數(shù)據(jù)挖掘分析面試題

1、2011Alibaba數(shù)據(jù)分析師（實(shí)習(xí)）試題解析一、異常值是指什么？請(qǐng)列舉1種識(shí)別連續(xù)型變量異常值的方法？異常值（Outlier） 是指樣本中的個(gè)別值，其數(shù)值明顯偏離所屬樣本的其余觀測(cè)值。在數(shù)理統(tǒng)計(jì)里一般是指一組觀測(cè)值中與平均值的偏差超過(guò)兩倍標(biāo)準(zhǔn)差的測(cè)定值。Grubbs test（是以Frank E.Grubbs命名的），又叫maximumnormed residual test，是一種用于單變量數(shù)據(jù)集異常值識(shí)別的統(tǒng)計(jì)檢測(cè)，它假定數(shù)據(jù)集來(lái)自正態(tài)分布的總體。未知總體標(biāo)準(zhǔn)差，在五種檢驗(yàn)法中，優(yōu)劣次序?yàn)椋簍檢驗(yàn)法、格拉布斯檢驗(yàn)法、峰度檢驗(yàn)法、狄克遜檢驗(yàn)法、偏度檢驗(yàn)法。二、什么是聚類分析？聚類算法有哪

2、幾種？請(qǐng)選擇一種詳細(xì)描述其計(jì)算原理和步驟。聚類分析(clusteranalysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組(clusters)的統(tǒng)計(jì)分析技術(shù)。聚類分析也叫分類分析(classification analysis)或數(shù)值分類(numerical taxonomy)。聚類與分類的不同在于，聚類所要求劃分的類是未知的。聚類分析計(jì)算方法主要有： 層次的方法（hierarchical method）、劃分方法（partitioning method）、基于密度的方法（density-based method）、基于網(wǎng)格的方法（grid-based method）、基于模型的方法（model-

3、based method）等。其中，前兩種算法是利用統(tǒng)計(jì)學(xué)定義的距離進(jìn)行度量。k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。其流程如下：（1）從 n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心； （2）根據(jù)每個(gè)聚類

4、對(duì)象的均值（中心對(duì)象），計(jì)算每個(gè)對(duì)象與這些中心對(duì)象的距離；并根據(jù)最小距離重新對(duì)相應(yīng)對(duì)象進(jìn)行劃分；（3）重新計(jì)算每個(gè)（有變化）聚類的均值（中心對(duì)象）；（4）循環(huán)（2）、（3）直到每個(gè)聚類不再發(fā)生變化為止（標(biāo)準(zhǔn)測(cè)量函數(shù)收斂）。優(yōu) 點(diǎn)：本算法確定的K 個(gè)劃分到達(dá)平方誤差最小。當(dāng)聚類是密集的，且類與類之間區(qū)別明顯時(shí)，效果較好。對(duì)于處理大數(shù)據(jù)集，這個(gè)算法是相對(duì)可伸縮和高效的，計(jì)算的復(fù)雜度為 O(NKt)，其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)。一般來(lái)說(shuō)，K<<N，t<<N 。缺點(diǎn)：1. K 是事先給定的，但非常難以選定；2. 初始聚類中心的選擇對(duì)聚類結(jié)果有較大的影響。 三、根據(jù)要

5、求寫出SQL表A結(jié)構(gòu)如下：Member_ID （用戶的ID，字符型）Log_time （用戶訪問(wèn)頁(yè)面時(shí)間，日期型（只有一天的數(shù)據(jù)）URL （訪問(wèn)的頁(yè)面地址，字符型）要求：提取出每個(gè)用戶訪問(wèn)的第一個(gè)URL（按時(shí)間最早），形成一個(gè)新表（新表名為B，表結(jié)構(gòu)和表A一致）create table B as select Member_ID,min(Log_time), URL from A group by Member_ID ; 四、銷售數(shù)據(jù)分析以下是一家B2C電子商務(wù)網(wǎng)站的一周銷售數(shù)據(jù)，該網(wǎng)站主要用戶群是辦公室女性，銷售額主要集中在5種產(chǎn)品上，如果你是這家公司的分析師，a) 從數(shù)據(jù)中，你看

6、到了什么問(wèn)題？你覺(jué)得背后的原因是什么？b) 如果你的老板要求你提出一個(gè)運(yùn)營(yíng)改進(jìn)計(jì)劃，你會(huì)怎么做？表如下：一組每天某網(wǎng)站的銷售數(shù)據(jù)a) 從這一周的數(shù)據(jù)可以看出，周末的銷售額明顯偏低。這其中的原因，可以從兩個(gè)角度來(lái)看：站在消費(fèi)者的角度，周末可能不用上班，因而也沒(méi)有購(gòu)買該產(chǎn)品的欲望；站在產(chǎn)品的角度來(lái)看，該產(chǎn)品不能在周末的時(shí)候引起消費(fèi)者足夠的注意力。b) 針對(duì)該問(wèn)題背后的兩方面原因，我的運(yùn)營(yíng)改進(jìn)計(jì)劃也分兩方面：一是，針對(duì)消費(fèi)者周末沒(méi)有購(gòu)買欲望的心理，進(jìn)行引導(dǎo)提醒消費(fèi)者周末就應(yīng)該準(zhǔn)備好該產(chǎn)品；二是，通過(guò)該產(chǎn)品的一些類似于打折促銷等活動(dòng)來(lái)提升該產(chǎn)品在周末的人氣和購(gòu)買力。五、用戶調(diào)研某公司針對(duì)A、B、C三類

7、客戶，提出了一種統(tǒng)一的改進(jìn)計(jì)劃，用于提升客戶的周消費(fèi)次數(shù)，需要你來(lái)制定一個(gè)事前試驗(yàn)方案，來(lái)支持決策，請(qǐng)你思考下列問(wèn)題：a) 試驗(yàn)需要為決策提供什么樣的信息？c) 按照上述目的，請(qǐng)寫出你的數(shù)據(jù)抽樣方法、需要采集的數(shù)據(jù)指標(biāo)項(xiàng)，以及你選擇的統(tǒng)計(jì)方法。a) 試驗(yàn)要能證明該改進(jìn)計(jì)劃能顯著提升A、B、C三類客戶的周消費(fèi)次數(shù)。b) 根據(jù)三類客戶的數(shù)量，采用分層比例抽樣；需要采集的數(shù)據(jù)指標(biāo)項(xiàng)有：客戶類別，改進(jìn)計(jì)劃前周消費(fèi)次數(shù)，改進(jìn)計(jì)劃后周消費(fèi)次數(shù)；選用統(tǒng)計(jì)方法為：分別針對(duì)A、B、C三類客戶，進(jìn)行改進(jìn)前和后的周消費(fèi)次數(shù)的，兩獨(dú)立樣本T-檢驗(yàn)（two-samplet-test）。摘錄一段企業(yè)面對(duì)海量數(shù)據(jù)應(yīng)如何具體

8、實(shí)施數(shù)據(jù)挖掘，使之轉(zhuǎn)換成可行的結(jié)果/模型？首先進(jìn)行數(shù)據(jù)的預(yù)處理，主要進(jìn)行數(shù)據(jù)的清洗，數(shù)據(jù)清洗，處理空缺值，數(shù)據(jù)的集成，數(shù)據(jù)的變換和數(shù)據(jù)規(guī)約。請(qǐng)列舉您使用過(guò)的各種數(shù)據(jù)倉(cāng)庫(kù)工具軟件（包括建模工具，ETL工具，前端展現(xiàn)工具，OLAP Server、數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘工具）和熟悉程度。ETL工具：Ascential     DataStage       ，IBM    warehouse      MANAGER、Infor

9、matica公司的PowerCenter、Cognos   公司的DecisionStream市場(chǎng)上的主流數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)層軟件有：SQL    SERVER、SYBASE、ORACLE、DB2、TERADATA請(qǐng)談一下你對(duì)元數(shù)據(jù)管理在數(shù)據(jù)倉(cāng)庫(kù)中的運(yùn)用的理解。元數(shù)據(jù)能支持系統(tǒng)對(duì)數(shù)據(jù)的管理和維護(hù)，如關(guān)于數(shù)據(jù)項(xiàng)存儲(chǔ)方法的元數(shù)據(jù)能支持系統(tǒng)以最有效的方式訪問(wèn)數(shù)據(jù)。具體來(lái)說(shuō),在數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中，元數(shù)據(jù)機(jī)制主要支持以下五類系統(tǒng)管理功能：（）描述哪些數(shù)據(jù)在數(shù)據(jù)倉(cāng)庫(kù)中；（）定義要進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)和從數(shù)據(jù)倉(cāng)庫(kù)中產(chǎn)生的數(shù)據(jù)；（）記錄根據(jù)業(yè)務(wù)事件發(fā)生而隨之進(jìn)行的數(shù)據(jù)抽

10、取工作時(shí)間安排；（）記錄并檢測(cè)系統(tǒng)數(shù)據(jù)一致性的要求和執(zhí)行情況；（）衡量數(shù)據(jù)質(zhì)量。數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？（1）可伸縮性（2）處理不同類型屬性的能力（3）發(fā)現(xiàn)任意形狀的聚類（4）使輸入?yún)?shù)的領(lǐng)域知識(shí)最小化（5）處理噪聲數(shù)據(jù)的能力（6）對(duì)于輸入順序不敏感（7）高維性（8）基于約束的聚類（9）可解釋性和可利用性簡(jiǎn)述Apriori算法的思想，談?wù)勗撍惴ǖ膽?yīng)用領(lǐng)域并舉例。思想：其發(fā)現(xiàn)關(guān)聯(lián)規(guī)則分兩步，第一是通過(guò)迭代，檢索出數(shù)據(jù)源中所有煩瑣項(xiàng)集，即支持度不低于用戶設(shè)定的閥值的項(xiàng)即集，第二是利用第一步中檢索出的煩瑣項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則，其中，第一步即挖掘出所有頻繁項(xiàng)集是該算法的核心，也占

11、整個(gè)算法工作量的大部分。在商務(wù)、金融、保險(xiǎn)等領(lǐng)域皆有應(yīng)用。在建筑陶瓷行業(yè)中的交叉銷售應(yīng)用，主要采用了Apriori    算法通過(guò)閱讀該文擋，請(qǐng)同學(xué)們分析一下數(shù)據(jù)挖掘在電子商務(wù)領(lǐng)域的應(yīng)用情況（請(qǐng)深入分析并給出實(shí)例，切忌泛泛而談）？單選題1. 某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問(wèn)題？(A)   A. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)       B. 聚類   C. 分類     

12、0;         D. 自然語(yǔ)言處理2. 以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類算法的評(píng)價(jià)標(biāo)準(zhǔn)？ (A)  (a)警察抓小偷，描述警察抓的人中有多少個(gè)是小偷的標(biāo)準(zhǔn)。  (b)描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。  A. Precision,  Recall B. Recall,  Precision  A. Precision,  ROC D. Recall,  ROC3. 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下

13、哪個(gè)步驟的任務(wù)？(C)   A. 頻繁模式挖掘     B. 分類和預(yù)測(cè)     C. 數(shù)據(jù)預(yù)處理     D. 數(shù)據(jù)流挖掘4. 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離？(B)  A. 分類       B. 聚類      C. 關(guān)聯(lián)分析    

14、60; D. 隱馬爾可夫鏈5. 什么是KDD？ (A)  A. 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)    B. 領(lǐng)域知識(shí)發(fā)現(xiàn)  C. 文檔知識(shí)發(fā)現(xiàn)      D. 動(dòng)態(tài)知識(shí)發(fā)現(xiàn)6. 使用交互式的和可視化的技術(shù)，對(duì)數(shù)據(jù)進(jìn)行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？（A）A. 探索性數(shù)據(jù)分析    B. 建模描述  C. 預(yù)測(cè)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(wèn)題屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(B)  A. 探索性數(shù)據(jù)分析

15、0;   B. 建模描述  C. 預(yù)測(cè)建模  D. 尋找模式和規(guī)則8. 建立一個(gè)模型，通過(guò)這個(gè)模型根據(jù)已知的變量值來(lái)預(yù)測(cè)其他某個(gè)變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(C)  A. 根據(jù)內(nèi)容檢索    B. 建模描述  C. 預(yù)測(cè)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(wù)？(A)  A. 根據(jù)內(nèi)容檢索    B. 建模描述  C. 預(yù)測(cè)建模  D. 尋找模式和規(guī)則 

16、;                  11.下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？ (D)A變量代換   B離散化  C 聚集 D 估計(jì)遺漏值                12. 假設(shè)12個(gè)銷售價(jià)格記錄組已經(jīng)排序如下：5,

17、10, 11, 13, 15,35, 50, 55, 72, 92, 204, 215 使用如下每種方法將它們劃分成四個(gè)箱。等頻（等深）劃分時(shí)，15在第幾個(gè)箱子內(nèi)？ (B)A 第一個(gè)      B  第二個(gè)  C 第三個(gè)   D 第四個(gè)               13.上題中，等寬劃分時(shí)（寬度為50），15又在哪個(gè)箱子里？ (A)A 第一個(gè)

18、60;     B  第二個(gè)  C 第三個(gè)   D 第四個(gè)              14.下面哪個(gè)不屬于數(shù)據(jù)的屬性類型：(D)A 標(biāo)稱    B 序數(shù)   C 區(qū)間     D相異        &

19、#160;             15. 在上題中，屬于定量的屬性類型是：(C)A 標(biāo)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(jì)數(shù)屬性  B 離散屬性 C非對(duì)稱的二

20、元屬性  D 對(duì)稱屬性       17. 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法：         (D)A嵌入  B 過(guò)濾    C  包裝   D  抽樣                 

21、;        18.下面不屬于創(chuàng)建新屬性的相關(guān)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(gòu)造                 19. 考慮值集1、2、3、4、5、90，其截?cái)嗑担╬=20%）是 (C

22、)A 2    B 3  C 3.5    D 5                                  20. 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？ (A)A 傅立

23、葉變換   B特征加權(quán)   C 漸進(jìn)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(shè)

24、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0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：(D)A 0.821   B 1.224   C 1.458 D 0.716                23.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，

25、21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 問(wèn)題：使用按箱平均值平滑方法對(duì)上述數(shù)據(jù)進(jìn)行平滑，箱的深度為3。第二個(gè)箱子值為：(A)A 18.3    B 22.6   C 26.8 D 27.9          24. 考慮值集12 24 332 4 55 68 26，其四分位數(shù)極差是：(A)A 31    B 24  

26、0;  C 55   D 3                           25. 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級(jí)200人，二年級(jí)160人，三年級(jí)130人，四年級(jí)110人。則年級(jí)屬性的眾數(shù)是： (A)A 一年級(jí)    B二年級(jí)  

27、;  C 三年級(jí)     D 四年級(jí)         26. 下列哪個(gè)不是專門用于可視化時(shí)間空間數(shù)據(jù)的技術(shù)： (B)A 等高線圖    B餅圖  C 曲面圖 D 矢量場(chǎng)圖              27. 在抽樣方法中，當(dāng)合適的樣本容量很難確定時(shí)，可以使用的抽樣方法是：

28、 (D)A 有放回的簡(jiǎn)單隨機(jī)抽樣   B無(wú)放回的簡(jiǎn)單隨機(jī)抽樣  C分層抽樣 D 漸進(jìn)抽樣28. 數(shù)據(jù)倉(cāng)庫(kù)是隨著時(shí)間變化的,下面的描述不正確的是 (C)A. 數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)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(huì)覆蓋原來(lái)的快照;C. 數(shù)據(jù)倉(cāng)庫(kù)隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D. 數(shù)據(jù)倉(cāng)庫(kù)中包含大量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重新綜合.29. 關(guān)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(cāng)庫(kù),數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;B. 基本元數(shù)據(jù)包括與企業(yè)相關(guān)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(jiǎn)歷執(zhí)行

29、處理的時(shí)序調(diào)度信息;D. 基本元數(shù)據(jù)包括關(guān)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(guān)于數(shù)據(jù)粒度的描述不正確的是: (C)A. 粒度是指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別;B. 數(shù)據(jù)越詳細(xì),粒度就越小,級(jí)別也就越高;C. 數(shù)據(jù)綜合度越高,粒度也就越大,級(jí)別也就越高;D. 粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢質(zhì)量.31. 有關(guān)數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)特點(diǎn),不正確的描述是: (A)A. 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉(cāng)庫(kù)使用的需求在開發(fā)出去就要明確;C. 數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)是一個(gè)不斷循環(huán)的過(guò)程,是啟發(fā)式的開發(fā);D. 在數(shù)據(jù)倉(cāng)庫(kù)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

30、流,數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)分析和處理更靈活,且沒(méi)有固定的模式32. 在有關(guān)數(shù)據(jù)倉(cāng)庫(kù)測(cè)試,下列說(shuō)法不正確的是: (D)A. 在完成數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中,需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行各種測(cè)試.測(cè)試工作中要包括單元測(cè)試和系統(tǒng)測(cè)試.B. 當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的每個(gè)單獨(dú)組件完成后,就需要對(duì)他們進(jìn)行單元測(cè)試.C. 系統(tǒng)的集成測(cè)試需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)的所有組件進(jìn)行大量的功能測(cè)試和回歸測(cè)試.D. 在測(cè)試之前沒(méi)必要制定詳細(xì)的測(cè)試計(jì)劃.33. OLAP技術(shù)的核心是: (D)A. 在線性;B. 對(duì)用戶的快速響應(yīng);C. 互操作性.D. 多維分析;34. 關(guān)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

31、 (5)共享性A. (1) (2) (3)B. (2) (3) (4)C. (1) (2) (3) (4)D. (1) (2) (3) (4) (5)35. 關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是: (C)A. OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應(yīng)用程序不同.B. 與OLAP應(yīng)用程序不同,OLTP應(yīng)用程序包含大量相對(duì)簡(jiǎn)單的事務(wù).C. OLAP的特點(diǎn)在于事務(wù)量大,但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高.D. OLAP是以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的,但其最終數(shù)據(jù)來(lái)源與OLTP一樣均來(lái)自底層的數(shù)據(jù)庫(kù)系統(tǒng),兩者面對(duì)的用戶是相同的.36. OLAM技術(shù)一般簡(jiǎn)稱為”數(shù)據(jù)聯(lián)機(jī)分析挖掘”,下面說(shuō)法

32、正確的是: (D)A. OLAP和OLAM都基于客戶機(jī)/服務(wù)器模式,只有后者有與用戶的交互性;B. 由于OLAM的立方體和用于OLAP的立方體有本質(zhì)的區(qū)別.C. 基于WEB的OLAM是WEB技術(shù)與OLAM技術(shù)的結(jié)合.D. OLAM服務(wù)器通過(guò)用戶圖形借口接收用戶的分析指令,在元數(shù)據(jù)的知道下,對(duì)超級(jí)立方體作一定的操作.37. 關(guān)于OLAP和OLTP的說(shuō)法,下列不正確的是: (A)A. OLAP事務(wù)量大,但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高.B. OLAP的最終數(shù)據(jù)來(lái)源與OLTP不一樣.C. OLTP面對(duì)的是決策人員和高層管理人員.D. OLTP以應(yīng)用為核心,是應(yīng)用驅(qū)動(dòng)的.38. 設(shè)X=1，2，3是頻繁項(xiàng)集

33、，則可由X產(chǎn)生_(C)_個(gè)關(guān)聯(lián)規(guī)則。A、4 B、5 C、6 D、7     40. 概念分層圖是_(B)_圖。A、無(wú)向無(wú)環(huán) B、有向無(wú)環(huán) C、有向有環(huán) D、無(wú)向有環(huán)41. 頻繁項(xiàng)集、頻繁閉項(xiàng)集、最大頻繁項(xiàng)集之間的關(guān)系是： (C)A、頻繁項(xiàng)集 頻繁閉項(xiàng)集 =最大頻繁項(xiàng)集B、頻繁項(xiàng)集 = 頻繁閉項(xiàng)集 最大頻繁項(xiàng)集C、頻繁項(xiàng)集 頻繁閉項(xiàng)集最大頻繁項(xiàng)集D、頻繁項(xiàng)集 = 頻繁閉項(xiàng)集 = 最大頻繁項(xiàng)集42. 考慮下面的頻繁3-項(xiàng)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(gè)項(xiàng)，采

34、用合并策略，由候選產(chǎn)生過(guò)程得到4-項(xiàng)集不包含（C）A、1，2，3，4 B、1，2，3，5 C、1，2，4，5 D、1，3，4，543.下面選項(xiàng)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(jié)構(gòu)，這樣的任務(wù)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(xiàng)挖掘 D、頻繁模式

35、挖掘45. 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(wù)中的方法。A、與同一時(shí)期其他數(shù)據(jù)對(duì)比B、可視化C、基于模板的方法D、主觀興趣度量47. 下面購(gòu)物籃能夠提取的3-項(xiàng)集的最大數(shù)量是多少（C）ID 購(gòu)買項(xiàng)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，C

36、4.5  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(wèn)題， A，KNN B，SVM C，Bayes D，神經(jīng)網(wǎng)絡(luò)  （A）    50. 決策樹中不包含一下哪種結(jié)點(diǎn)，A,根結(jié)點(diǎn)（root node) B,內(nèi)部結(jié)點(diǎn)（internal node） C,外部結(jié)點(diǎn)（external node） D,葉結(jié)點(diǎn)（leaf node） (C)51. 不純性度量中Gini計(jì)算公式為（其中c是類的個(gè)數(shù)） (A)A,   B, C,  

37、60; D,      （A）53. 以下哪項(xiàng)關(guān)于決策樹的說(shuō)法是錯(cuò)誤的 (C)A. 冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響 B. 子樹可能在決策樹中重復(fù)多次  C. 決策樹算法對(duì)于噪聲的干擾非常敏感  D. 尋找最佳決策樹是NP完全問(wèn)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(duì)規(guī)則排序，保證每一個(gè)測(cè)試記錄都是由覆蓋它的“最好的”規(guī)格來(lái)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&#

38、160; 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(wú)序規(guī)則  B，窮舉規(guī)則  C，互斥規(guī)則  D，有序規(guī)則57. 如果對(duì)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(wú)序規(guī)則  B，窮舉規(guī)則  C，互斥規(guī)則 D，有序規(guī)則

39、58. 如果規(guī)則集中的規(guī)則按照優(yōu)先級(jí)降序排列，則稱規(guī)則集是 (D)A, 無(wú)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(duì)相應(yīng)類的一次投票，然后計(jì)票確定測(cè)試記錄的類標(biāo)號(hào)，稱為（A）  A, 無(wú)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(duì)之間的足球比賽：隊(duì)0和隊(duì)1。假設(shè)65%的比賽隊(duì)0勝出，剩余的比賽隊(duì)1獲勝。隊(duì)0獲勝的比賽中只有30%是在隊(duì)1的主場(chǎng)，而隊(duì)1取勝的比賽中75%是主場(chǎng)獲勝。如果下一場(chǎng)比賽在隊(duì)1的主場(chǎng)進(jìn)

40、行隊(duì)1獲勝的概率為 (C)A，0.75  B,0.35 C,0.4678  D, 0.573861. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN）的描述錯(cuò)誤的有 (A)A，神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒 B，可以處理冗余特征  C，訓(xùn)練ANN是一個(gè)很耗時(shí)的過(guò)程  D，至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)62. 通過(guò)聚集多個(gè)分類器的預(yù)測(cè)來(lái)提高分類準(zhǔn)確率的技術(shù)稱為 (A) A,組合(ensemble)   B,聚集(aggregate)  C，合并(combination)  D，投票(voting)63. 簡(jiǎn)單

41、地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集，使得每個(gè)數(shù)據(jù)對(duì)象恰在一個(gè)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(dāng)鄰近度函數(shù)采用（ A ）的時(shí)候，合適的質(zhì)心是簇中各點(diǎn)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 

42、0;    D、Bregman散度 65.（ C ）是一個(gè)觀測(cè)值，它與其他觀測(cè)值的差別如此之大，以至于懷疑它是由不同的機(jī)制產(chǎn)生的。   A、邊界點(diǎn)      B、質(zhì)心      C、離群點(diǎn)      D、核心點(diǎn)66. BIRCH是一種（ B ）。   A、分類器      B、聚類算法   

43、;   C、關(guān)聯(lián)分析算法      D、特征選擇算法67. 檢測(cè)一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測(cè)中的基于（ A ）的離群點(diǎn)檢測(cè)。   A、統(tǒng)計(jì)方法      B、鄰近度      C、密度      D、聚類技術(shù)68.（ C ）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對(duì)的平均逐對(duì)鄰近度，它是一種凝聚層次聚類技術(shù)。   A、MIN（單鏈）&

44、#160;     B、MAX（全鏈）      C、組平均      D、Ward方法69.（ D ）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。   A、MIN（單鏈）      B、MAX（全鏈）      C、組平均      D、Ward方法

45、70.  DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（ B ）。   A、O(m)      B、O(m2)      C、O(log m)      D、O(m*log m)71. 在基于圖的簇評(píng)估度量表里面，如果簇度量為proximity(Ci , C)，簇權(quán)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

46、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(guān)于K均值和DBSCAN的比較，以下說(shuō)法不正確的是（ A ）。   A、K均值丟棄被它識(shí)別為噪聲的對(duì)象，而DBSCAN一般聚類所有對(duì)象。   B、K均值使用簇的基于原型的概念，而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

47、離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN會(huì)合并有重疊的簇。73. 以下是哪一個(gè)聚類算法的算法流程：構(gòu)造k最近鄰圖。使用多層圖劃分算法劃分圖。repeat：合并關(guān)于相對(duì)互連性和相對(duì)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、JarvisPatrick（JP）74. 考慮這么一種情況：一個(gè)對(duì)

48、象碰巧與另一個(gè)對(duì)象相對(duì)接近，但屬于不同的類，因?yàn)檫@兩個(gè)對(duì)象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（ D ）的相似度計(jì)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. 以下屬于可伸縮聚類算法的是（A ）。A、CURE      B、DENCLUE      C、CLI

49、QUE      D、OPOSSUM76. 以下哪個(gè)聚類算法不是屬于基于原型的聚類（ D ）。  A、模糊c均值      B、EM算法      C、SOM      D、CLIQUE77. 關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn)，下面說(shuō)法正確的是（ B ）。   A、當(dāng)簇只包含少量數(shù)據(jù)點(diǎn)，或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí)，混合模型也能很好地處理。   B、混合模型

50、比K均值或模糊c均值更一般，因?yàn)樗梢允褂酶鞣N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(diǎn)時(shí)不會(huì)存在問(wèn)題。78. 以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（ D ）。A、STING      B、WaveCluster      C、MAFIA      D、BIRCH79. 一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周圍密度的逆。這是基于（ C ）的離群點(diǎn)定義。

51、60;  A概率      B、鄰近度      C、密度      D、聚類80. 下面關(guān)于JarvisPatrick（JP）聚類算法的說(shuō)法不正確的是（ D ）。   A、JP聚類擅長(zhǎng)處理噪聲和離群點(diǎn)，并且能夠處理不同大小、形狀和密度的簇。   B、JP算法對(duì)高維數(shù)據(jù)效果良好，尤其擅長(zhǎng)發(fā)現(xiàn)強(qiáng)相關(guān)對(duì)象的緊致簇。   C、JP聚類是基于SNN相似度的概念。  

52、 D、JP聚類的基本時(shí)間復(fù)雜度為O(m)。二、 多選題1. 通過(guò)數(shù)據(jù)挖掘過(guò)程所推倒出的關(guān)系和摘要經(jīng)常被稱為：(A B)  A. 模型    B. 模式     C. 模范      D. 模具2 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價(jià)值地總結(jié)了數(shù)據(jù)的某一特征的表示，這個(gè)過(guò)程包括了以下哪些步驟？ (A B C D)A. 決定要使用的表示的特征和結(jié)構(gòu)B. 決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞C. 選擇一個(gè)算法過(guò)程使評(píng)分函數(shù)最優(yōu)D. 決定用什么樣的數(shù)據(jù)管理原則

53、以高效地實(shí)現(xiàn)算法。3. 數(shù)據(jù)挖掘的預(yù)測(cè)建模任務(wù)主要包括哪幾大類問(wèn)題？ (A B)   A. 分類  B. 回歸  C. 模式發(fā)現(xiàn)   D. 模式匹配4. 數(shù)據(jù)挖掘算法的組件包括：(AB C D)   A. 模型或模型結(jié)構(gòu)  B. 評(píng)分函數(shù)   C. 優(yōu)化和搜索方法   D. 數(shù)據(jù)管理策略5. 以下哪些學(xué)科和數(shù)據(jù)挖掘有密切聯(lián)系？(A D)  A. 統(tǒng)計(jì)      B. 計(jì)算機(jī)組成原理 &#

54、160; C. 礦產(chǎn)挖掘    D. 人工智能6. 在現(xiàn)實(shí)世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的。描述處理該問(wèn)題的各種方法有： ()A忽略元組      C使用一個(gè)全局常量填充空缺值B使用屬性的平均值填充空缺值   D使用與給定元組屬同一類的所有樣本的平均值       E使用最可能的值填充空缺值7.下面哪些屬于可視化高維數(shù)據(jù)技術(shù) ()A  矩陣   B 平行坐標(biāo)系   C星形坐標(biāo)

55、  D散布圖  E Chernoff臉8. 對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問(wèn)題有： ()A 不一致    B重復(fù)  C不完整 D 含噪聲 E 維度高 9.下列屬于不同的有序數(shù)據(jù)的有：()A 時(shí)序數(shù)據(jù)    B 序列數(shù)據(jù)    C時(shí)間序列數(shù)據(jù)    D事務(wù)數(shù)據(jù)     E空間數(shù)據(jù) 10.下面屬于數(shù)據(jù)集的一般特性的有：( B C D)A 連續(xù)性  B 維度 &

56、#160;  C稀疏性 D 分辨率  E 相異性11. 下面屬于維歸約常用的線性代數(shù)技術(shù)的有： (A C)A 主成分分析  B 特征提取  C 奇異值分解  D特征加權(quán)   E 離散化12. 下面列出的條目中，哪些是數(shù)據(jù)倉(cāng)庫(kù)的基本特征：  (ACD)A. 數(shù)據(jù)倉(cāng)庫(kù)是面向主題的           B. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的  C. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是相對(duì)穩(wěn)定的  &#

57、160;    D. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是反映歷史變化的 E. 數(shù)據(jù)倉(cāng)庫(kù)是面向事務(wù)的13. 以下各項(xiàng)均是針對(duì)數(shù)據(jù)倉(cāng)庫(kù)的不同說(shuō)法，你認(rèn)為正確的有（BCDE     ）。A數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)B數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)C數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTP）D數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理E數(shù)據(jù)倉(cāng)庫(kù)的主要目標(biāo)就是幫助分析，做長(zhǎng)期性的戰(zhàn)略制定14.  數(shù)據(jù)倉(cāng)庫(kù)在技術(shù)上的工作過(guò)程是： (ABCD)A. 數(shù)據(jù)的抽取     B. 存儲(chǔ)和管理  

58、    C. 數(shù)據(jù)的表現(xiàn)D. 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)   E. 數(shù)據(jù)的表現(xiàn)15. 聯(lián)機(jī)分析處理包括以下哪些基本分析功能？ (BCD)A. 聚類   B. 切片   C. 轉(zhuǎn)軸  D. 切塊   E. 分類16. 利用Apriori算法計(jì)算頻繁項(xiàng)集可以有效降低計(jì)算頻繁集的時(shí)間復(fù)雜度。在以下的購(gòu)物籃中產(chǎn)生支持度不小于3的候選3-項(xiàng)集，在候選2-項(xiàng)集中需要剪枝的是（BD）ID 項(xiàng)集1 面包、牛奶2 面包、尿布、啤酒、雞蛋3 牛奶、尿布、啤酒、可樂(lè)4 面包、牛奶、尿布、啤酒5 面包、

59、牛奶、尿布、可樂(lè)A、啤酒、尿布    B、啤酒、面包   C、面包、尿布   D、啤酒、牛奶17. 下表是一個(gè)購(gòu)物籃，假定支持度閾值為40%，其中_(A D)_是頻繁閉項(xiàng)集。TID 項(xiàng)1 abc2 abcd3 bce4 acde5 deA、abc B、adC、cd D、de18. Apriori算法的計(jì)算復(fù)雜度受_(ABCD)?_影響。A、支持度閥值 B、項(xiàng)數(shù)（維度）C、事務(wù)數(shù) D、事務(wù)平均寬度19. 非頻繁模式_(AD)_A、其支持度小于閾值 B、都是不讓人感興趣的C、包含負(fù)模式和負(fù)相關(guān)模式 D、對(duì)異常數(shù)據(jù)項(xiàng)敏感20. 以

60、下屬于分類器評(píng)價(jià)或比較尺度的有: A,預(yù)測(cè)準(zhǔn)確度 B,召回率 C,模型描述的簡(jiǎn)潔度 D,計(jì)算復(fù)雜度  (ACD)21. 在評(píng)價(jià)不平衡類問(wèn)題分類的度量方法有如下幾種，A,F1度量 B,召回率（recall） C,精度（precision） D,真正率（turepositive rate,TPR）  (ABCD)22. 貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)，A,構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力 B,對(duì)模型的過(guò)分問(wèn)題非常魯棒 C,貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù) D,網(wǎng)絡(luò)結(jié)構(gòu)確定后，添加變量相當(dāng)麻煩   （AB）23. 如下哪些不是最近鄰分類器的特點(diǎn)，A,它使用具體的訓(xùn)練實(shí)

61、例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型 B,分類一個(gè)測(cè)試樣例開銷很大C,最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè) D,可以生產(chǎn)任意形狀的決策邊界   (C)24. 如下那些不是基于規(guī)則分類器的特點(diǎn)，A,規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好 B,基于規(guī)則的分類器都對(duì)屬性空間進(jìn)行直線劃分，并將類指派到每個(gè)劃分 C,無(wú)法被用來(lái)產(chǎn)生更易于解釋的描述性模型 D,非常適合處理類分布不平衡的數(shù)據(jù)集    （AC）25. 以下屬于聚類算法的是（ABD ）。   A、K均值      B、DBSCAN 

62、;     C、Apriori      D、Jarvis-Patrick（JP）26.（ CD ）都屬于簇有效性的監(jiān)督度量。   A、輪廓系數(shù)      B、共性分類相關(guān)系數(shù)      C、熵      D、F度量27. 簇有效性的面向相似性的度量包括（ BC ）。   A、精度   &

63、#160;  B、Rand統(tǒng)計(jì)量      C、Jaccard系數(shù)      D、召回率28.（ ABCD ）這些數(shù)據(jù)特性都是對(duì)聚類分析具有很強(qiáng)影響的。   A、高維性      B、規(guī)模      C、稀疏性      D、噪聲和離群點(diǎn)29. 在聚類分析當(dāng)中，（ AD ）等技術(shù)可以處理任意形狀的簇。 

64、60; A、MIN（單鏈）      B、MAX（全鏈）      C、組平均      D、Chameleon30. （ AB ）都屬于分裂的層次聚類算法。   A、二分K均值      B、MST      C、Chameleon      D、組平均1. 數(shù)據(jù)挖掘的主要任務(wù)

65、是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成描述數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)等任務(wù)。 (對(duì))2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略，而在于對(duì)于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘。（對(duì)）3. 圖挖掘技術(shù)在社會(huì)網(wǎng)絡(luò)分析中扮演了重要的角色。（對(duì)）4. 模式為對(duì)數(shù)據(jù)集的全局性總結(jié)，它對(duì)整個(gè)測(cè)量空間的每一點(diǎn)做出描述；模型則對(duì)變量變化空間的一個(gè)有限區(qū)域做出描述。（錯(cuò)）5. 尋找模式和規(guī)則主要是對(duì)數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式。（錯(cuò)）6. 離群點(diǎn)可以是合法的數(shù)據(jù)對(duì)象或者值。（對(duì)）7. 離散屬性總是具有有限個(gè)值。（錯(cuò)）8. 噪聲和偽像是數(shù)據(jù)錯(cuò)誤這一相同表述的兩種叫法。（錯(cuò)）9. 用于分類的離散化方法之間的根本區(qū)別在于是否使

66、用類信息。（對(duì)）10. 特征提取技術(shù)并不依賴于特定的領(lǐng)域。（錯(cuò)）11. 序列數(shù)據(jù)沒(méi)有時(shí)間戳。（對(duì)）12. 定量屬性可以是整數(shù)值或者是連續(xù)值。（對(duì)）13. 可視化技術(shù)對(duì)于分析的數(shù)據(jù)類型通常不是專用性的。（錯(cuò)）14. DSS主要是基于數(shù)據(jù)倉(cāng)庫(kù).聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用。（對(duì)）15. OLAP技術(shù)側(cè)重于把數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析、轉(zhuǎn)換成輔助決策信息，是繼數(shù)據(jù)庫(kù)技術(shù)發(fā)展之后迅猛發(fā)展起來(lái)的一種新技術(shù)。（對(duì)）16. 商業(yè)智能系統(tǒng)與一般交易系統(tǒng)之間在系統(tǒng)設(shè)計(jì)上的主要區(qū)別在于：后者把結(jié)構(gòu)強(qiáng)加于商務(wù)之上，一旦系統(tǒng)設(shè)計(jì)完畢，其程序和規(guī)則不會(huì)輕易改變；而前者則是一個(gè)學(xué)習(xí)型系統(tǒng)，能自動(dòng)適應(yīng)商務(wù)不斷變化的要求。（

67、對(duì)）17. 數(shù)據(jù)倉(cāng)庫(kù)中間層OLAP服務(wù)器只能采用關(guān)系型OLAP          （錯(cuò)）18數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的組成部分包括數(shù)據(jù)倉(cāng)庫(kù)，倉(cāng)庫(kù)管理，數(shù)據(jù)抽取，分析工具等四個(gè)部分. (錯(cuò))19. Web數(shù)據(jù)挖掘是通過(guò)數(shù)據(jù)庫(kù)仲的一些屬性來(lái)預(yù)測(cè)另一個(gè)屬性,它在驗(yàn)證用戶提出的假設(shè)過(guò)程中提取信息.   （錯(cuò)）21. 關(guān)聯(lián)規(guī)則挖掘過(guò)程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則。（錯(cuò)）22. 利用先驗(yàn)原理可以幫助減少頻繁項(xiàng)集產(chǎn)生時(shí)需要探查的候選項(xiàng)個(gè)數(shù)（對(duì)）。23. 先驗(yàn)原理可以表述為：如果一個(gè)項(xiàng)集是頻繁的，那包

68、含它的所有項(xiàng)集也是頻繁的。（錯(cuò)24. 如果規(guī)則 不滿足置信度閾值，則形如的規(guī)則一定也不滿足置信度閾值，其中 是X的子集。（對(duì)）25. 具有較高的支持度的項(xiàng)集具有較高的置信度。（錯(cuò)）26. 聚類（clustering）是這樣的過(guò)程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型(或函數(shù))，以便能夠使用模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類。  （錯(cuò)）27. 分類和回歸都可用于預(yù)測(cè)，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。(對(duì))28. 對(duì)于SVM分類算法，待分樣本集中的大部分樣本不是支持向量，移去或者減少這些樣本對(duì)分類結(jié)果沒(méi)有影響。（對(duì)）29. Bayes法是一種在已知后驗(yàn)概率與類條件概率的情況下的模

69、式分類方法，待分樣本的分類結(jié)果取決于各類域中樣本的全體。   (錯(cuò))30.分類模型的誤差大致分為兩種：訓(xùn)練誤差（training error）和泛化誤差（generalization error）.    (對(duì))31. 在決策樹中，隨著樹中結(jié)點(diǎn)數(shù)變得太大，即使模型的訓(xùn)練誤差還在繼續(xù)減低，但是檢驗(yàn)誤差開始增大，這是出現(xiàn)了模型擬合不足的問(wèn)題。（錯(cuò)）32. SVM是這樣一個(gè)分類器，他尋找具有最小邊緣的超平面，因此它也經(jīng)常被稱為最小邊緣分類器（minimal margin classifier）     (錯(cuò))3

70、3. 在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差。（錯(cuò)）34. 聚類分析可以看作是一種非監(jiān)督的分類。（對(duì)）35. K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個(gè)數(shù)由算法自動(dòng)地確定。（錯(cuò)36. 給定由兩次運(yùn)行K均值產(chǎn)生的兩個(gè)不同的簇集，誤差的平方和最大的那個(gè)應(yīng)該被視為較優(yōu)。（錯(cuò)）37. 基于鄰近度的離群點(diǎn)檢測(cè)方法不能處理具有不同密度區(qū)域的數(shù)據(jù)集。（對(duì)）38. 如果一個(gè)對(duì)象不強(qiáng)屬于任何簇，那么該對(duì)象是基于聚類的離群點(diǎn)。（對(duì)）39. 從點(diǎn)作為個(gè)體簇開始，每一步合并兩個(gè)最接近的簇，這是一種分裂的層次聚類方法。（錯(cuò)）40. DBSCAN是相對(duì)抗噪聲的，并且能夠處理任意形狀和

71、大小的簇。（對(duì)）普加搜索引擎面試題：一、基本問(wèn)答題：1.冒泡和插入排序哪個(gè)快？快多少？一樣快（如果插入排序指的是直接插入排序的話）一樣快（如果插入排序指的是折半插入排序的話）一樣快（如果插入排序指的是二路插入排序的話）一樣快（如果插入排序指的是表插入排序的話）插入排序快（如果插入排序指的是希爾插入排序的話）理論上快O（n2） O（n1.3）。 2.請(qǐng)說(shuō)明冒泡排序和插入排序的序列應(yīng)用何種數(shù)據(jù)結(jié)構(gòu)儲(chǔ)存更好？分別對(duì)應(yīng)著STL中哪個(gè)Tempelate?冒泡排序用數(shù)組比較好，對(duì)應(yīng)著template中的vector；插入排序用鏈表比較好，對(duì)應(yīng)著template中的deque。 3.在只

72、有命令行的條件下，你喜歡怎樣調(diào)試程序？在linux平臺(tái)下下用gcc進(jìn)行編譯，在windows平臺(tái)下用cl.exe進(jìn)行編譯，用make工具根據(jù)目標(biāo)文件上一次編譯的時(shí)間和所依賴的源文件的更新時(shí)間自動(dòng)判斷應(yīng)當(dāng)編譯哪些源文件，提高程序調(diào)試的效率。 4.數(shù)據(jù)的邏輯存儲(chǔ)結(jié)構(gòu)（如數(shù)組，隊(duì)列，樹等）對(duì)于軟件開發(fā)具有十分重要的影響，試對(duì)你所了解的各種存儲(chǔ)結(jié)構(gòu)從運(yùn)行速度、存儲(chǔ)效率和適用場(chǎng)合等方面進(jìn)行簡(jiǎn)要地分析。   運(yùn)行速度存儲(chǔ)效率適用場(chǎng)合數(shù)組快高比較適合進(jìn)行查找操作，還有像類似于矩陣等的操作鏈表較快較高比較適合增刪改頻繁操作，動(dòng)態(tài)的分配內(nèi)存隊(duì)列較快較高比較適合進(jìn)行任務(wù)類等的調(diào)度棧一般較高比較適合遞歸類程序的改寫二叉樹（樹）較快一般一切具有層次關(guān)系的問(wèn)題都可用樹來(lái)描述圖一般一般除了像最小生成樹、最短路徑、拓?fù)渑判虻冉?jīng)典用途。還被用于像神經(jīng)網(wǎng)絡(luò)等人工智能領(lǐng)域等等。 5.什么是分布式數(shù)據(jù)庫(kù)？分布式數(shù)據(jù)庫(kù)系統(tǒng)是在集中式數(shù)據(jù)庫(kù)系統(tǒng)成熟技術(shù)的基礎(chǔ)上發(fā)展起來(lái)的，但不是簡(jiǎn)單地把集中式數(shù)據(jù)庫(kù)分散地實(shí)現(xiàn)，它