2023年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師考試沖刺-歷年真題演練帶答案

（圖片大小可任意調(diào)節(jié)）2023年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師考試沖刺-歷年真題演練帶答案第一卷一.參考題庫(共20題)1.為什么樸素貝葉斯分類稱為“樸素”的？簡述樸素貝葉斯分類優(yōu)缺點。2.簡述雪花模型。3.ID3算法主要存在的缺點是什么？4.離散屬性總是具有有限個值。5.維度可以根據(jù)其變化快慢分為元變化維度、（）維度和劇烈變化維度三類。6.MOLAP7.如何用決策樹進行分類？8.關(guān)于OLAP的特性，下面正確的是（） （1）快速性（2）可分析性（3）多維性（4）信息性（5）共享性A、（1）（2）（3）B、（2）（3）（4）C、（1）（2）（3）（4）D、（1）（2）（3）（4）（5）9.下表中列出了4個點的兩個最近鄰。使用SNN相似度定義，計算每對點之間的SNN相似度。 10.以下哪種聚類方法可以發(fā)現(xiàn)任意形狀的聚類？（）A、劃分的方法B、基于模型的方法C、基于密度的方法D、層次的方法11.數(shù)據(jù)倉庫的三層架構(gòu)主要包括以下哪三部分？（）A、數(shù)據(jù)源B、數(shù)據(jù)倉庫服務(wù)器C、OLAP服務(wù)器D、前端工具12.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。13.根據(jù)關(guān)聯(lián)分析中所涉及的抽象層，可以將關(guān)聯(lián)規(guī)則分類為（）。A、布爾關(guān)聯(lián)規(guī)則B、單層關(guān)聯(lián)規(guī)則C、多維關(guān)聯(lián)規(guī)則D、多層關(guān)聯(lián)規(guī)則14.數(shù)據(jù)挖掘的預(yù)測建模任務(wù)主要包括哪幾大類問題？（）A、分類B、回歸C、模式發(fā)現(xiàn)D、模式匹配15.項集的頻率是指（）16.可視化技術(shù)對于分析的數(shù)據(jù)類型通常不是專用性的。17.數(shù)據(jù)倉庫系統(tǒng)的體系結(jié)構(gòu)根據(jù)應(yīng)用需求的不同，可以分為以下4種類型：（）、獨立型數(shù)據(jù)集合、以來型數(shù)據(jù)結(jié)合和操作型數(shù)據(jù)存儲和邏輯型數(shù)據(jù)集中和實時數(shù)據(jù)倉庫。18.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、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B、聚類C、分類D、自然語言處理19.數(shù)據(jù)分類模型的常用表示形式包括（）、（）等。20.基于網(wǎng)格的聚類方法的優(yōu)點是：（）第二卷一.參考題庫(共20題)1.考慮如下的頻繁3-項集：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}。 （a）根據(jù)Apriori算法的候選項集生成方法，寫出利用頻繁3-項集生成的所有候選4-項集。 （b）寫出經(jīng)過剪枝后的所有候選4-項集。2.分類方法的常用評估度量都有哪些？3.數(shù)據(jù)挖掘的特征：（）。4.（）這些數(shù)據(jù)特性都是對聚類分析具有很強影響的。A、高維性B、規(guī)模C、稀疏性D、噪聲和離群點5.尋找模式和規(guī)則主要是對數(shù)據(jù)進行干擾，使其符合某種規(guī)則以及模式。6.定量屬性可以是整數(shù)值或者是連續(xù)值。7.數(shù)據(jù)從集結(jié)區(qū)加載到數(shù)據(jù)倉庫中的主要方法是什么？8.下面哪種分類方法是屬于神經(jīng)網(wǎng)絡(luò)學習算法？（）A、判定樹歸納B、貝葉斯分類C、后向傳播分類D、基于案例的推理9.簡述分類器設(shè)計階段包含的3個過程。10.當前的數(shù)據(jù)挖掘研究中，最主要的三個研究方向是：（）、（）和（）11.常見的分箱方法有哪些？數(shù)據(jù)平滑處理的方法有哪些？12.簡述K-means算法的基本操作步驟（包括算法的輸入和輸出）。13.在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。A、基于圖的凝聚度B、基于原型的凝聚度C、基于原型的分離度D、基于圖的凝聚度和分離度14.在判定樹歸納中，為什么樹剪枝是有用的？15.關(guān)于OLAP和OLTP的說法，下列不正確的是（）A、OLAP事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高B、OLAP的最終數(shù)據(jù)來源與OLTP不一樣C、OLTP面對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)動的16.下面哪個不屬于數(shù)據(jù)的屬性類型：（）。A、標稱B、序數(shù)C、區(qū)間D、相異17.在評價不平衡類問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（turepositiverate，TPR）18.數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲優(yōu)化方法包括（）、反向規(guī)范化引入冗余、表的物理分割。19.簡述數(shù)據(jù)分類的兩步過程。20.下列哪些是數(shù)據(jù)變換可能涉及的內(nèi)容？（）A、數(shù)據(jù)壓縮B、數(shù)據(jù)概化C、維歸約D、規(guī)范化第三卷一.參考題庫(共20題)1.為什么時間總是數(shù)據(jù)倉庫或數(shù)據(jù)集市的維？2.數(shù)據(jù)挖掘要解決的問題是什么？3.尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價值地總結(jié)了數(shù)據(jù)的某一特征的表示，這個過程包括了以下哪些步驟？（）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、選擇一個算法過程使評分函數(shù)最優(yōu)D、決定用什么樣的數(shù)據(jù)管理原則以高效地實現(xiàn)算法4.進行數(shù)據(jù)預(yù)處理時所使用的主要方法包括：（）、（）、（）和（）5.使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？（）A、探索性數(shù)據(jù)分析B、建模描述C、預(yù)測建模D、尋找模式和規(guī)則6.數(shù)據(jù)挖掘處理的對象有哪些？請從實際生活中舉出至少三種。7.抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應(yīng)用提供一個（）、權(quán)威數(shù)據(jù)源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)是詳細的、歷史的、規(guī)范的、可理解的、即時的和質(zhì)量可控制的。8.假設(shè)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)。對屬性income的73600元將被轉(zhuǎn)化為：（）。A、0.821B、1.224C、1.458D、0.7169.在項目實施時，根據(jù)事實表的特點和擁護的查詢需求，可以選用（）、業(yè)務(wù)類型、區(qū)域和下屬組織等多種數(shù)據(jù)分割類型。10.貝葉斯信念網(wǎng)絡(luò)（BBN）有如下哪些特點，（）。A、構(gòu)造網(wǎng)絡(luò)費時費力B、對模型的過分問題非常魯棒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，添加變量相當麻煩11.考慮兩隊之間的足球比賽：隊0和隊1。假設(shè)65%的比賽隊0勝出，剩余的比賽隊1獲勝。隊0獲勝的比賽中只有30%是在隊1的主場，而隊1取勝的比賽中75%是主場獲勝。如果下一場比賽在隊1的主場進行隊1獲勝的概率為（）。A、0.75B、0.35C、0.4678D、0.573812.請列出3種數(shù)據(jù)倉庫產(chǎn)品，并說明其優(yōu)缺點。13.在數(shù)據(jù)挖掘中，常用的聚類算法包括：（）、（）、（）、基于網(wǎng)格的方法和基于模型的方法。14.下面關(guān)于數(shù)據(jù)粒度的描述不正確的是（）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、數(shù)據(jù)綜合度越高，粒度也就越大，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15.定義下列數(shù)據(jù)挖掘功能： 關(guān)聯(lián)、分類、聚類、演變分析、離群點檢測 使用你熟悉的生活中的數(shù)據(jù)，給出每種數(shù)據(jù)挖掘功能的例子。16.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)則的后件看作是對相應(yīng)類的一次投票，然后計票確定測試記錄的類標號，稱為（）。A、無序規(guī)則B、窮舉規(guī)則C、互斥規(guī)則D、有序規(guī)則17.關(guān)于數(shù)據(jù)倉庫的設(shè)計，四種不同的視圖必須考慮，分別是：（）、（）、（）、（）18.企業(yè)面對海量數(shù)據(jù)，應(yīng)如何具體實施數(shù)據(jù)挖掘，使之轉(zhuǎn)換成可行的結(jié)果/模型？19.Web挖掘包括哪些步驟？20.確定了數(shù)據(jù)倉庫的粒度模型以后，為提高數(shù)據(jù)倉庫的使用性能，還需要根據(jù)擁護需求設(shè)計（）第一卷參考答案一.參考題庫1.正確答案:基于貝葉斯定理的推斷需要大量訓練數(shù)據(jù)以覆蓋類條件概率空間，引入了很大開銷。樸素貝葉斯分類做了類條件獨立假設(shè)，大幅降低了計算開銷。他的優(yōu)點是容易實現(xiàn)并在大多數(shù)情況下可以取得較好的結(jié)果；他的缺陷是類條件獨立在實際應(yīng)用缺乏準確性，因為變量之間經(jīng)常存在依賴關(guān)系，這種依賴關(guān)系影響了樸素貝葉斯分類器的準確性。2.正確答案:雪花模式中某些維表是規(guī)范化的，因而把數(shù)據(jù)進一步分解到附加的表中，模式圖形成了類似雪花的形狀。通過最大限度地減少數(shù)據(jù)存儲量以及聯(lián)合較小的維表來改善查詢性能。雪花模型增加了用戶必須處理的表數(shù)量，增加了某些查詢的復(fù)雜性，但同時提高了處理的靈活性，可以回答更多的商業(yè)問題，特別適合系統(tǒng)的逐步建設(shè)要求。3.正確答案:（1）ID3算法在選擇根結(jié)點和各內(nèi)部結(jié)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，在有些情況下這類屬性可能不會提供太多有價值的信息。 （2）ID3算法只能對描述屬性為離散型屬性的數(shù)據(jù)集構(gòu)造決策樹。4.正確答案:錯誤5.正確答案:緩慢變化6.正確答案:是基于類似于“超立方”塊的OLAP存儲結(jié)構(gòu)，由許多經(jīng)壓縮的、類似于多維數(shù)組的對象構(gòu)成，并帶有高度壓縮的索引及指針結(jié)構(gòu)，通過直接偏移計算進行存取。7.正確答案:決策樹用于對新樣本的分類，即通過決策樹對新樣本屬性值的測試，從樹的根結(jié)點開始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結(jié)點，該葉結(jié)點表示的類別就是新樣本的類別。決策樹方法是數(shù)據(jù)挖掘中非常有效的分類方法。8.正確答案:D9.正確答案:SNN即共享最近鄰個數(shù)為其相似度。 點1和點2的SNN相似度：0（沒有共享最近鄰） 點1和點3的SNN相似度：1（共享點4這個最近鄰） 點1和點4的SNN相似度：1（共享點3這個最近鄰） 點2和點3的SNN相似度：1（共享點4這個最近鄰） 點2和點4的SNN相似度：1（共享點3這個最近鄰） 點3和點4的SNN相似度：0（沒有共享最近鄰）10.正確答案:C11.正確答案:B,C,D12.正確答案:正確13.正確答案:B,D14.正確答案:A,B15.正確答案:包含項集的事務(wù)數(shù)16.正確答案:錯誤17.正確答案:兩層架構(gòu)18.正確答案:A19.正確答案:分類規(guī)則；決策樹和數(shù)學公式20.正確答案:處理速度快第二卷參考答案一.參考題庫1.正確答案:（a）利用頻繁3-項集生成的所有候選4-項集： {1，2，3，4}，{1，2，3，5}，{1，2，4，5}，{1，3，4，5}，{2，3，4，5} （b）經(jīng)過剪枝后的所有候選4-項集： {1，2，3，4}，{1，2，3，5}2.正確答案: 精度（precision）：標記為正類的元組實際為正類所占的百分比。召回率：正元組標記為正的百分比。F量度：精度和召回率的調(diào)和評估指標。準確率，識別率：測試數(shù)據(jù)中正被正確分類的元組所占的百分比。 靈敏度：真正例（識別）率。特效性：真負例率。3.正確答案:先前未知，有效和實用4.正確答案:A,B,C,D5.正確答案:錯誤6.正確答案:正確7.正確答案:SQL命令（如Insert或Update） 由DW供應(yīng)商或第三方提供專門的加載工具 由DW管理員編寫自定義程序8.正確答案:C9.正確答案:劃分數(shù)據(jù)集，分類器構(gòu)造，分類器測試。10.正確答案:統(tǒng)計學；數(shù)據(jù)路技術(shù)；機器學習11.正確答案:分箱的方法主要有：①統(tǒng)一權(quán)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)間法數(shù)據(jù)平滑的方法主要有：平均值法、邊界值法和中值法。12.正確答案:13.正確答案:C14.正確答案:決策樹建立時，血多分析反映的是訓練數(shù)據(jù)中的噪聲和離群點點，樹剪枝可以識別并剪去這種分枝，以提高對未知數(shù)據(jù)分類的準確性。15.正確答案:A16.正確答案:D17.正確答案:A,B,C,D18.正確答案:表的歸并與簇文件19.正確答案: 第一步，建立模型：建立描述預(yù)先定義的數(shù)據(jù)類或概念集的分類器； 第二步，在獨立測試集上評估模型的預(yù)測準確率，通過測試后再使用模型，對新的數(shù)據(jù)進行分類。20.正確答案:B,D第三卷參考答案一.參考題庫1.正確答案:因為數(shù)據(jù)倉庫或數(shù)據(jù)集市的數(shù)據(jù)總是歷史的數(shù)據(jù)，需要時間維來區(qū)別。2.正確答案:面對高維，復(fù)雜，異構(gòu)的海量數(shù)據(jù)，如何集中獲取有用的信息和知識。3.正確答案:A,B,C,D4.正確答案:數(shù)據(jù)清理；數(shù)據(jù)集成；數(shù)據(jù)變換；數(shù)據(jù)規(guī)約5.正確答案:A6.正確答案:數(shù)據(jù)挖掘處理的對象是某一專業(yè)領(lǐng)域中積累的數(shù)據(jù)，對象既可以來自社會科學，又可以來自自然科學產(chǎn)生的數(shù)據(jù)，還可以是衛(wèi)星觀測得到的數(shù)據(jù)。數(shù)據(jù)形式和結(jié)構(gòu)也各不相同，可以是傳統(tǒng)的關(guān)系數(shù)據(jù)庫，可以是面向?qū)ο蟮母呒墧?shù)據(jù)庫系統(tǒng)，也可以是面向特殊應(yīng)用的數(shù)據(jù)庫，如空間數(shù)據(jù)庫、時序數(shù)據(jù)庫、文本數(shù)據(jù)庫和多媒體數(shù)據(jù)庫等，還可以是Web數(shù)據(jù)信息。 實際生活的例子： ①電信行業(yè)中利用數(shù)據(jù)挖掘技術(shù)進行客戶行為分析，包含客戶通話記錄、通話時間、所開通的服務(wù)等，據(jù)此進行客戶群體劃分以及客戶流失性分析。 ②天文領(lǐng)域中利用決策樹等數(shù)據(jù)挖掘方法對上百萬天體數(shù)據(jù)進行分類與分析，幫助天文學家發(fā)現(xiàn)其他未知星體。 ③制造業(yè)中應(yīng)用數(shù)據(jù)挖掘技術(shù)進行零部件故障診斷、資源優(yōu)化、生產(chǎn)過程分析等。 ④市場業(yè)中應(yīng)用數(shù)據(jù)挖掘技術(shù)進行市場定位、消費者分析、輔助制定市場營銷策略等。7.正確答案:單一的8.正確答案:D9.正確答案:時間10.正確答案:A,B11.正確答案:D12.正確答案: （1）IBM提供了基于可視化數(shù)據(jù)倉庫的商業(yè)智能（BI）解決方案，包括：VisualWarehouse（VW），Essbase/DB2OLAPServer5.0、IBMDB2UDB，其中，VW是一個功能很強的集成環(huán)境，既可用于數(shù)據(jù)倉庫建模和元數(shù)據(jù)管理，又可用于數(shù)據(jù)抽取、轉(zhuǎn)換、裝載和調(diào)度。Essbase/DB2OLAPServer支持“維”的定義和數(shù)據(jù)裝載。 （2）Oracle數(shù)據(jù)倉庫解決方案主要包括OracleExpress和OracleDiscoverer兩個部分。OracleExpress由四個工具組成：OracleExpressServer是一個MOLAP（多維OLAP）服務(wù)器，它利用多維模型，存儲和管理多維數(shù)據(jù)庫或多維高速緩存，同時也能夠訪問多種關(guān)系數(shù)據(jù)庫 （3）Microsoft將OLAP功能集成到SQLServer數(shù)據(jù)庫中，其解決方案包括BI平臺、BI終端工具、BI門戶和BI應(yīng)用四個部分。BI平臺是BI解決方案的基礎(chǔ)，包括ETL平臺SQLServer2005IntegrationService（SSIS）、數(shù)據(jù)倉庫引擎SQLServer2005RDBMS以及多維分析和數(shù)據(jù)挖掘引擎SQLServer2005AnalysisService、報表管理引擎SQLServer2005ReportingService。13.正確答案:劃分方法；層次方法；基于密度的方法14.正確答案:C15.正確答案:關(guān)聯(lián)是指發(fā)