數(shù)據(jù)倉庫與數(shù)據(jù)挖掘考試習題匯總

集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)結構和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉庫提供了一個信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉庫的元數(shù)據(jù)分為技術元4、多維分析是指以“維”形式組織起來的數(shù)據(jù)(多維數(shù)據(jù)集)采取切片、切塊、鉆取和旋轉(zhuǎn)等各種分析動作，以求剖析數(shù)據(jù)，使擁護能從不同角度、不同側(cè)面6、數(shù)據(jù)倉庫按照其開發(fā)過程，其關鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)存儲于管理和數(shù)層架構、獨立型數(shù)據(jù)集合、以來型數(shù)據(jù)結合和操作型數(shù)據(jù)存儲和邏輯型數(shù)據(jù)集接近實時的速度交換數(shù)據(jù)和業(yè)務規(guī)則。以分析為主、以預測模型為主、以運營導向為主和以實時數(shù)據(jù)倉庫和自動決策源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)(即調(diào)和數(shù)據(jù)層)是詳細的、歷史的、4、粒度是對數(shù)據(jù)倉庫中數(shù)據(jù)的綜合程度高低的一個衡量。粒度越小，細節(jié)程度5、使用星型模式可以從一定程度上提高查詢效率。因為星型模式中數(shù)據(jù)的組織一種是采用自然鍵，另一種是采用代理鍵。冗余的數(shù)據(jù)。細節(jié)級、當前細節(jié)級、輕度綜合級和高度綜合級。在線分析處理、關鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎。分(包括名稱、維度、類別、層次和度量)全面地描述出來。倉庫的邏輯模型通常采用星型圖法來進行設計，要求將星型的各類邏輯以后，為提高數(shù)據(jù)倉庫的使用性能，還需要根據(jù)施時，根據(jù)事實表的特點和擁護的查詢需求，可以選用時間、業(yè)務的主鍵在事實表中沒有與外鍵關聯(lián)時，這樣的維稱為退化維。它于事實表并無關系，但有時在查詢限制條件(如訂單號碼、出貨單編號等)中需要用到。9、數(shù)據(jù)倉庫的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更新，可以通過設計和優(yōu)化索表的歸并與簇文件、反向規(guī)范化引入冗余、表的物理分割(分區(qū))。、關聯(lián)規(guī)則的經(jīng)典算法包括Apriori算法和FP-growth算法,其中FP-grownthcd再經(jīng)過修剪，C3={{a,b,c},{a,b,d}}L2={A,C}L2={A,C}則L1={A}，{B}，{C}ABCAC2、分類器設計階段包含三個過程：劃分數(shù)據(jù)集、分類器構造和分類器測試。3、分類問題中常用的評價準則有精確度、查全率和查準率和集合均值。22、連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。3、劃分聚類方法對數(shù)據(jù)集進行聚類時包含三個要點：選種某種距離作為數(shù)據(jù)樣本減的相似性度量、選擇評價聚類性能的準則函數(shù)和選擇某個初始分類，之后用迭代的方法得到聚類結果，使得評價聚類的準則函數(shù)取得最優(yōu)值。統(tǒng)驗知識和用戶自定義參數(shù)的依賴性；處理噪聲數(shù)據(jù)的能力；可解釋性和實用性數(shù)據(jù)倉庫面對的是大量數(shù)據(jù)的存儲與管理決策支持查詢的優(yōu)化維分析的查詢模式(1)ID3算法在選擇根結點和各內(nèi)部結點中的分枝屬性時，使用信息增益作為評價標準。信息增益的缺點是傾向于選擇取值較多的屬性，在有些情況下(2)ID3算法只能對描述屬性為離散型屬性的數(shù)據(jù)集構造決策樹。數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載生數(shù)據(jù)的目標要求：劃分數(shù)據(jù)集，分類器構造，分類器測試數(shù)據(jù)清洗是一種使用模式識別和其他技術，在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉持度和置信度的計算公式及數(shù)據(jù)計算(P90)c(Xc(XY)=Example確定指標，確定維度，確定類別14、K-近鄰分類方法的操作步驟(包括算法的輸入和輸出)。P128DWDW次結構和導出數(shù)據(jù)的定義，數(shù)據(jù)集市的位置和內(nèi)容等匯總算法。包括度量和維定義算法，數(shù)據(jù)粒度、主題領域、。包括源數(shù)數(shù)據(jù)刷新規(guī)則及安全(用戶授權和存取控制)訪問數(shù)據(jù)的原則和數(shù)據(jù)的來源系統(tǒng)提供的分析方法及公式和報表的信息。P維類別：也稱維分層。即同一維度還可以存在細節(jié)程度不同的各個類別屬性(如時間維包括年、季度、月等)維屬性：是維的一個取值，是數(shù)據(jù)線在某維中位置的描述。該方法是基于候選的策略，降低候選數(shù)該原則基于以下支持度的特性:項集的支持度不會超過其子集支持度的反單調(diào)特性(anti-monotone)：如果一個集合不能通過測試，則它的所有超集也都不能通過相同的測試。令k=1循環(huán)，直到無新的頻繁項集產(chǎn)生從長度為k的頻繁項集產(chǎn)生長度為k+1的候選頻繁項集掃描數(shù)據(jù)庫，計算每個候選頻繁集的支持度刪除非頻繁項,保留頻繁項數(shù)據(jù)倉庫是一個面向主體的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理過程數(shù)據(jù)倉庫排除與對于決策無用的數(shù)據(jù)，提供特定主題的簡明視圖。通過集成多種數(shù)據(jù)源而構成數(shù)據(jù)倉庫總是物理地分離存放數(shù)據(jù)，這些數(shù)據(jù)源于操作環(huán)境下的應用數(shù)據(jù)操作性的數(shù)據(jù)更新不會發(fā)生在數(shù)據(jù)倉庫的環(huán)境下.2數(shù)據(jù)倉庫和OLAP工具基于多維數(shù)據(jù)模型。這種模型將數(shù)據(jù)看作數(shù)據(jù)立方體形式。數(shù)據(jù)立方體允許從多維對數(shù)據(jù)建模和觀察。它由維和事實定義。3最流行的數(shù)據(jù)倉庫數(shù)據(jù)模型是多維模型，這種模型可以以星形模式、雪花型據(jù)倉庫模型：維與度量?星型模型:最常見的模型范例是星形模式，其中數(shù)據(jù)倉庫包括(1)一個大的包含大批數(shù)據(jù)并且不含冗余的中心表(事實表)；(2)一組小的附屬表(維表)，一步分解到附加的維表中，它的圖形類似于雪花的形狀實星座數(shù)據(jù)立方體度量是一個數(shù)值函數(shù)，可以對數(shù)據(jù)立方體空間的每一個點求值。通過對給定點的各維-值對聚集數(shù)據(jù)，計算該點的度量值。的和整體的)。概念分層定義一個映射序列，將低層概念映射到更一般的較高層概念。(1)上卷：上卷操作通過沿一個維的概念分層向上攀升或者通過維規(guī)約，對數(shù)據(jù)(2)下鉆：下鉆是上卷的逆操作，它由不太詳細的數(shù)據(jù)到更詳細的數(shù)據(jù)。下鉆可(4)轉(zhuǎn)軸(旋轉(zhuǎn))：轉(zhuǎn)軸是一種可視化操作，它轉(zhuǎn)動數(shù)據(jù)的視角，提供數(shù)據(jù)的替數(shù)據(jù)倉庫的系統(tǒng)結構(2)中間層是OLAP服務器，其典型的實現(xiàn)或者是(i)關系OLAP(ROLAP)模者是(ii)多維OLAP(MOLAP)模型即專門的服務器，它直接實現(xiàn)多維數(shù)據(jù)測等)。數(shù)據(jù)集市(DataMart)：數(shù)據(jù)集市包含企業(yè)范圍數(shù)據(jù)的一個子集，對于特定的用戶群是有用的。其范圍限于選定的主題。根據(jù)數(shù)據(jù)的來源不同，數(shù)據(jù)集市分為獨立的和依賴的兩類。換；4FP一條子路徑都是一個頻繁模式)，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(shù)據(jù)集合，為企業(yè)決策支理人員的決策支持。粒度：指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細化或綜合程度的級別。粒度影的8.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。據(jù)進行查詢和增、刪、改等處理。9.ROLAP：是基于關系數(shù)據(jù)庫存儲方式的，在這種結構中，多維數(shù)據(jù)被映MOLAP超立方”塊的OLAP存儲結構，由許多經(jīng)壓縮挖掘算法的需要，并義知識：通過對大量數(shù)據(jù)的歸納、概括和抽象，提煉出帶有普遍性的、的和當前的數(shù)據(jù)去推測未來于揭示事物偏離常規(guī)的異常代群體，并最終達到全局最優(yōu)。cluster過程，18.相異度矩陣：是聚類分析中用于表示各對象之間相異度的一種矩陣，n個19.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。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)從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程稱為據(jù)融合、決策支持等。析、數(shù)據(jù)倉庫是一種新的數(shù)據(jù)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(shù)據(jù)集合，為企業(yè)決策支一是為了解決企業(yè)決策分析中的系統(tǒng)響應問題，數(shù)據(jù)倉庫能提供比傳統(tǒng)事務數(shù)據(jù)庫更快的大規(guī)模決策分析的響應速度。三是解決決策分析對數(shù)據(jù)的特殊操作要求。決策分析是面向?qū)I(yè)用戶而非一般業(yè)務員，需要使用專業(yè)的分析工具，對分析結果還要以商業(yè)智能主要區(qū)別。析、分析驅(qū)動幾乎不更新，定期追加分析需求事先不知道完全不同的生命周期要求寬松需求用、事務驅(qū)動頻繁增、刪、改求事先知道操作管理人員、對基本數(shù)據(jù)進行查詢和增、刪、改等的日常事務處理。OLAPOLTP據(jù)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。數(shù)據(jù)倉庫數(shù)據(jù)據(jù)量小時間要求高作人員，支持日常操作用，事務驅(qū)動性刷新量大少析，分析驅(qū)動粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細化或綜合程度的級別。粒度影響存放在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同時影響數(shù)據(jù)倉庫所能回答查堆積結構綜合結構單直接結構續(xù)結構容。容包括：界定和確定主要的主題域。邏輯模型設計的主要內(nèi)容包括：分析主題域、確定粒度層次劃分、確模式、定義記錄系統(tǒng)。物理數(shù)據(jù)模型設計的主要內(nèi)容包括：確定數(shù)據(jù)存儲結構、確定數(shù)據(jù)存放位置、確定存儲分配以及確定索引策略等。在物理數(shù)據(jù)模型設計時主要考慮的因素有:I/O存取時間、空間利用率和維護代價等。原始業(yè)務數(shù)據(jù)來自多個數(shù)據(jù)庫或數(shù)據(jù)倉庫，它們的結構和規(guī)則可能是也可能存在重復的和不完整的數(shù)據(jù)信息，為了使這些數(shù)據(jù)能夠符合數(shù)據(jù)挖。①數(shù)據(jù)清洗：包括填充空缺值，識別孤立點，去掉噪聲和無關數(shù)據(jù)。。③去除無用的惟一屬性或鍵值(如自動增長的id)；但在某些時候它們可能又是同時需要的)⑤去除可忽略字段(大部分為空值的屬性一般是沒有什么價值的，如果不去除可能造成錯誤的數(shù)據(jù)挖掘結果)⑥合理選擇關聯(lián)字段(對于多個關聯(lián)性較強的屬性，重復無益，只需選擇。：①統(tǒng)一權重法(又稱等深分箱法)②統(tǒng)一區(qū)間法(又稱等寬分箱法)③最小熵法④自定義區(qū)間法據(jù)規(guī)范化？規(guī)范化的方法有哪些？寫出對應的變換公式。將數(shù)據(jù)按比例縮放(如更換大單位)，使之落入一個特定的區(qū)域(如0.0~00x=0x=0X數(shù)據(jù)立方體聚集歸約據(jù)壓縮值壓縮離散化和概念分層維歸約可以去掉不重要的屬性，減少數(shù)據(jù)立方體的維數(shù)，從而減少數(shù)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)則進類則屬于有指導的學習，是示例式學習。15.舉例說明聚類分析的典型應用。不同的客戶群，并且用不一個城市中不同類型、價值、地理位置房子的分組等。相似數(shù)據(jù)特征的變量或個案組合在一起。16.聚類分析中常見的數(shù)據(jù)類型有哪些？何謂相異度矩陣？它有什么特點？序數(shù)型以及混合類型等。相異度矩陣是用于存儲所有對象兩兩之間相異度「0]|首先找出最有判別力的因素，然后把數(shù)據(jù)分成多個子集，每個子集又①從訓練集中隨機選擇一個既含正例又含反例的子集(稱為窗口)；③對訓練集(窗口除外)中例子用所得決策樹進行類別判定，找出錯判首先找出最有判別力的因素，然后把數(shù)據(jù)分成多個子集，每個子集又分類。構成如下表，填空完成其中支持度和置信度的計算。L2支持度%置信度%A,DA,BA,CC→AA,DABC……22.從信息處理角度看，神經(jīng)元具有哪些基本特征？寫出描述神經(jīng)元狀態(tài)的M-P方程并說明其含義。基本特征：①多輸入、單輸出；②突觸兼有興奮和抑制兩種性能；③可j23.遺傳算法與傳統(tǒng)尋優(yōu)算法相比有什么特點？①遺傳算法為群體搜索，有利于尋找到全局最優(yōu)解；②遺傳算法采用高效有方向的隨機搜索，搜索效率高；③遺傳算法處理的對象是個體而不是參變量，具有廣泛的應用領域；度快，適應性好；⑤遺傳算法具有隱含并行性，具有更高的運行效率。測試測試項目test-test-test-test-test-test-對象123456YNPNNNYNPNPNNYNYNN………………K輸出及聚類過程(流程)。27.何謂文本挖掘？它與信息檢索有什么關系(異同)?？刹僮鞯闹R的過程。它與信息檢索之間有以下幾方面的區(qū)別：①方法論不同：信息檢索是目標驅(qū)動的，用戶需要明確提出查詢要②著眼點不同：信息檢索著重于文檔中字、詞和鏈接；而文本挖掘在于理解文本的內(nèi)容和結構。③目的不同：信息檢索的目的在于幫助用戶發(fā)現(xiàn)資源，即從大量的④評價方法不同：信息檢索用查準率和查全率來評價其性能。而文⑤使用場合不同：文本挖掘是比信息檢索更高層次的技術，可用于信息檢索技術不能解決的許多場合。一方面，這兩種技術各有所長，有各自適用的場合；另一方面，可以利用文本挖掘的研究成果來提高信息檢索的精度和效率，改善檢索結果的組織，使信息1.某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？(A)AB.聚類C.分類D.自然語言處理A.頻繁模式挖掘B.分類和預測C.數(shù)據(jù)預處理D.數(shù)據(jù)流4.當不知道數(shù)據(jù)所帶標簽時，可以使用哪種技術促使帶同類標簽的數(shù)據(jù)與帶其A.分類B.聚類C.關聯(lián)分析D.隱馬爾可夫鏈6.使用交互式的和可視化的技術，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務？(A)A.探索性數(shù)據(jù)分析B.建模描述C.預測建模D.尋找模式和規(guī)則A變量代換B離散化C聚集D估計遺漏值204,215使用如下每種方法將它們劃分成四個箱。等頻(等深)劃分時，15在A第一個B第二個C第三個D第四個A第一個B第二個C第三個D第四個A計數(shù)屬性B離散屬性C非對稱的二元屬性D對稱屬性A嵌入B過濾C包裝D抽樣A特征提取B特征修改C映射數(shù)據(jù)到新的空間D特征構造28.數(shù)據(jù)倉庫是隨著時間變化的,下面的描述不正確的是(C)A.數(shù)據(jù)倉庫隨時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)會覆蓋原來的快照;C.數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D.數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會隨著時間的變化不斷地進行重新綜合.A.基本元數(shù)據(jù)與數(shù)據(jù)源,數(shù)據(jù)倉庫,數(shù)據(jù)集市和應用程序等結構相關的信息;B.基本元數(shù)據(jù)包括與企業(yè)相關的管理方面的數(shù)據(jù)和信息;C.基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息;D.基本元數(shù)據(jù)包括關于裝載和更新處理,分析處理以及管理方面的信息.A.粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別;B.數(shù)據(jù)越詳細,粒度就越小,級別也就越高;C度也就越大,級別也就越高;D.粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量.OLAP技術的核心是:(D)A.在線性;B.對用戶的快速響應;D析;CPC.OLAP的特點在于事務量大,但事務內(nèi)容比較簡單且重復率高.數(shù)據(jù)庫系統(tǒng),兩者面對的用戶是相同的.A.OLAP事務量大,但事務內(nèi)容比較簡單且重復率高.C.OLTP面對的是決策人員和高層管理人員.DOLTP以應用為核心,是應用驅(qū)動的.A、無向無環(huán)B、有向無環(huán)C、有向有環(huán)D、無向有環(huán)A、頻繁項集=最大頻繁項集=頻繁閉項集最大頻繁項集頻繁閉項集最大頻繁項集=頻繁閉項集=最大頻繁項集44.在圖集合中發(fā)現(xiàn)一組公共子結構，這樣的任務稱為(B)A、頻繁子集挖掘B、頻繁子圖挖掘C、頻繁數(shù)據(jù)項挖掘D、頻繁模式挖掘A.冗余屬性不會對決策樹的準確率造成不利的影響B(tài).子樹可能在決策樹中重復多次測試記錄都是由覆蓋它的“最好的”規(guī)格來分類，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D.基于規(guī)格的排序方案。58.如果規(guī)則集中的規(guī)則按照優(yōu)先級降序排列，則稱規(guī)則集是(D)61.以下關于人工神經(jīng)網(wǎng)絡(ANN)的描述錯誤的有(A)A，神經(jīng)網(wǎng)絡對訓練數(shù)據(jù)中的噪聲非常魯棒B，可以處理冗余特征C，訓練ANN是一個很耗時的過程D，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡A.模型B.模式C.模范D.模具2尋找數(shù)據(jù)集中的關系是為了尋找精確、方便并且有價值地總結了數(shù)據(jù)的某一A.決定要使用的表示的特征和結構B比較不同表示擬合數(shù)據(jù)的好壞C.選擇一個算法過程使評分函數(shù)最優(yōu)A.模型或模型結構B.評分函數(shù)C.優(yōu)化和搜索方法