數(shù)據(jù)挖掘考試題目關(guān)聯(lián)分析

1、數(shù)據(jù)挖掘考試題目一一關(guān)聯(lián)分析、10個選擇1 .以下屬于關(guān)聯(lián)分析的是（）A. CPU生能預(yù)測C.自動判斷鶯尾花類別B.購物籃分析D.股票趨勢建模2.維克托？邁爾-舍恩伯格在大數(shù)據(jù)時代：生活、工作與思維的大變革一書中，持續(xù)強調(diào) 了一個觀點：大數(shù)據(jù)時代的到來，使我們無法人為地去發(fā)現(xiàn)數(shù)據(jù)中的奧妙，與此同時，我們更應(yīng)該注重數(shù)據(jù)中的相關(guān)關(guān)系，而不是因果關(guān)系。其中，數(shù)據(jù)之間的相關(guān)關(guān)系可以通過以下哪個算法直接挖掘（）A. K-meansC. C4.5B. Bayes NetworkD. Apriori3.置信度（confidence）是衡量興趣度度量（）的指標(biāo)。A.簡潔性C.實用性B.確定性D.新穎性4.Ap

2、riori算法的加速過程依賴于以下哪個策略（）A.抽樣C.緩沖B.剪枝D.并行5.以下哪個會降低Apriori算法的挖掘效率（）A.支持度閾值增大C.事務(wù)數(shù)減少6 .Apriori算法使用到以下哪些東東（A.格結(jié)構(gòu)、后向無外圖C.格結(jié)構(gòu)、哈希樹7 .非頻繁模式（）A.其置信度小于閾值C.包含負模式和負相關(guān)模式B.項數(shù)減少D.減小硬盤讀寫速率）B.二叉樹、哈希樹D.多叉樹、有向無環(huán)圖B.令人不感興趣D.對異常數(shù)據(jù)項敏感8.對頻繁項集、頻繁閉項集、極大頻繁項集的關(guān)系描述正確的是（）注:分別以1、2、3代表之A. 3可以還原出無損的1C. 3與2是完全等價的B. 2可以還原出無損的1D. 2與1是完

3、全等價的9.Hash tree 在Apriori算法中所起的作用是（）A.存儲數(shù)據(jù)C.加速查找10.以卜小屬十?dāng)?shù)據(jù)挖掘軟件的是（A. SPSS ModelerC. Apache SparkB.查找D.剪枝)B. WekaD. Knime二、10個填空1 .關(guān)聯(lián)分析中表示關(guān)聯(lián)關(guān)系的方法主要有： 和 2 .關(guān)聯(lián)規(guī)則的評價度量主要有： 和 。3 .關(guān)聯(lián)規(guī)則挖掘的算法主要有： 和。4 .購物籃分析中，數(shù)據(jù)是以 的形式呈現(xiàn)。5 .一個項集滿足最小支持度，我們稱之為 。6 .一個關(guān)聯(lián)規(guī)則同時滿足最小支持度和最小置信度，我們稱之為 7 .在回歸與相關(guān)分析中，因變量值隨自變量值的增大(減小)而減小(增大)的現(xiàn)

4、象叫 做。8 .極大頻繁項集不能無損還原出頻繁項集，是因為它不包含頻繁項集的 信息。9 .經(jīng)典的Apriori算法是逐層掃描的，也就是說它是(選:深度/寬度)優(yōu)先的。10 .數(shù)據(jù)挖掘大概步驟包括：輸入數(shù)據(jù)預(yù)處理 挖掘 后處理 輸出知識。其中，輸出的知識可以有很多種表示形式，兩種極端的形式是：內(nèi)部結(jié)構(gòu)難以被理解的黑匣子， 比如說 人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練得出的網(wǎng)絡(luò)； 模式結(jié)構(gòu)清晰的匣子，這種結(jié)構(gòu)容易被人理解，比如說決 策樹產(chǎn)生的樹。那么，關(guān)聯(lián)分析中輸出的知識的表示形式主要是(選：黑匣子/清晰結(jié)構(gòu))。三、10個判斷()1.啤酒與尿布的故事是聚類分析的典型實例。()2.Apriori 算法是一種典型的關(guān)聯(lián)規(guī)

5、則挖掘算法。()3.支持度是衡量關(guān)聯(lián)規(guī)則重要性的一個指標(biāo)。()4.可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。()5.給定關(guān)聯(lián)規(guī)則 A B,意味著：若 A發(fā)生，B也會發(fā)生。()6.頻繁閉項集可用來無損壓縮頻繁項集。()7.關(guān)聯(lián)規(guī)則可以用枚舉的方法產(chǎn)生。()8.Apriori 算法產(chǎn)生的關(guān)聯(lián)規(guī)則總是確定的。()9.不滿足給定評價度量的關(guān)聯(lián)規(guī)則是無趣的。()10.對于項集來說，置信度沒有意義。四、5個簡答1 .簡述關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟。2 .Apriori算法是從事務(wù)數(shù)據(jù)庫中挖掘布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項集性質(zhì)的先驗知識，從候選項集中找到頻繁項集。請簡述 Apriori算法的基本原理。3

6、 .簡述Apriori算法的優(yōu)點和缺點。4 .針對Apriori算法的缺點，可以做哪些方面的改進？5 .強關(guān)聯(lián)規(guī)則一定是有趣的嗎？為什么？數(shù)據(jù)挖掘考試題目+參考答案、10個選擇1 .以下屬于關(guān)聯(lián)分析的是（B）A. CPU生能預(yù)測C.自動判斷鶯尾花類別B.購物籃分析D.股票趨勢建模2.維克托？邁爾-舍恩伯格在大數(shù)據(jù)時代：生活、工作與思維的大變革一書中，持續(xù)強調(diào) 了一個觀點：大數(shù)據(jù)時代的到來，使我們無法人為地去發(fā)現(xiàn)數(shù)據(jù)中的奧妙，與此同時，我們更應(yīng)該注重數(shù)據(jù)中的相關(guān)關(guān)系，而不是因果關(guān)系。其中，數(shù)據(jù)之間的相關(guān)關(guān)系可以通過以下哪個算法直接挖掘（D ）A. K-meansC. C4.5B. Bayes N

7、etworkD. Apriori3.置信度（confidence）是衡量興趣度度量（B ）的指標(biāo)。A.簡潔性C.實用性B.確定性D.新穎性4.Apriori算法的加速過程依賴于以下哪個策略（ B ）A.抽樣C.緩沖B.剪枝D.并行5.以下哪個會降低Apriori算法的挖掘效率（D ）A.支持度閾值增大C.事務(wù)數(shù)減少6 .Apriori算法使用到以下哪些東東（A.格結(jié)構(gòu)、后向無外圖C.格結(jié)構(gòu)、哈希樹7 .非頻繁模式（D ）A.其置信度小于閾值C.包含負模式和負相關(guān)模式B.項數(shù)減少D.減小硬盤讀寫速率C ）B.二叉樹、哈希樹D.多叉樹、有向無環(huán)圖B.令人不感興趣D.對異常數(shù)據(jù)項敏感8.對頻繁項集、

8、頻繁閉項集、極大頻繁項集的關(guān)系描述正確的是（B ）注:分別以1、2、3代表之A. 3可以還原出無損的1C. 3與2是完全等價的B. 2可以還原出無損的1D. 2與1是完全等價的9.Hash tree 在Apriori算法中所起的作用是（C ）A.存儲數(shù)據(jù)C.加速查找10.以下不屬于數(shù)據(jù)挖掘軟件的是（ CA. SPSS ModelerC. Apache SparkB.查找D.剪枝)B. WekaD. Knime二、10個填空1 .關(guān)聯(lián)分析中表示關(guān)聯(lián)關(guān)系的方法主要有：項集 和關(guān)聯(lián)規(guī)則2 .關(guān)聯(lián)規(guī)則的評價度量主要有：支持度 和 置信度 。3 .關(guān)聯(lián)規(guī)則挖掘的算法主要有：Apriori 和FP-Gro

9、wth4 .購物籃分析中，數(shù)據(jù)是以不對稱二元變量的形式呈現(xiàn)。5 .一個項集滿足最小支持度，我們稱之為頻繁項集。強規(guī)則6 . 一個關(guān)聯(lián)規(guī)則同時滿足最小支持度和最小置信度，我們稱之為7 .在回歸與相關(guān)分析中， 因變量值隨自變量值的增大 (減小)而減小(增大)的現(xiàn)象叫做 負 相關(guān) 。8 .極大頻繁項集不能無損還原出頻繁項集，是因為它不包含頻繁項集的支持度信息。9 .經(jīng)典的Apriori算法是逐層掃描的，也就是說它是寬度(選：深度/寬度)優(yōu)先的。10 .數(shù)據(jù)挖掘大概步驟包括：輸入數(shù)據(jù)預(yù)處理 挖掘 后處理 輸出知識。其中，輸出的知識可以有很多種表示形式，兩種極端的形式是：內(nèi)部結(jié)構(gòu)難以被理解的黑匣子，比如

10、說人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練得出的網(wǎng)絡(luò)；模式結(jié)構(gòu)清晰的匣子，這種結(jié)構(gòu)容易被人理解，比如說決策樹產(chǎn)生的樹。那么，關(guān)聯(lián)分析中輸出的知識的表示形式主要是清晰結(jié)構(gòu)(選：黑匣子/清晰結(jié)構(gòu))。三、10個判斷(? ) 1.啤酒與尿布的故事是聚類分析的典型實例。(? ) 2.Apriori算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。(? ) 3.支持度是衡量關(guān)聯(lián)規(guī)則重要性的一個指標(biāo)。(? ) 4.可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。(? ) 5.給定關(guān)聯(lián)規(guī)則 A B,意味著：若 A發(fā)生，B也會發(fā)生。(? ) 6.頻繁閉項集可用來無損壓縮頻繁項集。(? ) 7.關(guān)聯(lián)規(guī)則可以用枚舉的方法產(chǎn)生。(? ) 8.Apriori算法產(chǎn)生的關(guān)聯(lián)

11、規(guī)則總是確定的。(? ) 9.不滿足給定評價度量的關(guān)聯(lián)規(guī)則是無趣的。(? ) 10.對于項集來說，置信度沒有意義。四、5個簡答1 .簡述關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟。答：關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟為：根據(jù)給定的支持度從項集中產(chǎn)生頻繁項集；根據(jù)給定的置信度從頻繁項集中產(chǎn)生關(guān)聯(lián)規(guī)則。2 .Apriori算法是從事務(wù)數(shù)據(jù)庫中挖掘布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項集性質(zhì)的先驗知識，從候選項集中找到頻繁項集。請簡述 Apriori算法的基本原理。 答：關(guān)聯(lián)規(guī)則的產(chǎn)生并不依賴于Apriori算法，Apriori算法用來加速規(guī)則的產(chǎn)生過程。Apriori算法的加速過程依賴于這樣一個先驗原理：“頻繁項集的子集是頻繁的”。3 .簡述Apriori算法的優(yōu)點和缺點。答：Apriori算法的優(yōu)點：結(jié)構(gòu)簡單、易于理解。Apriori算法的缺點：產(chǎn)生大量的候選項集，I/O開銷較大。4 .針對Apriori算法的缺點，可以做哪些方面的改進？答：Apriori算法的缺點主要是產(chǎn)生的候選項集較多，從而導(dǎo)致I/O開銷較大。由此，可以將龐大的數(shù)據(jù)集劃分為可以裝進內(nèi)存的數(shù)據(jù)塊，利用“頻繁項集至