數(shù)據(jù)挖掘作業(yè)

1、數(shù)據(jù)挖掘作業(yè)第一章 引言一、填空題（1）數(shù)據(jù)庫中的知識挖掘(KDD)包括以下七個步驟： 、 、 、 、 、 和 （2） 數(shù)據(jù)挖掘的性能問題主要包括： 、 和 （3） 當前的數(shù)據(jù)挖掘研究中，最主要的三個研究方向是： 、 和 （4） 在萬維網(wǎng)(WWW)上應用的數(shù)據(jù)挖掘技術常被稱為： （5） 孤立點是指： 二、單選題（1）數(shù)據(jù)挖掘應用和一些常見的數(shù)據(jù)統(tǒng)計分析系統(tǒng)的最主要區(qū)別在于：A、所涉及的算法的復雜性；B、所涉及的數(shù)據(jù)量；C、計算結果的表現(xiàn)形式；D、是否使用了人工智能技術（2）孤立點挖掘適用于下列哪種場合？A、目標市場分析B、購物籃分析C、模式識別 D、信用卡欺詐檢測（3）下列幾種數(shù)據(jù)挖掘功能中，

2、（）被廣泛的應用于股票價格走勢分析A. 關聯(lián)分析 B.分類和預測 C.聚類分析 D. 演變分析（4）下面的數(shù)據(jù)挖掘的任務中，（ ）將決定所使用的數(shù)據(jù)挖掘功能A、選擇任務相關的數(shù)據(jù)B、選擇要挖掘的知識類型C、模式的興趣度度量D、模式的可視化表示（5）下列幾種數(shù)據(jù)挖掘功能中，（）被廣泛的用于購物籃分析A、關聯(lián)分析 B、分類和預測 C、聚類分析 D、演變分析（6）根據(jù)顧客的收入和職業(yè)情況，預測他們在計算機設備上的花費，所使用的相應數(shù)據(jù)挖掘功能是（）A.關聯(lián)分析 B.分類和預測 C. 演變分析 D. 概念描述（7）幫助市場分析人員從客戶的基本信息庫中發(fā)現(xiàn)不同的客戶群，通常所使用的數(shù)據(jù)挖掘功能是（）A.

3、關聯(lián)分析 B.分類和預測 C.聚類分析 D. 孤立點分析 E. 演變分析（8）假設現(xiàn)在的數(shù)據(jù)挖掘任務是解析數(shù)據(jù)庫中關于客戶的一般特征的描述，通常所使用的數(shù)據(jù)挖掘功能是（）A.關聯(lián)分析 B.分類和預測 C. 孤立點分析D. 演變分析 E. 概念描述三、簡答題（1）什么是數(shù)據(jù)挖掘？（2）一個典型的數(shù)據(jù)挖掘系統(tǒng)應該包括哪些組成部分？（3）請簡述不同歷史時代數(shù)據(jù)庫技術的演化。（4）請列舉數(shù)據(jù)挖掘應用常見的數(shù)據(jù)源。（或者說，我們都在什么樣的數(shù)據(jù)上進行數(shù)據(jù)挖掘）（5）什么是模式興趣度的客觀度量和主觀度量？（6）在哪些情況下，我們認為所挖掘出來的模式是有趣的？（7）根據(jù)挖掘的知識類型，我們可以將數(shù)據(jù)挖掘系統(tǒng)

4、分為哪些類別？第二章 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的OLAP技術一、 填空題（1）數(shù)據(jù)倉庫的多維數(shù)據(jù)模型可以有三種不同的形式，分別是： 、 和 （2）給定基本方體，方體的物化有三種選擇： 、 和 （3）著名的數(shù)據(jù)倉庫系統(tǒng)設計師W. H. Inmon認為，數(shù)據(jù)倉庫與其他數(shù)據(jù)存儲系統(tǒng)的區(qū)別的四個特征是： 、 、 和 （4）在數(shù)據(jù)訪問模式上，數(shù)據(jù)倉庫以 為主，而日常應用數(shù)據(jù)庫則以 為主。（5）數(shù)據(jù)立方體度量可以根據(jù)其所使用的聚集函數(shù)分為三類，分別是： 、 和 （6）關于數(shù)據(jù)倉庫的設計，四種不同的視圖必須考慮，分別是： 、 、 、 （7）OLAP服務器的類型主要包括： 、 和 （8）求和函數(shù)sum()是一個 的

5、函數(shù)。（9）方體計算的主要挑戰(zhàn)是 和 之間的矛盾。二、單選題（1）下面的數(shù)據(jù)操作中，哪些操作不是多維數(shù)據(jù)模型上的OLAP操作 A、上卷(roll-up)B、選擇(select)C、切片(slice)D、轉(zhuǎn)軸(pivot)（2）以下哪個范圍是數(shù)據(jù)倉庫的數(shù)據(jù)庫規(guī)模的一個合理范圍 A、1100MB、100M10GC、101000GD、100GB數(shù)TB（3）存放最低層匯總的方體稱為： A、頂點方體B、方體的格C、基本方體D、維（4）哪種OLAP操作可以讓用戶在更高的抽象層，更概化的審視數(shù)據(jù)？ A、上卷B、下鉆C、切塊D、轉(zhuǎn)軸（5）平均值函數(shù)avg()屬于哪種類型的度量？ A、分布的B、代數(shù)的C、整體的

6、D、混合的三、多選題（1）OLAP系統(tǒng)和OLTP系統(tǒng)的主要區(qū)別包括（ ）。 A、OLTP系統(tǒng)主要用于管理當前數(shù)據(jù)，而OLAP系統(tǒng)主要存放的是歷史數(shù)據(jù)；B、在數(shù)據(jù)的存取上，OLTP系統(tǒng)比OLAP系統(tǒng)有著更多的寫操作；C、對OLTP系統(tǒng)上的數(shù)據(jù)訪問量往往比對OLAP系統(tǒng)的數(shù)據(jù)訪問量要大得多；D、OLAP系統(tǒng)中往往存放的是匯總的數(shù)據(jù)，而OLTP系統(tǒng)中往往存放詳細的數(shù)據(jù)。（2）從結構的角度看，數(shù)據(jù)倉庫模型包括以下幾類：A、企業(yè)倉庫B、數(shù)據(jù)集市C、虛擬倉庫D、信息倉庫（3）數(shù)據(jù)倉庫的三層架構主要包括以下哪三部分？A、數(shù)據(jù)源B、數(shù)據(jù)倉庫服務器C、OLAP服務器D、前端工具（4）以下哪些是數(shù)據(jù)倉庫的主要應用

7、？A、信息處理B、互聯(lián)網(wǎng)搜索C、分析處理D、數(shù)據(jù)挖掘四、簡答題（1）為什么在進行聯(lián)機分析處理(OLAP)時，我們需要一個獨立的數(shù)據(jù)倉庫，而不是直接在日常操作的數(shù)據(jù)庫上進行。（2）為什么說數(shù)據(jù)倉庫具有隨時間而變化的特征？（2）試述對于多個異種信息源的集成，為什么許多公司寧愿使用更新驅(qū)動的方法（update-driven），而不愿使用查詢驅(qū)動（query-driven）的方法？（3）請簡述幾種典型的多維數(shù)據(jù)的OLAP操作（5）為什么說相對于日常的應用數(shù)據(jù)庫，數(shù)據(jù)倉庫中的數(shù)據(jù)更加不容易丟失？（6）假定Big_University的數(shù)據(jù)倉庫包含如下4個維：student, course, semest

8、er和instructor；2個度量：count和avg_grade。在最低得到概念層（例如，對于給定的學生、課程、學期和教師的組合），度量avg_grade存放學生的實際成績。在較高的概念層，avg_grade存放給定組合的平均成績。(a) 為數(shù)據(jù)倉庫畫出雪花模式圖。(b) 由基本方體student, course, semester, instructor開始，為列出Big_University每個學生的CS課程的平均成績，應當使用哪些OLAP操作（如，由學期上卷到學年）。(c) 如果每維有5層（包括all），如student major status university buys (X

9、, Z)所指定的挖掘知識類型是：A、特征化B、區(qū)分C、關聯(lián)D、分類（2）以下哪種數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫/數(shù)據(jù)倉庫系統(tǒng)集成方式將會使數(shù)據(jù)挖掘系統(tǒng)達到最好的性能？A、不耦合B、松散耦合C、半緊密耦合D、緊密耦合三、多選題（1）以下哪些OLAP操作是和概念分層緊密相關的？A、上卷B、切片C、下鉆D、切塊四、簡答題（1）定義數(shù)據(jù)挖掘任務的原語，主要應該包括哪些部分？（2）為什么需要數(shù)據(jù)挖掘原語和語言來指導數(shù)據(jù)挖掘？（3）描述如下將數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫或數(shù)據(jù)倉庫系統(tǒng)集成的結構之間的差別：不耦合、松散耦合、半緊密耦合和緊密耦合。（4）數(shù)據(jù)挖掘的GUI可能包含哪些部分？第五章 概念描述：特征化與比較一、填空題

10、（1）概念描述由 和 組成。（2）一般來說，進行類比較的過程應該包括以下幾個步驟： 、 、 和 （3）從數(shù)據(jù)分析的角度看，數(shù)據(jù)挖掘可以分為兩類： 和 （4）屬性相關分析的基本思想是計算某種度量，用于量化屬性與給定類或概念的相關性。可采用的度量包括： 、 、 和 （5）數(shù)據(jù)離散度的最常用度量包括： 、 和 二、單選題（1）類比較的過程中，我們在哪個步驟得到主目標類 關系/方體 和 主對比類 關系/方體？A、數(shù)據(jù)收集B、維相關分析C、同步概化D、導出比較的表示（2）哪種圖形顯示方法常用于描述兩個變量間的依賴模式？A、直方圖B、分位數(shù)圖C、散布圖D、LOESS曲線（3）哪種圖形顯示方法常用于確定兩個

11、量化的變量之間看上去是否有聯(lián)系、模式或者趨勢？A、直方圖B、分位數(shù)圖C、散布圖D、LOESS曲線（4）哪種圖形顯示方法用于顯示所有的數(shù)據(jù)，允許用戶評估總的情況和不尋常情況的出現(xiàn)？A、直方圖B、分位數(shù)圖C、散布圖D、LOESS曲線（5）中心趨勢度量模（mode）是指A、算術平均值B、數(shù)據(jù)集中出現(xiàn)頻率最高的值C、最大值D、最小值三、多選題（1）下面哪些是常用的數(shù)據(jù)概化方法？A、離散化 B、數(shù)據(jù)立方體（OLAP技術）C、判定歸納樹 D、面向?qū)傩缘臍w納（2）使用數(shù)據(jù)立方體方法進行數(shù)據(jù)概化的優(yōu)點包括：A、數(shù)據(jù)概化的一種有效實現(xiàn)B、可以計算各種不同的度量值C、受數(shù)據(jù)類型和度量類型的約束比較少D、概化和特征

12、分析通過一系列的數(shù)據(jù)立方體操作完成，簡單高效（3）以下哪些是屬于中心趨勢的度量A、平均值B、標準差C、五數(shù)概括D、中位數(shù)四、簡答題（1）簡述類比較的過程。（2）簡述面向?qū)傩詺w納的基本思想，并說明什么時候使用屬性刪除，什么時候使用屬性概化。（3）簡述概念描述的屬性相關分析的基本步驟。（4）簡要敘述概念描述和OLAP之間的主要區(qū)別。（5）為什么進行屬性相關分析？（6）簡述進行概念描述時，面向數(shù)據(jù)庫的方法和機器學習的主要區(qū)別。（7）什么是概念描述的增量挖掘？第六章 大型數(shù)據(jù)庫中的關聯(lián)規(guī)則挖掘一、填空題（1）關聯(lián)規(guī)則挖掘中，兩個主要的興趣度度量是： 和 （2）Aprior算法包括 和 兩個基本步驟（3

13、）項集的頻率是指 （4）大型數(shù)據(jù)庫中的關聯(lián)規(guī)則挖掘包含兩個過程： 和 （5）根據(jù)規(guī)則中所處理的值類型，關聯(lián)規(guī)則可分為： 和 （6）Apriori性質(zhì)是指： （7）挖掘多維關聯(lián)規(guī)則的技術可以根據(jù)量化屬性的處理分為三種基本方法： 、 和 （8）對于頻繁項集挖掘，在挖掘過程中使用的約束包括以下五種類型： 、 、 、 和 （9）在多維關聯(lián)規(guī)則挖掘中，我們搜索的不是頻繁項集，而是 二、單選題（1）下列幾種數(shù)據(jù)挖掘功能中，（）被廣泛的用于購物籃分析。 A、關聯(lián)分析 B、分類和預測 C、聚類分析 D、演變分析（2）支持度(support)是衡量興趣度度量（ ）的指標。 A、實用性B、確定性C.、簡潔性D、新

14、穎性（3）置信度(confidence)是衡量興趣度度量（ ）的指標。 A、簡潔性B、確定性C.、實用性D、新穎性（4）根據(jù)關聯(lián)分析中所處理的值類型，可以將關聯(lián)規(guī)則分類為：（）A、布爾關聯(lián)規(guī)則和量化關聯(lián)規(guī)則 B、單維關聯(lián)規(guī)則和多維關聯(lián)規(guī)則C、單層關聯(lián)規(guī)則和多層關聯(lián)規(guī)則 D、簡答關聯(lián)規(guī)則和復雜關聯(lián)規(guī)則（5）規(guī)則：age(X,”19-25”) buys(X, “popcorn”) = buys(X, “coke”)是一個A、單維關聯(lián)規(guī)則B、多維關聯(lián)規(guī)則C、混合維關聯(lián)規(guī)則D、不是一個關聯(lián)規(guī)則三、多選題（1）根據(jù)關聯(lián)分析中所涉及的抽象層，可以將關聯(lián)規(guī)則分類為：（）A、布爾關聯(lián)規(guī)則 B、單層關聯(lián)規(guī)則C、

15、多維關聯(lián)規(guī)則D、多層關聯(lián)規(guī)則（2）根據(jù)關聯(lián)分析中所涉及的數(shù)據(jù)維，可以將關聯(lián)規(guī)則分類為：（）A、布爾關聯(lián)規(guī)則 B、單維關聯(lián)規(guī)則C、多維關聯(lián)規(guī)則D、多層關聯(lián)規(guī)則（3）Apriori算法所面臨的主要的挑戰(zhàn)包括：A、會消耗大量的內(nèi)存 B、會產(chǎn)生大量的候選項集C、對候選項集的支持度計算非常繁瑣 D、要對數(shù)據(jù)進行多次掃描四、簡答題（1）對于具有遞減支持度的多層關聯(lián)規(guī)則挖掘，分別都有哪些搜索策略？各有什么特點？（2）給出一個例子，表明強關聯(lián)規(guī)則中的項可能實際上是負相關的。（3）簡述在多層關聯(lián)規(guī)則挖掘中，在不同的層使用一致的支持度的優(yōu)缺點。（4）什么是簡潔性約束？第七章 分類和預測一、填空題（1）通過對數(shù)據(jù)進

16、行預處理，可以提高分類和預測過程的 、 和 （2）防止分類中的過分適應的兩種方法分別是： 和 二、單選題（1）下面哪種分類方法是屬于神經(jīng)網(wǎng)絡學習算法？（） A、判定樹歸納 B、貝葉斯分類 C、后向傳播分類 D、基于案例的推理（2）下面哪種分類方法是屬于統(tǒng)計學的分類方法？（） A、判定樹歸納 B、貝葉斯分類 C、后向傳播分類 D、基于案例的推理（3）下列哪個描述是正確的？（）A、分類和聚類都是有指導的學習 C、分類是有指導的學習，聚類是無指導的學習B、分類和聚類都是無指導的學習 D、分類是無指導的學習，聚類是有指導的學習三、簡答題（1）簡述判定樹分類的主要步驟。（2）在判定樹歸納中，為什么樹剪枝

17、是有用的？（3）為什么樸素貝葉斯分類稱為“樸素”的？簡述樸素貝葉斯分類的主要思想。（4）請簡述判定樹歸納算法的基本策略。（5）對分類和預測方法進行比較和評估的標準都有哪些？（6）簡述數(shù)據(jù)分類的兩步過程。（7）簡述后向傳播分類的優(yōu)缺點。四、算法題（1）使用判定樹歸納算法，根據(jù)顧客年齡age（分為3個年齡段：23），收入income（取值為high，medium，low），是否為student（取值為yes和no），信用credit_rating等級（取值為fair和excellent）來判定用戶是否會購買PC Game，即構建判定樹buys_PCGame，假設現(xiàn)有的數(shù)據(jù)經(jīng)過第一次劃分之后得到如下

18、圖所示結果，并根據(jù)該結果對每一個劃分中的各個屬性計算信息增益對age23的顧客：Gain(income)=0.042，Gain(student)=0.462，Gain(credit_rating)=0.155請根據(jù)以上結果繪制出判定樹buys_PCGame，來判定用戶是否會購買PC Game。age 23incomestudentcredit_ratingclassIncomestudentcredit_ratingclasshighnofairnohighnofairnomediumyesfairnohighyesexcellentyeshighnofairnomediumyesfairye

19、smediumyesexcellentyeslowyesfairyeslownoexcellentyeslownoexcellentnoincomestudentcredit_ratingclasshighnofairyesmediumyesfairyeshighnofairyesmediumyesexcellentyes第八章 聚類分析一、填空題（1）在數(shù)據(jù)挖掘中，常用的聚類算法包括： 、 、 、基于網(wǎng)格的方法和基于模型的方法。（2）聚類分析常作為一個獨立的工具來獲得 （3）一個好的聚類分析方法會產(chǎn)生高質(zhì)量的聚類，具有兩個特征： 和 （4）許多基于內(nèi)存的聚類算法所常用的兩種數(shù)據(jù)結構是 和 （5）基于網(wǎng)格的聚類方法的優(yōu)點是： （6）孤立點產(chǎn)生的主要原因包括： 和 （7）