大數(shù)據(jù)分析與可視化知到智慧樹章節(jié)測(cè)試課后答案2024年秋山東交通學(xué)院

大數(shù)據(jù)分析與可視化知到智慧樹章節(jié)測(cè)試課后答案2024年秋山東交通學(xué)院第一章單元測(cè)試

什么是KDD？（）

A:領(lǐng)域知識(shí)發(fā)現(xiàn)

B:動(dòng)態(tài)知識(shí)發(fā)現(xiàn)

C:文檔知識(shí)發(fā)現(xiàn)

D:數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)

答案:數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)

數(shù)據(jù)挖掘分析是指從海量的數(shù)據(jù)中抽取感興趣的（有價(jià)值的、隱含的、以前沒有用但是潛在有用信息的）模式和知識(shí)。（）

A:對(duì)B:錯(cuò)

答案:對(duì)數(shù)據(jù)挖掘分析的步驟包括（）

A:模型評(píng)估

B:數(shù)據(jù)預(yù)處理

C:創(chuàng)建數(shù)據(jù)集

D:算法分析

答案:模型評(píng)估

；數(shù)據(jù)預(yù)處理

；創(chuàng)建數(shù)據(jù)集

；算法分析

當(dāng)今社會(huì)，數(shù)據(jù)挖掘分析被廣泛應(yīng)用。（）

A:對(duì)B:錯(cuò)

答案:對(duì)（）是未來大數(shù)據(jù)分析的發(fā)展趨勢(shì)。

A:簡(jiǎn)單

B:實(shí)時(shí)性

C:非結(jié)構(gòu)化數(shù)據(jù)

D:可視化

答案:實(shí)時(shí)性

；非結(jié)構(gòu)化數(shù)據(jù)

；可視化

第二章單元測(cè)試

關(guān)于描述統(tǒng)計(jì)，包括（）。

A:其余選項(xiàng)都不是

B:相關(guān)分析

C:集中趨勢(shì)分析

D:離中趨勢(shì)分析

答案:相關(guān)分析

；集中趨勢(shì)分析

；離中趨勢(shì)分析

以下屬于推斷統(tǒng)計(jì)的是（）。

A:其余選項(xiàng)都不是

B:集中趨勢(shì)分析

C:參數(shù)估計(jì)

D:離中趨勢(shì)分析

答案:離中趨勢(shì)分析

在數(shù)據(jù)特征的測(cè)度中，描述分布的形狀的值為（）

A:偏態(tài)

B:中位數(shù)

C:峰態(tài)

D:眾數(shù)

答案:偏態(tài)

；峰態(tài)

測(cè)度集中趨勢(shì)就是尋找數(shù)據(jù)水平的代表值或中心值（）

A:對(duì)B:錯(cuò)

答案:對(duì)四分位數(shù)可以用于順序數(shù)據(jù)、數(shù)值數(shù)據(jù)和分類數(shù)據(jù)（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

第三章單元測(cè)試

下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？()

A:漸進(jìn)抽樣

B:特征加權(quán)

C:維歸約

D:傅立葉變換

答案:傅立葉變換

將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個(gè)步驟的任務(wù)？（）

A:數(shù)據(jù)流挖掘

B:分類和預(yù)測(cè)

C:頻繁模式挖掘

D:數(shù)據(jù)預(yù)處理

答案:數(shù)據(jù)預(yù)處理

影響數(shù)據(jù)質(zhì)量問題的因素有哪些（）

A:可信性、可解釋性

B:其余選項(xiàng)都對(duì)

C:準(zhǔn)確性、完整性、一致性

D:相關(guān)性、時(shí)效性

答案:其余選項(xiàng)都對(duì)

數(shù)據(jù)預(yù)處理的常見方法有（）

A:數(shù)據(jù)變換

B:數(shù)據(jù)集成

C:數(shù)據(jù)清洗

D:其余選項(xiàng)都不對(duì)

答案:數(shù)據(jù)變換

；數(shù)據(jù)集成

；數(shù)據(jù)清洗

數(shù)據(jù)預(yù)處理是指在對(duì)數(shù)據(jù)進(jìn)行挖掘分析以前，需要對(duì)原始數(shù)據(jù)進(jìn)行清理、集合和變換等一系列處理工作（）

A:錯(cuò)B:對(duì)

答案:對(duì)

第四章單元測(cè)試

考慮下面的頻繁3-項(xiàng)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(gè)項(xiàng)，采用合并策略，由候選產(chǎn)生過程得到4-項(xiàng)集不包含（）

A:1，2，3，4

B:1，2，3，5

C:1，2，4，5

D:1，3，4，5

答案:1，2，4，5

頻繁項(xiàng)集、頻繁閉項(xiàng)集、最大頻繁項(xiàng)集之間的關(guān)系是：()

A:頻繁項(xiàng)集頻繁閉項(xiàng)集=最大頻繁項(xiàng)集

B:頻繁項(xiàng)集=頻繁閉項(xiàng)集=最大頻繁項(xiàng)集

C:頻繁項(xiàng)集=頻繁閉項(xiàng)集最大頻繁項(xiàng)集

D:頻繁項(xiàng)集頻繁閉項(xiàng)集最大頻繁項(xiàng)集

答案:頻繁項(xiàng)集頻繁閉項(xiàng)集最大頻繁項(xiàng)集

某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？()

A:自然語(yǔ)言處理

B:分類

C:聚類

D:關(guān)聯(lián)規(guī)則發(fā)現(xiàn)

答案:關(guān)聯(lián)規(guī)則發(fā)現(xiàn)

下面購(gòu)物籃能夠提取的3-項(xiàng)集的最大數(shù)量是多少（）ID購(gòu)買項(xiàng)

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:3

B:4

C:1

D:2

答案:3

Apriori算法的計(jì)算復(fù)雜度受(

)影響。

A:項(xiàng)數(shù)（維度）

B:事務(wù)數(shù)

C:事務(wù)平均寬度

D:支持度閥值

答案:項(xiàng)數(shù)（維度）

；事務(wù)數(shù)

；事務(wù)平均寬度

；支持度閥值

第五章單元測(cè)試

以下哪些算法是分類算法，（）

A:EM

B:C4.5

C:DBSCAN

D:K-Mean

答案:C4.5

決策樹中不包含一下哪種結(jié)點(diǎn)，()

A:內(nèi)部結(jié)點(diǎn)（internalnode）

B:葉結(jié)點(diǎn)（leafnode）

C:外部結(jié)點(diǎn)（externalnode）

D:根結(jié)點(diǎn)（rootnode)

答案:外部結(jié)點(diǎn)（externalnode）

以下哪項(xiàng)關(guān)于決策樹的說法是錯(cuò)誤的()

A:子樹可能在決策樹中重復(fù)多次

B:尋找最佳決策樹是NP完全問題

C:冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響

D:決策樹算法對(duì)于噪聲的干擾非常敏感

答案:決策樹算法對(duì)于噪聲的干擾非常敏感

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

A:訓(xùn)練ANN是一個(gè)很耗時(shí)的過程

B:至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)

C:可以處理冗余特征

D:神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒

答案:神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒

貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)，（）

A:貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù)

B:對(duì)模型的過分問題非常魯棒

C:網(wǎng)絡(luò)結(jié)構(gòu)確定后，添加變量相當(dāng)麻煩

D:構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力

答案:對(duì)模型的過分問題非常魯棒

；構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力

如下哪些不是最近鄰分類器的特點(diǎn)，()

A:可以生產(chǎn)任意形狀的決策邊界

B:分類一個(gè)測(cè)試樣例開銷很大

C:它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型

D:最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè)

答案:最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè)

第六章單元測(cè)試

（）這些數(shù)據(jù)特性都是對(duì)聚類分析具有很強(qiáng)影響的。

A:高維性

B:規(guī)模

C:稀疏性

D:噪聲和離群點(diǎn)

答案:高維性

；規(guī)模

；稀疏性

；噪聲和離群點(diǎn)

考慮這么一種情況：一個(gè)對(duì)象碰巧與另一個(gè)對(duì)象相對(duì)接近，但屬于不同的類，因?yàn)檫@兩個(gè)對(duì)象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。

A:余弦距離

B:共享最近鄰

C:平方歐幾里德距離

D:直接相似度

答案:共享最近鄰

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

A:平方歐幾里德距離

B:余弦距離

C:曼哈頓距離

D:Bregman散度

答案:曼哈頓距離

簡(jiǎn)單地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集，使得每個(gè)數(shù)據(jù)對(duì)象恰在一個(gè)子集中，這種聚類類型稱作（）

A:模糊聚類

B:劃分聚類

C:層次聚類

D:非互斥聚類

答案:劃分聚類

K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個(gè)數(shù)由算法自動(dòng)地確定。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

第七章單元測(cè)試

可視化涉及到的學(xué)科包括（）

A:統(tǒng)計(jì)分析

B:計(jì)算機(jī)圖形學(xué)

C:數(shù)據(jù)挖掘

D:人機(jī)交互

答案:統(tǒng)計(jì)分析

；計(jì)算機(jī)圖形學(xué)

；數(shù)據(jù)挖掘

；人機(jī)交互

若有一個(gè)數(shù)據(jù)集，每個(gè)數(shù)據(jù)點(diǎn)有5個(gè)屬性，以下哪種可視化技術(shù)最適用于表示其屬性涼涼之間的相關(guān)性呢？（）

A:像