數(shù)據(jù)挖掘技術(shù)與應(yīng)用復(fù)習(xí)題

一、單選選擇題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)

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

2.將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務(wù)？(C)

A.頻繁模式挖掘B.分類和預(yù)測C.數(shù)據(jù)預(yù)處理D.數(shù)據(jù)流挖掘

3.什么是KDD？(A)

A.數(shù)據(jù)挖掘與知識發(fā)現(xiàn)B.領(lǐng)域知識發(fā)現(xiàn)

C.文檔知識發(fā)現(xiàn)D.動態(tài)知識發(fā)現(xiàn)

4.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）

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

5.建立一個模型，通過這個模型根據(jù)已知的變量值來預(yù)測其他某個變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(C)

A.根據(jù)內(nèi)容檢索B.建模描述

C.預(yù)測建模D.尋找模式和規(guī)則

6.用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務(wù)？(A)

A.根據(jù)內(nèi)容檢索B.建模描述

C.預(yù)測建模D.尋找模式和規(guī)則

7.下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？(D)

A.變量代換B.離散化C.聚集D.估計遺漏值

8.假設(shè)12個銷售價格記錄組已經(jīng)排序如下：5,10,11,13,15,35,50,55,72,92,204,215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在第幾個箱子內(nèi)？(B)

A.第一個B.第二個C.第三個D.第四個

9.上題中，等寬劃分時（寬度為50），15又在哪個箱子里？(A)

A.第一個B.第二個C.第三個D.第四個10.在上題中，屬于定量的屬性類型是：(C)

A.標(biāo)稱B.序數(shù)C.區(qū)間D.相異

11.只有非零值才重要的二元屬性被稱作：(C)

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12.下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：(B)

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(gòu)造

13.考慮值集{1、2、3、4、5、90}，其截斷均值（p=20%）是(C)

A.2B.3C.3.5D.5

14.下面哪個屬于映射數(shù)據(jù)到新的空間的方法？(A)

A.傅立葉變換B.特征加權(quán)C.漸進抽樣D.維歸約

15.熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是：(B)

A.1比特B.2.6比特C.3.2比特D.3.8比特

16.一所大學(xué)內(nèi)的各年紀人數(shù)分別為：一年級200人，二年級160人，三年級130人，四年級110人。則年級屬性的眾數(shù)是：(A)

A.一年級B.二年級C.三年級D.四年級

17.下列哪個不是專門用于可視化時間空間數(shù)據(jù)的技術(shù)：(B)

A.等高線圖B.餅圖C.曲面圖D.矢量場圖

18.在抽樣方法中，當(dāng)合適的樣本容量很難確定時，可以使用的抽樣方法是：(D)

A.有放回的簡單隨機抽樣B.無放回的簡單隨機抽樣C.分層抽樣D.漸進抽樣

19.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.

20.關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指:(D)

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(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;

B.基本元數(shù)據(jù)包括與企業(yè)相關(guān)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(guān)于裝載和更新處理,分析處理以及管理方面的信息.

21.下面關(guān)于數(shù)據(jù)粒度的描述不正確的是:(C)

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.

22.有關(guān)數(shù)據(jù)倉庫的開發(fā)特點,不正確的描述是:(A)

A.數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);

B.數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確;

C.數(shù)據(jù)倉庫的開發(fā)是一個不斷循環(huán)的過程,是啟發(fā)式的開發(fā);

D.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

23.在有關(guān)數(shù)據(jù)倉庫測試,下列說法不正確的是:(D)

A.在完成數(shù)據(jù)倉庫的實施過程中,需要對數(shù)據(jù)倉庫進行各種測試.測試工作中要包括單元測試和系統(tǒng)測試.

B.當(dāng)數(shù)據(jù)倉庫的每個單獨組件完成后,就需要對他們進行單元測試.

C.系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進行大量的功能測試和回歸測試.

D.在測試之前沒必要制定詳細的測試計劃.

24.OLAP技術(shù)的核心是:(D)

A.在線性;

B.對用戶的快速響應(yīng);

C.互操作性.

D.多維分析;

25.關(guān)于OLAP的特性,下面正確的是:(D)

(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)

26.設(shè)X={1，2，3}是頻繁項集，則可由X產(chǎn)生__(C)__個關(guān)聯(lián)規(guī)則。

A.4B.5C.6D.7

27.概念分層圖是__(B)__圖。

A.無向無環(huán)B.有向無環(huán)C.有向有環(huán)D.無向有環(huán)

28.頻繁項集、頻繁閉項集、最大頻繁項集之間的關(guān)系是：(C)

A.頻繁項集頻繁閉項集=最大頻繁項集

B.頻繁項集=頻繁閉項集最大頻繁項集

C.頻繁項集頻繁閉項集最大頻繁項集

D.頻繁項集=頻繁閉項集=最大頻繁項集

29.考慮下面的頻繁3-項集的集合：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}假定數(shù)據(jù)集中只有5個項，采用合并策略，由候選產(chǎn)生過程得到4-項集不包含（C）

A.1，2，3，4B.1，2，3，5C.1，2，4，5D.1，3，4，5

30.下面選項中t不是s的子序列的是(C)

A.s=<{2,4},{3,5,6},{8}>t=<{2},{3,6},{8}>

B.s=<{2,4},{3,5,6},{8}>t=<{2},{8}>

C.s=<{1,2},{3,4}>t=<{1},{2}>

D.s=<{2,4},{2,4}>t=<{2},{4}>

31.在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)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

32.下列度量不具有反演性的是(D)

A.系數(shù)B.幾率C.Cohen度量D.興趣因子

33.下列__(A)__不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。

A.與同一時期其他數(shù)據(jù)對比

B.可視化

C.基于模板的方法

D.主觀興趣度量

34.下面購物籃能夠提取的3-項集的最大數(shù)量是多少（C）

ID購買項

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

10啤酒，餅干

A.1B.2C.3D.4

35.以下哪些算法是分類算法，A.DBSCANB.C4.5C.K-MeanD.EM（B）

36.以下哪些分類方法可以較好地避免樣本的不平衡問題，A.KNNB.SVMC.BayesD.神經(jīng)網(wǎng)絡(luò)（A）

37.決策樹中不包含一下哪種結(jié)點，A.根結(jié)點（rootnode)B.內(nèi)部結(jié)點（internalnode）C.外部結(jié)點（externalnode）D.葉結(jié)點（leafnode）(C)

38.以下哪項關(guān)于決策樹的說法是錯誤的(C)

A.冗余屬性不會對決策樹的準確率造成不利的影響

B.子樹可能在決策樹中重復(fù)多次

C.決策樹算法對于噪聲的干擾非常敏感

D.尋找最佳決策樹是NP完全問題

39.在基于規(guī)則分類器的中，依據(jù)規(guī)則質(zhì)量的某種度量對規(guī)則排序，保證每一個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。

40.以下哪些算法是基于規(guī)則的分類器(A)

A.C4.5B.KNNC.NaiveBayesD.ANN

41.如果規(guī)則集R中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集R中的規(guī)則為（C）；

A.無序規(guī)則B.窮舉規(guī)則C.互斥規(guī)則D.有序規(guī)則

42.如果對屬性值的任一組合，R中都存在一條規(guī)則加以覆蓋，則稱規(guī)則集R中的規(guī)則為(B)A.無序規(guī)則B.窮舉規(guī)則C.互斥規(guī)則D.有序規(guī)則

43.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(biāo)號，稱為（A）

A.無序規(guī)則B.窮舉規(guī)則C.互斥規(guī)則D.有序規(guī)則

44.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(C)

A.0.75B.0.35C.0.4678D.0.5738

45.以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN）的描述錯誤的有(A)

A.神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B.可以處理冗余特征C.訓(xùn)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(luò)

46.通過聚集多個分類器的預(yù)測來提高分類準確率的技術(shù)稱為(A)

A.組合(ensemble)B.聚集(aggregate)C.合并(combination)D.投票(voting)

47.簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，使得每個數(shù)據(jù)對象恰在一個子集中，這種聚類類型稱作（B）A.層次聚類B.劃分聚類C.非互斥聚類D.模糊聚類

48.在基本K均值算法里，當(dāng)鄰近度函數(shù)采用（A）的時候，合適的質(zhì)心是簇中各點的中位數(shù)。

A.曼哈頓距離B.平方歐幾里德距離C.余弦距離D.Bregman散度49.（C）將兩個簇的鄰近度定義為不同簇的所有點對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。

A.MIN（單鏈）B.MAX（全鏈）C.組平均D.Ward方法

50.（D）將兩個簇的鄰近度定義為兩個簇合并時導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。

A.MIN（單鏈）B.MAX（全鏈）C.組平均D.Ward方法

51.DBSCAN在最壞情況下的時間復(fù)雜度是（B）。

A.O(m)B.O(m2)C.O(logm)D.O(m*logm)

52.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（C）。

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

53.關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（A）。

A.K均值丟棄被它識別為噪聲的對象，而DBSCAN一般聚類所有對象。

B.K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。

C.K均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不同形狀的簇。

D.K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN會合并有重疊的簇。

54.以下是哪一個聚類算法的算法流程：①構(gòu)造k－最近鄰圖。②使用多層圖劃分算法劃分圖。③repeat：合并關(guān)于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。④until：不再有可以合并的簇。（C）。

A.MSTB.OPOSSUMC.ChameleonD.Jarvis－Patrick（JP）

二、簡答題（本題共5題，每題6分，共30分）1．多維數(shù)據(jù)模型上的OLAP操作包括哪些？答案：上卷、下鉆、切片和切塊、轉(zhuǎn)軸、其它OLAP操作2．什么是數(shù)據(jù)清理？答案：數(shù)據(jù)清理例程可以用于填充遺漏的值，平滑數(shù)據(jù)，找出局外者并糾正數(shù)據(jù)的不一致性3．什么是數(shù)據(jù)集成？答案：數(shù)據(jù)集成將多個數(shù)據(jù)源中的數(shù)據(jù)結(jié)合成、存放在一個一致的數(shù)據(jù)存儲，如數(shù)據(jù)倉庫中。這些源可能包括多個數(shù)據(jù)庫、數(shù)據(jù)方或一般文件。4．什么是數(shù)據(jù)歸約？答案：數(shù)據(jù)歸約技術(shù)，如數(shù)據(jù)方聚集、維歸約、數(shù)據(jù)壓縮、數(shù)值歸約和離散化都可以用來得到數(shù)據(jù)的歸約表示，而使得信息內(nèi)容的損失最小。5．什么是數(shù)據(jù)挖掘？答案：數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的人們事先不知道的，但又有潛在有用的信息和知識的過程。6．什么是關(guān)聯(lián)規(guī)則？什么是強關(guān)聯(lián)規(guī)則？強關(guān)聯(lián)規(guī)則都是有趣的嗎?答案：關(guān)聯(lián)規(guī)則：關(guān)聯(lián)規(guī)則挖掘?qū)ふ医o定數(shù)據(jù)集中項之間的有趣聯(lián)系。強關(guān)聯(lián)規(guī)則：同時滿足用戶定義的最小置信度閾值和最小支持度閾值的關(guān)聯(lián)規(guī)則稱為強關(guān)聯(lián)規(guī)則。都是有趣的7．什么是數(shù)據(jù)集市？答案：數(shù)據(jù)及時包含企業(yè)范圍數(shù)據(jù)的一個子集，對于特定的用戶是有用的。其范圍限于選定主題。8．典型的數(shù)據(jù)挖掘系統(tǒng)有哪幾個主要成分？答案：數(shù)據(jù)庫、數(shù)據(jù)倉庫、萬維網(wǎng)或其他信息庫；數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器；知識庫；數(shù)據(jù)挖掘引擎；模式評估模塊；用戶界面9．從軟件工程的觀點來看，數(shù)據(jù)倉庫的設(shè)計和構(gòu)造包含哪些步驟？答案：規(guī)劃、需求研究、問題分析、倉庫設(shè)計、數(shù)據(jù)集成和測試，最后，配置數(shù)據(jù)倉庫。10．臟數(shù)據(jù)形成的原因有哪些？答案：濫用縮寫詞、數(shù)據(jù)輸入錯誤、數(shù)據(jù)中的內(nèi)嵌控制信息、不同的慣用語、重復(fù)記錄、丟失值、拼寫變化、不同的計量單位、過時的編碼。11．?dāng)?shù)據(jù)清理時，對空缺值有哪些處理方法？答案：忽略元祖、人工填寫遺漏值、使用一個全局常量填充遺漏值、使用屬性的平均值填充遺漏值、使用與給定元祖屬同一類的所有樣本的平均值、使用最可能的值填充遺漏值12．什么是數(shù)據(jù)變換？包括哪些內(nèi)容？答案：數(shù)據(jù)變換將數(shù)據(jù)轉(zhuǎn)換成適合于挖掘的形式。包括內(nèi)容有，平滑、聚集、數(shù)據(jù)泛化、規(guī)范化、屬性構(gòu)造13．?dāng)?shù)據(jù)歸約的策略包括哪些？答案：數(shù)據(jù)方聚集、維歸約、數(shù)據(jù)壓縮、數(shù)值壓縮、離散化和概念分層14．提高數(shù)據(jù)挖掘算法效率有哪幾種思路？答案：減少對數(shù)據(jù)的掃描次數(shù)；縮小產(chǎn)生的候選項集；改進對候選項集的支持度計算方法15.什么決定所使用的數(shù)據(jù)挖掘功能?答案：挖掘什么類型的知識是非常重要的，因為這決定使用什么數(shù)據(jù)挖掘功能。知識類型包括概念描述（特征和區(qū)別）、關(guān)聯(lián)、分類、預(yù)測、聚類和演變分析三、填空題（每題2分）1、數(shù)據(jù)倉庫就是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合。2、數(shù)據(jù)倉庫按照其開發(fā)過程，其關(guān)鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)存儲與管理和數(shù)據(jù)表現(xiàn)等。3、數(shù)據(jù)抽取的兩個常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉庫，增量抽取用于進行數(shù)據(jù)倉庫的維護。4、維度表一般又主鍵、分類層次和描述屬性組成。對于主鍵可以選擇兩種方式：一種是采用自然鍵，另一種是采用代理鍵。5、分類器設(shè)計階段包含三個過程：劃分數(shù)據(jù)集、分類器構(gòu)造和分類器測試。6、支持向量機中常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。7、層次聚類方法包括凝聚型和分解型兩中層次聚類方法。8、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。四、分析題（每題10分）1.

數(shù)據(jù)挖掘的分類方法有哪些，請詳細闡述之答案：分類方法歸結(jié)為四種類型：1）基于距離的分類方法:距離的計算方法有多種，最常用的是通過計算每個類的中心來完成，在實際的計算中往往用距離來表征，距離越近，相似性越大，距離越遠，相似性越小。2）決策樹分類方法:決策樹（DecisionTree）的每個內(nèi)部結(jié)點表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉結(jié)點代表類或類分布。樹的最頂層結(jié)點是根結(jié)點。3）貝葉斯分類方法:設(shè)X是類標(biāo)號未知的數(shù)據(jù)樣本。設(shè)H為某種假定，如數(shù)據(jù)樣本X屬于某特定的類C。對于分類問題，我們希望確定P(H|X)，即給定觀測數(shù)據(jù)樣本X，假定H成立的概率。規(guī)則歸納方法:規(guī)則歸納有四種策略：減法、加法，先加后減、先減后加策略。a)減法策略：以具體例子為出發(fā)點，對例子進行推廣或泛化，推廣即減除條件（屬性值）或減除合取項（為了方便，我們不考慮增加析取項的推廣），使推廣后的例子或規(guī)則不覆蓋任何反例。b)加法策略：