大學(xué)數(shù)據(jù)挖掘期末考試題【范本模板】

:號(hào)學(xué):名姓班級(jí)業(yè)專院。學(xué)題試院試學(xué)考學(xué)末科期息期信學(xué)與季學(xué)春數(shù)年學(xué)4102—3102

-數(shù)據(jù)挖掘試卷3.數(shù)據(jù)挖掘的經(jīng)典事例“啤酒與尿布試驗(yàn)”最主若是應(yīng)用了(）數(shù)據(jù)挖掘方法。--A分類B展望C關(guān)系規(guī)則解析D聚類-課程代碼：C0204413課程:數(shù)據(jù)挖掘A卷--4.關(guān)于K均值和DBSCAN的比較，以下說(shuō)法不正確的選項(xiàng)是（)------一二三四五六七八九十總成績(jī)復(fù)核A。K均值拋棄被它鑒別為噪聲的對(duì)象,而DBSCAN一般聚類全部對(duì)象。-題目-----B。K均值使用簇的基于原型的觀點(diǎn)，DBSCAN使用基于密度的觀點(diǎn)。-得分-----C。K均值很難辦理非球形的簇和不同樣大小的簇，DBSCAN能夠辦理不同樣大小和不同樣形狀的簇-閱卷教師-----D。K均值能夠發(fā)現(xiàn)不是顯然分其他簇，即便簇有重疊也能夠發(fā)現(xiàn)，但是DBSCAN會(huì)合并有重疊的簇-線--5。以下關(guān)于Ward’sMethod說(shuō)法錯(cuò)誤的選項(xiàng)是：（）一、判斷題（每題1分，10分）-----A。對(duì)噪聲點(diǎn)和離群點(diǎn)敏感度比較小-1.從點(diǎn)作為個(gè)體簇開始，每一步合并兩個(gè)最湊近的簇，這是一種分裂的層次聚類方法。(）--B.善于辦理球狀的簇--2.數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)收集策略,而在于對(duì)已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的挖掘.（)----C.關(guān)于Ward方法,兩個(gè)簇的周邊度定義為兩個(gè)簇合并時(shí)致使的平方偏差--3.在聚類解析中間，簇內(nèi)的相似性越大，簇間的差別越大，聚類的收效就越差。(）----D。當(dāng)兩個(gè)點(diǎn)之間的周邊度取它們之間距離的平方時(shí),Ward方法與組平均特別相似--4.當(dāng)兩個(gè)點(diǎn)之間的周邊度取它們之間距離的平方時(shí)，Ward方法與組平均特別相似。（)----6.以下關(guān)于層次聚類存在的問(wèn)題說(shuō)法正確的選項(xiàng)是:(）--5.DBSCAN是相抗衡噪聲的,而且能夠辦理任意形狀和大小的簇。（）---A.擁有全局優(yōu)化目標(biāo)函數(shù)封6.屬性的性質(zhì)不用與用來(lái)胸襟他的值的性質(zhì)同樣。(）---B.GroupAverage善于辦理球狀的簇-7.全鏈對(duì)噪聲點(diǎn)和離群點(diǎn)很敏感。(）---C.能夠辦理不同樣大小簇的能力8.關(guān)于非對(duì)稱的屬性，只有非零值才是重要的。（）----D.Max對(duì)噪聲點(diǎn)和離群點(diǎn)很敏感--9.K均值能夠很好的辦理不同樣密度的數(shù)據(jù)。（）----7.以下關(guān)于凝聚層次聚類的說(shuō)法中，說(shuō)法錯(cuò)誤的事:（)--10.單鏈技術(shù)善于辦理橢圓形狀的簇。(）----A。一旦兩個(gè)簇合并，該操作就不能夠撤掉---二、選擇題（每題2分，30分）---B.算法的停止條件是僅剩下一個(gè)簇---1.當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí),能夠使用哪一種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其余標(biāo)簽的數(shù)據(jù)相分密2-C?？臻g復(fù)雜度為Om--離？（)-----D。擁有全局優(yōu)化目標(biāo)函數(shù)A。分類B。聚類C。關(guān)系解析D.主成分解析----2。(）將兩個(gè)簇的周邊度定義為不同樣簇的全部點(diǎn)對(duì)周邊度的平均值，它是一種凝聚層次聚類技8。規(guī)則{牛奶,尿布｝→｛啤酒}的支持度和置信度分別為：（)------術(shù)。------A.MIN(單鏈）B。MAX（全鏈)C.組平均D。Ward方法-----第-1-頁(yè)共3頁(yè)----TID項(xiàng)集{面包，牛奶｝｛面包，尿布,啤酒，雞蛋}{牛奶，尿布，啤酒，可樂｝{面包，牛奶，尿布，啤酒｝｛面包，牛奶,尿布，可樂｝A.0。4，0.4B。0。67，0.67C。0.4,0.67D。0。67，0.49.以下（）是屬于分裂層次聚類的方法。A.MinB.MaxC。GroupAverageD.MST10。對(duì)以下列圖數(shù)據(jù)進(jìn)行凝聚聚類操作,簇間相似度使用MAX計(jì)算，第二步是哪兩個(gè)簇合并：（)A.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11.將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個(gè)步驟的任務(wù)？( )A.頻頻模式挖掘B。分類和展望C。數(shù)據(jù)預(yù)辦理D.數(shù)據(jù)流挖掘12.決策樹中不包括一下哪一種結(jié)點(diǎn)(）A，根結(jié)點(diǎn)（rootnode)B，內(nèi)部結(jié)點(diǎn)（internalnode）C,外面結(jié)點(diǎn)（externalnode）D，葉結(jié)點(diǎn)（leafnode）

A、分類和聚類都是有指導(dǎo)的學(xué)習(xí)B、分類和聚類都是無(wú)指導(dǎo)的學(xué)習(xí)C、分類是有指導(dǎo)的學(xué)習(xí)，聚類是無(wú)指導(dǎo)的學(xué)習(xí)D、分類是無(wú)指導(dǎo)的學(xué)習(xí)，聚類是有指導(dǎo)的學(xué)習(xí)15.下邊購(gòu)物籃能夠提取的3—項(xiàng)集的最大數(shù)目是多少（）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,黃油啤酒，餅干A。1B。2C。3D4三、簡(jiǎn)答題(每題8分，40分）1。何謂數(shù)據(jù)挖掘？它有哪些方面的功能？2。簡(jiǎn)述數(shù)據(jù)預(yù)辦理方法和內(nèi)容。建立一個(gè)模型，經(jīng)過(guò)這個(gè)模型依據(jù)已知的變量值來(lái)展望其余某個(gè)變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？( )A.依據(jù)內(nèi)容檢索B.建模描述C.展望建模D。搜尋模式和規(guī)則3.何謂聚類？它與分類有什么異同？14。以下哪個(gè)描述是正確的？（)第-2-頁(yè)共3頁(yè)什么是決策樹?怎樣用決策樹進(jìn)行分類？5。簡(jiǎn)述ID3算法的基本思想及其主算法的基本步驟

P50.340。130.280。290.000.39P60。230。250.110.220。390。002。假設(shè)數(shù)據(jù)挖掘的任務(wù)是將以下的8個(gè)點(diǎn)（用(x，y）代表地址）聚類為3個(gè)類：X1(2，10)、X2(2，5）、X3（8，4)、X4（5，8)、X5(7，5)、X6(6，4)、X7(1,2)、X8(4，9),距離選擇歐幾里德距離。假設(shè)初始選擇X1(2，10)、X4(5，8)、X7（1,2）為每個(gè)聚類的中心，請(qǐng)用K—means算法來(lái)計(jì)算：四、算法題（每題10分,20分）1。由以下列圖已給出的距離矩陣，將Max用于6個(gè)點(diǎn)樣本數(shù)據(jù)集，畫出層次聚類的樹狀