東軟商務智能數據挖掘考試題庫

1、商務智能復習題一、 名詞解釋1. 數據倉庫：是一種新的數據處理體系結構，是面向主題的、集成的、不可更新的(穩(wěn)定性)、隨時間不斷變化(不同時間)的數據集合，為企業(yè)決策支持系統(tǒng)提供所需的集成信息。2. OLAP：OLAP是在OLTP的基礎上發(fā)展起來的，以數據倉庫為基礎的數據分析處理，是共享多維信息的快速分析，是被專門設計用于支持復雜的分析操作，側重對分析人員和高層管理人員的決策支持。3. 粒度：指數據倉庫的數據單位中保存數據細化或綜合程度的級別。粒度影響存放在數據倉庫中的數據量的大小，同時影響數據倉庫所能回答查詢問題的細節(jié)程度。4. 數據挖掘：從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提

2、取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。5. OLTP：OLTP為聯(lián)機事務處理的縮寫，OLAP是聯(lián)機分析處理的縮寫。前者是以數據庫為基礎的，面對的是操作人員和低層管理人員，對基本數據進行查詢和增、刪、改等處理。6. ROLAP：是基于關系數據庫存儲方式的，在這種結構中，多維數據被映像成二維關系表，通常采用星型或雪花型架構，由一個事實表和多個維度表構成。7. 聚類：是將物理或抽象對象的集合分組成為多個類或簇(cluster)的過程，使得在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。8. 決策樹：是用樣本的屬性作為結點，用屬性的取值作為分支的樹結構。

3、它是分類規(guī)則挖掘的典型方法，可用于對新樣本進行分類。9. 頻繁項集：指滿足最小支持度的項集，是挖掘關聯(lián)規(guī)則的基本條件之一。10. 支持度：規(guī)則AB的支持度指的是所有事件中A與B同地發(fā)生的的概率，即P(AB)，是AB同時發(fā)生的次數與事件總次數之比。支持度是對關聯(lián)規(guī)則重要性的衡量。11. 可信度：規(guī)則AB的可信度指的是包含A項集的同時也包含B項集的條件概率P(B|A)，是AB同時發(fā)生的次數與A發(fā)生的所有次數之比。可信度是對關聯(lián)規(guī)則的準確度的衡量。12. 關聯(lián)規(guī)則：同時滿足最小支持度閾值和最小可信度閾值的規(guī)則稱之為關聯(lián)規(guī)則。二、 綜合題1. 何謂數據挖掘？它有哪些方面的功能？數據挖掘的功能包括：概念

4、描述、關聯(lián)分析、分類與預測、聚類分析、趨勢分析、孤立點分析以及偏差分析等。2. 何謂數據倉庫？為什么要建立數據倉庫？數據倉庫是一種新的數據處理體系結構，是面向主題的、集成的、不可更新的(穩(wěn)定性)、隨時間不斷變化(不同時間)的數據集合3. 列舉操作型數據與分析型數據的主要區(qū)別。操作型數據分析型數據當前的、細節(jié)的歷史的、綜合的面向應用、事務驅動面向分析、分析驅動頻繁增、刪、改幾乎不更新，定期追加操作需求事先知道分析需求事先不知道生命周期符合SDLC完全不同的生命周期對性能要求高對性能要求寬松一次操作數據量小一次操作數據量大支持日常事務操作支持管理決策需求4. 何謂OLTP和OLAP？它們的主要異同

5、有哪些？OLTP即聯(lián)機事務處理，是以傳統(tǒng)數據庫為基礎、面向操作人員和低層管理人員、對基本數據進行查詢和增、刪、改等的日常事務處理。OLAP即聯(lián)機分析處理，是在OLTP基礎上發(fā)展起來的、以數據倉庫基礎上的、面向高層管理人員和專業(yè)分析人員、為企業(yè)決策支持服務。OLTP和OLAP的主要區(qū)別如下表：OLTPOLAP數據庫數據數據庫或數據倉庫數據細節(jié)性數據綜合性數據當前數據歷史數據經常更新不更新，但周期性刷新一次性處理的數據量小一次處理的數據量大對響應時間要求高響應時間合理用戶數量大用戶數據相對較少面向操作人員，支持日常操作面向決策人員，支持管理需要面向應用，事務驅動面向分析，分析驅動5. 何謂粒度？它

6、對數據倉庫有什么影響？按粒度組織數據的方式有哪些？粒度是指數據倉庫的數據單位中保存數據細化或綜合程度的級別。粒度影響存放在數據倉庫中的數據量的大小，同時影響數據倉庫所能回答查詢問題的細節(jié)程度。6. 簡述數據倉庫設計的三級模型及其基本內容。概念模型設計是在較高的抽象層次上的設計，其主要內容包括：界定系統(tǒng)邊界和確定主要的主題域。邏輯模型設計的主要內容包括：分析主題域、確定粒度層次劃分、確定數據分割策略、定義關系模式、定義記錄系統(tǒng)。物理數據模型設計的主要內容包括：確定數據存儲結構、確定數據存放位置、確定存儲分配以及確定索引策略等。提高性能的主要措施有劃分粒度、數據分割、合并表、建立數據序列、引入冗余

7、、生成導出數據、建立廣義索引等。7. 在數據挖掘之前為什么要對原始數據進行預處理？原始業(yè)務數據來自多個數據庫或數據倉庫，它們的結構和規(guī)則可能是不同的，這將導致原始數據非常的雜亂、不可用，即使在同一個數據庫中，也可能存在重復的和不完整的數據信息，為了使這些數據能夠符合數據挖掘的要求，提高效率和得到清晰的結果，必須進行數據的預處理。為數據挖掘算法提供完整、干凈、準確、有針對性的數據，減少算法的計算量，提高挖掘效率和準確程度。8. 簡述數據預處理方法和內容。 數據清洗：包括填充空缺值，識別孤立點，去掉噪聲和無關數據。 數據集成：將多個數據源中的數據結合起來存放在一個一致的數據存儲中。需要注意不同數據

8、源的數據匹配問題、數值沖突問題和冗余問題等。 數據變換：將原始數據轉換成為適合數據挖掘的形式。包括對數據的匯總、聚集、概化、規(guī)范化，還可能需要進行屬性的重構。 數據歸約：縮小數據的取值范圍，使其更適合于數據挖掘算法的需要，并且能夠得到和原始數據相同的分析結果。9. 簡述數據清理的基本內容。1. 聚類 2.空值處理.3.冗余和重復10. 何謂聚類？它與分類有什么異同？聚類是將物理或抽象對象的集合分組成為多個類或簇(cluster)的過程，使得在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。聚類與分類不同，聚類要劃分的類是未知的，分類則可按已知規(guī)則進行；聚類是一種無指導學習，它不

9、依賴預先定義的類和帶類標號的訓練實例，屬于觀察式學習，分類則屬于有指導的學習，是示例式學習。11. 設某事務項集構成如下表，填空完成其中支持度和置信度的計算。事務ID項集L2支持度%規(guī)則置信度%T1A, DA, B33.3AB50T2D, EA, C33.3CA60T3A, C, EA, D44.4AD66.7T4A, B, D, EB, D33.3BD75T5A, B, CC, D33.3CD60T6A, B, DD, E33.3DE43T7A, C, DT8C, D, ET9B, C, D 12. 簡述K-中心點算法的輸入、輸出及聚類過程(流程)。輸入：結果簇的數目k，包含n個對象的數據集輸出：k個簇，使得所有對象與其最近中心點的相異度總和最小。流程： 隨機選擇k個對