非常相似。（，）5 . DBSCAN是相對抗噪聲的，并且能夠處理任意形狀和大小的簇。（ V）6 .屬性的性質不必與用來度量他的值的性質相同。（ V ）7 .全鏈對噪聲點和離群點很敏感。（ x ）8 .對于非對稱的屬性，只有非零值才是重要的。（ V ）9 . K均值可以很好的處理不同密度的數(shù)據(jù)。（ X ）10 .單鏈技術擅長處理橢圓形狀的簇。

14、（ X ）四.綜合題1 .何為層次聚類？它用哪兩種圖表示?層次聚類為嵌套簇的聚集，組成一棵層次數(shù)。兩種主要圖的表示：樹狀圖和嵌套簇圖。2 .兩種層次聚類的基本方法？兩種方法的定義？凝聚層次聚類和分裂層次聚類凝聚的：從點作為個體簇開始，每一步合并兩個最接近的簇。分裂的：從包含所有點的某個簇開始，每一步分裂一個簇，直到僅剩下單點簇。3.分別寫出Min、Max和組平均的優(yōu)缺點?定義方式優(yōu)點缺點Min能處理非橢圓形狀對噪聲和離群點很敏感Max對噪聲點和離群點敏感度較小1 .當處理簇大小小同時，較大的簇容易破裂2 .偏好處理球狀的簇組平均對噪聲點和離群點敏感度較小偏好處理球狀的簇4 .寫出基本凝聚層次聚

15、類的算法？算法步驟：(1)計算鄰近度矩陣(2) Repeat(3) 合并最鄰近的兩個簇(4) 更新鄰近度矩陣，以反映新的簇與原來的簇之間的鄰近度(5)Until僅剩下一個簇(5) 下圖已給出的距離矩陣，將Max用于6個點樣本數(shù)據(jù)集，畫出層次聚類的樹狀圖？P1P2P3P4P5P6P10.000.240.220.370.340.23P20.240.000.140.200.130.25P30.220.140.000.150.280.11P40.370.200.150.000.290.22P50.340.130.280.290.000.39P60.230.250.110.220.390.00這是告訴你

16、的計算過程，現(xiàn)在不要寫了。P3和P6最近所以36結合，P2和P5較近，所以25結合，現(xiàn)在是3,6、2,5、1和4,Dist(3,6,4) = max(dist(3,4),dist(6,4)= max(0.15,0.22)=0.22Dist(3,6,2,5) = max(dist(3,2),dist(6,2),dist(3,5),dist(6,5)=max(0.14,0.25,0.28,0.39)=0.39Dist(3,6,1)=max(dist(3,1),dist(6,1)=max(0.22,0.23)=0.23所以3,6和4結合。現(xiàn)在還剩3,6,4、2,5和1Dist(3,6,4,2,5)=max(dist(3,2),di