數(shù)據(jù)挖掘模擬試題(二)

數(shù)據(jù)挖掘模擬題B一、選擇題1.以下數(shù)據(jù)挖掘任務(wù)中，哪些屬于非定向數(shù)據(jù)挖掘任務(wù)〔D〕A分類 B回歸 C預(yù)測 D聚類2.數(shù)據(jù)挖掘的經(jīng)典案例“啤酒與尿布試驗”最主要是應(yīng)用了(C)數(shù)據(jù)挖掘方法。A分類B預(yù)測 C組合或關(guān)聯(lián)法那么 D聚類3．數(shù)據(jù)挖掘技術(shù)包括三個主要的局部〔C〕A．數(shù)據(jù)、模型、技術(shù)B．算法、技術(shù)、領(lǐng)域知識C．數(shù)據(jù)、建模能力、算法與技術(shù)D．建模能力、算法與技術(shù)、領(lǐng)域知識4．在有指導(dǎo)的數(shù)據(jù)挖掘中，有關(guān)測試集的說法錯誤的選項是〔A〕A.測試集和訓(xùn)練集是相互聯(lián)系的B.測試集是用以測試模型的數(shù)據(jù)集C.通常測試集大約占總樣本的三分之一D.K-次交叉驗證中，測試集只有1個，訓(xùn)練集有K-1個。5．在ID3算法中信息增益是指〔D〕A.信息的溢出程度B.信息的增加效益C.熵增加的程度最大D.熵減少的程度最大6.下面關(guān)于時間系列分析與回歸分析的關(guān)系中，錯誤的選項是〔D〕A時間序列分析方法明確強調(diào)變量值順序的重要性，而回歸分析方法那么不必如此B時間序列各觀察值之間存在一定的依存關(guān)系，而回歸分析一般要求每一變量各自獨立C時間序列分析根據(jù)序列自身的變化規(guī)律來預(yù)測未來，而其它統(tǒng)計分析那么根據(jù)某一變量與其它變量間的因果關(guān)系來預(yù)測該變量的未來D時間序列分析就是以時間變量為自變量、時間序列為因變量的回歸分析。7.在利用D.W.檢驗回歸自相關(guān)性時，以下表達錯誤的選項是〔D〕A當時，如果，認為存在正自相關(guān)B當時,如果，認為無自相關(guān)C當時,如果，認為存在負自相關(guān)D時，如果，認為正自相關(guān)8.K—均值類別偵測要求輸入的數(shù)據(jù)類型必須是(B)。A整型B數(shù)值型C字符型D邏輯型9.以下說明錯誤的選項是〔C〕A性別=“男”=>職業(yè)=“司機”，是布爾型關(guān)聯(lián)規(guī)那么B性別=“女”=>avg〔收入〕=2300，是一個數(shù)值型關(guān)聯(lián)規(guī)那么C肝炎=>ALT〔丙氨酸轉(zhuǎn)氨酶〕升高，是一個單層關(guān)聯(lián)規(guī)那么D性別=“女”=>職業(yè)=“秘書”，是多維關(guān)聯(lián)規(guī)那么。10.歸分析的以下說法中錯誤的選項是〔D〕A作回歸分析的變量之間要有實際意義，不能把毫無關(guān)聯(lián)的兩種現(xiàn)象隨意進行回歸分析，要結(jié)合專業(yè)知識對兩事物之間是否存在因果關(guān)系作出合理解釋和結(jié)論。B在進行線性回歸分析進行的數(shù)據(jù)準備的時候，要求因變量y和自變量x都是符合總體正態(tài)的隨機變量。C回歸直線不要隨意外延D所有非線性回歸都可以轉(zhuǎn)化為線性回歸二、填空題1.預(yù)測模型成功應(yīng)用的三個假定分別是(過去是將來的預(yù)言家)(數(shù)據(jù)是可以獲得的)和(數(shù)據(jù)中應(yīng)包括我們的預(yù)期目標)2.使用無監(jiān)督的數(shù)據(jù)挖掘方法必須(人機交互)3.在利用SQLSERVER2005進行數(shù)據(jù)挖掘時，〔鍵〕是一個唯一確定每個事例的屬性4.利用最小二乘法進行參數(shù)的估計時，要求滿足的假設(shè)條件有〔隨機擾動項是一個隨機變量〕〔隨機擾動項的均值為零〕〔隨機擾動項的方差為常量〕〔隨機擾動項相互獨立〕〔隨機擾動項與自變量無關(guān)〕5.確定性時間序列分析就是設(shè)法消除隨機型波動，擬合確定性趨勢，因而形成了〔長期趨勢分析〕〔季節(jié)變動分析〕和〔循環(huán)變動測定〕等一系列確定性時間序列分析方法。6.人腦中的神經(jīng)網(wǎng)絡(luò)是一種高度〔并行〕的〔非線性〕信息處理系統(tǒng)。7.神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特征包括〔并行式處理〕〔分布式存儲〕〔容錯性〕8.單層感知器的局限性是〔僅對線性可分問題具有分類能力〕9.神經(jīng)網(wǎng)絡(luò)如何學(xué)習包括〔有導(dǎo)師學(xué)習〕〔無導(dǎo)師學(xué)習〕〔死記式學(xué)習〕三種方式10.置信度〔confidence〕等于〔P(B/A)〕11聚類分析中，相似或相似的描述是基于數(shù)據(jù)描述屬性的取值來確定的，常常用〔距離〕來表示。三、問答題〔答案略〕1.數(shù)據(jù)倉庫和數(shù)據(jù)庫有何不同？它們有那些相似之處？2.舉例說明在進行數(shù)據(jù)挖掘時如何選擇及綜合利用決策樹、聚類分析、關(guān)聯(lián)分析、神經(jīng)網(wǎng)絡(luò)、回歸與時序數(shù)據(jù)挖掘技術(shù)。3．數(shù)據(jù)挖掘可以在何種數(shù)據(jù)上進行？4．簡述怎樣填充空缺值？5.簡述有損壓縮和無損壓縮。6.簡述直線回歸與直線相關(guān)的區(qū)別與聯(lián)系。7.表達k-means法的聚類過程，指出它的優(yōu)缺點。8.ARIMA預(yù)測模型由哪幾個子預(yù)測模型構(gòu)成？應(yīng)用ARIMA時對數(shù)據(jù)有哪些根本要求？9.BP神經(jīng)網(wǎng)絡(luò)的主要原理是什么？10.舉例說明Apriori算法的優(yōu)化方法11.簡述聚類分析數(shù)據(jù)的處理方法12.簡述判別分析的概念，與聚類分析的聯(lián)系與區(qū)別是什么？13.簡述利用SQLSERVER2005進行聚類分析時如何解釋模型四、分析計算題〔答案略〕1.為什么說強關(guān)聯(lián)規(guī)那么不一定都是有趣的，舉例說明。2．Apriori的一種變形將事務(wù)數(shù)據(jù)庫D中的事務(wù)劃分為幾個不重疊的局部。證明在D中是頻繁的任何項集至少在D中的一個局部中是頻繁的。3.利用以下數(shù)據(jù)進行分析編號12345678910腎重(克)333357361305269340369312268354心重(克)271439328326276305404262255350請用以上數(shù)據(jù)：建立腎重〔x〕對心重〔y〕的預(yù)測回歸方程？求回歸系數(shù)的95%置信區(qū)間。4.某醫(yī)院在對某單位職工的冠心病普查中，欲研究冠心病與眼底動脈硬化的關(guān)系，資料如下表。問兩者之間是否存在線性趨勢關(guān)系？某單位職工冠心病與眼底動脈硬化普查結(jié)果眼底動脈硬化級別冠心病診斷合計正?？梢晒谛牟?340116357Ⅰ7313692Ⅱ971818133Ⅲ3216合計51344315885.據(jù)下表資料分析新舊劑型與測量時間對血藥濃度的影響。16名受試者服藥后的血藥濃度〔ol/L〕編號舊劑型編號新劑型0小時4小時8小時12小時0小時4小時8小時12小時190.53142.1265.5473.28870.5397.38112.1258.50288.43163.1748.9571.77968.4395.27133.1756.903100.01144.7586.0680.011057.3778.4383.1648.34446.32126.3348.9539.5411105.80120.54136.3384.03573.69138.9670.0260.891280.01104.75114.7565.616105.27126.3375.0183.661356.3275.2796.3347.52786.32121.0678.9570.241453.69110.02138.9645.441585.27110.01126.3369.471666.32115.27129.0655.296.下表是對24個菌株用氣相色譜法測得的12種脂肪酸的百分含量〔X1~X12〕，試用系統(tǒng)聚類中的最大相似系數(shù)法將下表中的變量聚類；用系統(tǒng)聚類中的類平均法和k-means法分別將表中的樣品分成3類，繪制系統(tǒng)聚類圖。24個菌株氣相色譜法測得的12種脂肪酸的百分含量編號X1X2X3X4X5X6X7X8X9X10X11X1210.1225.420.007.720.000.000.0029.0625.920.0011.760.0020.097.300.005.040.000.000.0024.6522.540.0039.580.0030.024.940.004.020.000.000.0027.1223.381.8238.520.0040.027.520.033.760.000.030.0015.0219.202.5451.970.0050.0329.130.009.060.000.000.0014.3110.993.1934.020.0061.1923.790.008.160.000.000.0021.0337.640.008.260.0070.0312.391.664.170.000.020.0020.7019.111.3441.050.0080.2112.580.025.370.000.000.0020.3430.113.0028.290.0090.145.590.123.170.000.060.0020.0542.305.4322.970.00100.004.150.0036.3221.150.000.000.0036.060.000.000.00110.005.330.0037.848.590.000.000.0048.250.000.000.00120.009.960.0037.9620.180.000.000.0025.303.350.000.00130.0010.450.0045.656.210.000.000.0022.020.0015.670.00140.001.620.0041.3616.270.000.000.0030.654.6515.450.00150.005.760.7534.527.140.000.000.0031.750.0019.930.00160.0012.930.0046.535.410.000.000.0020.390.0014.720.00170.0015.680.0034.7719.850.000.000.0017.520.007.720.00180.007.600.0035.8821.460.000.000.0029.705.340.000.00190.007.230.0041.785.510.000.000.0027.830.0017.670.00200.001.870.0035.131.910.000.000.0051.890.009.300.00210.413.340.2133.5911.450.0014.790.2326.310.009.350.30222.262.231.6627.8115.640.0011.711.7717.690.0017.921.31234.494.500.2031.6215.440.0012.445.8917.960.006.640.83243.856.760.1938.9510.100.0012.242.4718.950.006.400.107.下表是某醫(yī)院1999年~2007年門診的就診人次變化情況，試用指數(shù)曲線擬合門診量的變化趨勢，并對2008年~2010年的門診量進行預(yù)測。某醫(yī)院1999年~2007年門診量(千人次)年份199920002001200220032004200520062007門診量1922112302342763514285406578.某神經(jīng)網(wǎng)絡(luò)采用雙極性sigmoid函數(shù)，學(xué)習率η=0.25，初始權(quán)向量W(0)=(1，0，1)T，兩對輸入樣本為X1=(2，0，-1)T，d1=-1；X2=(1，-2，-1)T，d2=1。試用delta學(xué)習規(guī)那么進行訓(xùn)練，并寫出〔提示：雙極性sigmoid函數(shù)的導(dǎo)數(shù)為f(net)=1/2(1-o2)。〕9.調(diào)查某市412名艾滋病高危人群的CCR2-64I基因和SDF1-3′A基因的基因型分布情況如下表，問兩個基因型之間是否有關(guān)聯(lián)？某市412名艾滋病高危人群CCR2-64I基因和SDF1-3′A基因的基因型分布SDF1-3′A基因型CCR2-64I基因型合計Wt/wtWt/mtMt/mtWt/wt1215211184Wt/mt367254162Mt/mt851766合計1651757241210.下表是對加何種油的調(diào)查表，請根據(jù)ID3算法畫出決策樹