數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）智慧樹知到期末考試答案2024年

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）智慧樹知到期末考試答案2024年數(shù)據(jù)倉庫與數(shù)據(jù)挖掘（山東聯(lián)盟）頻繁項(xiàng)集、頻繁閉項(xiàng)集、最?頻繁項(xiàng)集之間的關(guān)系是：（）

A:頻繁項(xiàng)集頻繁閉項(xiàng)集最?頻繁項(xiàng)集B:頻繁項(xiàng)集=頻繁閉項(xiàng)集最?頻繁項(xiàng)集C:頻繁項(xiàng)集頻繁閉項(xiàng)集=最?頻繁項(xiàng)集D:頻繁項(xiàng)集=頻繁閉項(xiàng)集=最?頻繁項(xiàng)集答案:頻繁項(xiàng)集頻繁閉項(xiàng)集最?頻繁項(xiàng)集決策樹中不包含?下哪種結(jié)點(diǎn)，（）

A:根結(jié)點(diǎn)（rootnode)B:葉結(jié)點(diǎn)（leafnode）C:內(nèi)部結(jié)點(diǎn)（internalnode）D:外部結(jié)點(diǎn)（externalnode）答案:外部結(jié)點(diǎn)（externalnode）下面哪個(gè)不屬于數(shù)據(jù)的屬性類型(

)

A:區(qū)間B:相異C:序數(shù)D:標(biāo)稱答案:相異關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是:（）

A:OLAP是以數(shù)據(jù)倉庫為基礎(chǔ)的,但其最終數(shù)據(jù)來源與OLTP?樣均來?底層的數(shù)據(jù)庫系統(tǒng),兩者?對(duì)的?戶是相同的.B:OLAP主要是關(guān)于如何理解聚集的?量不同的數(shù)據(jù).它與OTAP應(yīng)?程序不同.C:OLAP的特點(diǎn)在于事務(wù)量?,但事務(wù)內(nèi)容?較簡單且重復(fù)率?.D:與OLAP應(yīng)?程序不同,OLTP應(yīng)?程序包含?量相對(duì)簡單的事務(wù).答案:OLAP設(shè)X={1，2，3}是頻繁項(xiàng)集，則可由X產(chǎn)?__（）__個(gè)關(guān)聯(lián)規(guī)則。

A:7B:4C:6D:5答案:6以下哪些算法是分類算法，（）

A:K-MeanB:EMC:DBSCAND:C4.5答案:C4.5下?購物籃能夠提取的3-項(xiàng)集的最?數(shù)量是多少ID購買項(xiàng)1?奶，啤酒，尿布2?包，?油，?奶3?奶，尿布，餅?4?包，?油，餅?5啤酒，餅?，尿布6?奶，尿布，?包，?油7?包，?油，尿布8啤酒，尿布9?奶，尿布，?包，?油10啤酒，餅?（）

A:2B:4C:1D:3答案:3以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法(

)

A:抽樣B:嵌入C:包裝D:過濾答案:抽樣數(shù)據(jù)倉庫是隨著時(shí)間變化的,下?的描述不正確的是（）

A:捕捉到的新數(shù)據(jù)會(huì)覆蓋原來的快照;B:數(shù)據(jù)倉庫中包含?量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)?重新綜合.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)倉庫隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容;答案:數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;有關(guān)數(shù)據(jù)倉庫的開發(fā)特點(diǎn),不正確的描述是:（）

A:在數(shù)據(jù)倉庫環(huán)境中,并不存在操作型環(huán)境中所固定的和較確切的處理流,數(shù)據(jù)倉庫中數(shù)據(jù)分析和處理更靈活,且沒有固定的模式B:數(shù)據(jù)倉庫使?的需求在開發(fā)出去就要明確;C:數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);D:數(shù)據(jù)倉庫的開發(fā)是?個(gè)不斷循環(huán)的過程,是啟發(fā)式的開發(fā);答案:數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);下?列出的條?中，哪些是數(shù)據(jù)倉庫的基本特征：（）

A:數(shù)據(jù)倉庫的數(shù)據(jù)是相對(duì)穩(wěn)定的B:數(shù)據(jù)倉庫是?向事務(wù)的C:數(shù)據(jù)倉庫的數(shù)據(jù)是集成的D:數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的E:數(shù)據(jù)倉庫是?向主題的答案:數(shù)據(jù)倉庫是?向主題的###數(shù)據(jù)倉庫的數(shù)據(jù)是相對(duì)穩(wěn)定的###數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：（）

A:不?致B:重復(fù)C:不完整D:含噪聲E:維度?答案:不?致###不完整###含噪聲###維度?###重復(fù)在評(píng)價(jià)不平衡類問題分類的度量?法有如下?種（）

A:F1度量B:真正率（turepositiverate,TPR）C:召回率（recall）D:精度（precision）答案:F1度量###召回率（recall）###真正率（ture###精度（precision）在決策樹中，隨著樹中結(jié)點(diǎn)數(shù)變得太?，即使模型的訓(xùn)練誤差還在繼續(xù)減低，但是檢驗(yàn)誤差開始增?，這是出現(xiàn)了模型擬合不?的問題。（）

A:正確B:錯(cuò)誤答案:（錯(cuò)）數(shù)據(jù)倉庫中間層OLAP服務(wù)器只能采?關(guān)系型OLAP（）

A:錯(cuò)B:對(duì)答案:錯(cuò)先驗(yàn)原理可以表述為：如果?個(gè)項(xiàng)集是頻繁的，那包含它的所有項(xiàng)集也是頻繁的。（）

A:錯(cuò)誤B:正確答案:錯(cuò)誤DSS主要是基于數(shù)據(jù)倉庫.聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)?。（）

A:錯(cuò)B:對(duì)答案:對(duì)Web數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的?些屬性來預(yù)測另?個(gè)屬性,它在驗(yàn)證?戶提出的假設(shè)過程中提取信息.（）

A:錯(cuò)誤B:正確答案:錯(cuò)誤尋找模式和規(guī)則主要是對(duì)數(shù)據(jù)進(jìn)??擾，使其符合某種規(guī)則以及模式。（）

A:對(duì)B:錯(cuò)答案:錯(cuò)如果?個(gè)對(duì)象不強(qiáng)屬于任何簇，那么該對(duì)象是基于聚類的離群點(diǎn)。（）

A:對(duì)B:錯(cuò)答案:對(duì)分類模型的誤差?致分為兩種：訓(xùn)練誤差（trainingerror）和泛化誤差（generalizationerror）.（）

A:正確B:錯(cuò)誤答案:正確分類和回歸都可?于預(yù)測，分類的輸出是離散的類別值，?回歸的輸出是連續(xù)數(shù)值。（）

A:錯(cuò)誤B:正確答案:正確序列數(shù)據(jù)沒有時(shí)間戳。（）

A:錯(cuò)誤B:正確答案:正確圖挖掘技術(shù)在社會(huì)?絡(luò)分析中扮演了重要的??。（）

A:錯(cuò)誤B:正確答案:正確從點(diǎn)作為個(gè)體簇開始，每?步合并兩個(gè)最接近的簇，這是?種分裂的層次聚類?法。（）

A:錯(cuò)誤B:正確答案:錯(cuò)誤聚類（clustering）是這樣的過程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型(或函數(shù))，以便能夠使?模型預(yù)測類標(biāo)記未知的對(duì)象類。（）

A:錯(cuò)誤B:正確答案:錯(cuò)誤數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析?具等四個(gè)部分.()

A:正確B:錯(cuò)誤答案:錯(cuò)誤在聚類分析當(dāng)中，簇內(nèi)的相似性越?，簇間的差別越?，聚類的效果就越差。（）

A:錯(cuò)誤B:正確答案:錯(cuò)誤下列__（）__不是將主觀信息加?到模式發(fā)現(xiàn)任務(wù)中的?法。

A:主觀興趣度量B:可視化C:與同?時(shí)期其他數(shù)據(jù)對(duì)?D:基于模板的?法答案:AI參考:正確答案是D：基于模板的?法。\n選項(xiàng)D中基于模板的方法不是將主觀信息加?到模式發(fā)現(xiàn)任務(wù)中的?法。其它三個(gè)選項(xiàng)（A:主觀興趣度量、B:可視化、C:與同?時(shí)期其他數(shù)據(jù)對(duì)?）都是可以將主觀信息加?到模式發(fā)現(xiàn)任務(wù)中的?法。\n\n解釋：\n\n-主觀興趣度量可以基于數(shù)據(jù)專家或用戶的興趣愛好等因素對(duì)數(shù)據(jù)進(jìn)行分析，從中發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律或模式。\n-可視化可以將數(shù)據(jù)以圖表或圖形化的形式展示，通過視覺觀察發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和模式。\n-與同?時(shí)期其他數(shù)據(jù)對(duì)?可以通過對(duì)比不同時(shí)期的數(shù)據(jù)，找出數(shù)據(jù)中可能存在的變化規(guī)律和模式。\n\n而基于模板的方法是?種傳統(tǒng)的模式發(fā)現(xiàn)?法，它是基于預(yù)先設(shè)定的模板或模式對(duì)數(shù)據(jù)進(jìn)?分類或預(yù)測。這種方法不需要考慮數(shù)據(jù)的主觀信息，因此不是將主觀信息加?到模式發(fā)現(xiàn)任務(wù)中的?法。'什么是KDD？()

A:文檔知識(shí)發(fā)現(xiàn)B:數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)C:領(lǐng)域知識(shí)發(fā)現(xiàn)D:動(dòng)態(tài)知識(shí)發(fā)現(xiàn)答案:AI參考:正確選項(xiàng)是【B:數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)】。\n\nKDD是數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的簡稱，所以B選項(xiàng)是正確答案。文檔知識(shí)發(fā)現(xiàn)、領(lǐng)域知識(shí)發(fā)現(xiàn)和動(dòng)態(tài)知識(shí)發(fā)現(xiàn)都不是KDD的準(zhǔn)確描述。'如下那些不是基于規(guī)則分類器的特點(diǎn)，（）

A:?常適合處理類分布不平衡的數(shù)據(jù)集B:規(guī)則集的表達(dá)能?遠(yuǎn)不如決策樹好C:?法被?來產(chǎn)?更易于解釋的描述性模型D:基于規(guī)則的分類器都對(duì)屬性空間進(jìn)?直線劃分，并將類指派到每個(gè)劃分答案:AI參考:基于規(guī)則的分類器并不總是對(duì)屬性空間進(jìn)行直線劃分，并將類指派到每個(gè)劃分。所以選項(xiàng)D不正確。同時(shí)，基于規(guī)則的分類器在規(guī)則集的表達(dá)能力上可能不如決策樹，因此選項(xiàng)B的說法也是正確的。另外，基于規(guī)則的分類器通常需要手動(dòng)構(gòu)建規(guī)則，這可能會(huì)影響其生成的模型的解釋性，因此選項(xiàng)C也是正確的。最后，雖然基于規(guī)則的分類器在處理類分布不平衡的數(shù)據(jù)集上表現(xiàn)較好，但是這并不是它們的唯一優(yōu)點(diǎn)，因此選項(xiàng)A也不是特點(diǎn)。所以，正確選項(xiàng)是D:基于規(guī)則的分類器都對(duì)屬性空間進(jìn)?直線劃分，并將類指派到每個(gè)劃分。\n\n請(qǐng)注意，這些特點(diǎn)只是基于規(guī)則分類器的某些可能缺點(diǎn)或局限性，具體取決于具體的實(shí)現(xiàn)方法和應(yīng)用場景。在某些情況下，基于規(guī)則的分類器可能具有其他優(yōu)點(diǎn)或更適合某些任務(wù)。'選項(xiàng)中屬于聚類算法的是（）

A:Jarvis-Patrick（JP）B:K均值C:DBSCAND:Apriori答案:AI參考:屬于聚類算法的是：B:K均值；C:DBSCAN。\n