數(shù)據(jù)挖掘 習(xí)題

數(shù)據(jù)挖掘課后習(xí)題第1章1、數(shù)據(jù)采集旨在找到可用于訓(xùn)練模型的數(shù)據(jù)集，主要包括哪三種技術(shù)？（）A．?dāng)?shù)據(jù)發(fā)現(xiàn)、數(shù)據(jù)增強(qiáng)、數(shù)據(jù)生成B．?dāng)?shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)預(yù)處理C．?dāng)?shù)據(jù)挖掘、模式識(shí)別、機(jī)器翻譯D．?dāng)?shù)據(jù)共享、數(shù)據(jù)檢索、數(shù)據(jù)合成2、以下哪個(gè)不是數(shù)據(jù)標(biāo)注——基于眾包技術(shù)中提到的質(zhì)量控制方法？（）A．使用多個(gè)工人重復(fù)標(biāo)注同一示例B．進(jìn)行多數(shù)投票C．手動(dòng)標(biāo)注每一條實(shí)例D．有效地向工作人員提供如何執(zhí)行標(biāo)簽的說明3.請(qǐng)簡(jiǎn)述數(shù)據(jù)挖掘的含義及其應(yīng)用場(chǎng)景。4.請(qǐng)簡(jiǎn)述數(shù)據(jù)挖掘的基本任務(wù)。5.請(qǐng)簡(jiǎn)述數(shù)據(jù)挖掘的主要步驟。6.請(qǐng)列舉數(shù)據(jù)采集的主要方式。第2章1.關(guān)于數(shù)據(jù)歸約，以下說法錯(cuò)誤的是？（）A.數(shù)據(jù)歸約可以減少數(shù)據(jù)存儲(chǔ)空間B.數(shù)據(jù)歸約可以提高數(shù)據(jù)挖掘算法的效率C.數(shù)據(jù)歸約一定會(huì)導(dǎo)致信息丟失D.數(shù)據(jù)歸約是數(shù)據(jù)預(yù)處理的一個(gè)重要步驟2.在數(shù)據(jù)挖掘之前為什么要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。3.請(qǐng)簡(jiǎn)述數(shù)據(jù)集成可能會(huì)遇到的挑戰(zhàn)。4.現(xiàn)實(shí)世界中的數(shù)據(jù)在某些屬性上常常存在缺失值，請(qǐng)簡(jiǎn)述處理該問題的各種方法。第3章1、下面列出的條目中，哪項(xiàng)不是數(shù)據(jù)倉庫的基本特征？（）A．?dāng)?shù)據(jù)倉庫是面向主題的B.數(shù)據(jù)倉庫集成多個(gè)異構(gòu)數(shù)據(jù)源C．?dāng)?shù)據(jù)倉庫的數(shù)據(jù)是相對(duì)穩(wěn)定的D．?dāng)?shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的2、下面的數(shù)據(jù)倉庫操作中，哪項(xiàng)不是多維數(shù)據(jù)模型上的OLAP操作？（）A．上卷B．選擇C．下鉆D．旋轉(zhuǎn)3、以下哪種數(shù)據(jù)倉庫模式中，中心是一個(gè)事實(shí)表，周圍圍繞著多個(gè)維度表？（）A.雪花模式B.事實(shí)星座模式C.星形模式D.以上都不是4、請(qǐng)簡(jiǎn)述數(shù)據(jù)倉庫定義，并列舉利用維表和事實(shí)表處理多維數(shù)據(jù)模型的幾種常用模式。5、請(qǐng)列舉數(shù)據(jù)倉庫的四個(gè)特征及常見的OLAP操作。6、請(qǐng)簡(jiǎn)述數(shù)據(jù)庫與數(shù)據(jù)倉庫的主要區(qū)別。第4章1.關(guān)聯(lián)規(guī)則挖掘的一般步驟不包括以下哪項(xiàng)？（）A.數(shù)據(jù)預(yù)處理B.模型訓(xùn)練C.產(chǎn)生頻繁項(xiàng)集D.生成規(guī)則2.在關(guān)聯(lián)規(guī)則挖掘中，支持度計(jì)數(shù)是指（）A.項(xiàng)集在所有事務(wù)中出現(xiàn)的次數(shù)B.項(xiàng)集在部分事務(wù)中出現(xiàn)的次數(shù)C.項(xiàng)集在頻繁事務(wù)中出現(xiàn)的次數(shù)D.項(xiàng)集在非頻繁事務(wù)中出現(xiàn)的次數(shù)3.關(guān)聯(lián)規(guī)則挖掘設(shè)置較高的最小支持度閾值時(shí)，可能遇到什么問題？（）A．忽略了稀疏但可能重要的模式B．發(fā)現(xiàn)更多的頻繁項(xiàng)集C．計(jì)算時(shí)間顯著增加D．提高了規(guī)則的置信度4.請(qǐng)簡(jiǎn)述FP-Growth算法相比Apriori算法的優(yōu)勢(shì)。5.假設(shè)最小支持度=60%，最小置信度=80%，根據(jù)下表計(jì)算購買行為的相關(guān)信息：（1）計(jì)算2-項(xiàng)集{O,K}的支持度；（2）列出所有頻繁項(xiàng)集；（3）規(guī)則{K,E}→Y是否成立。交易號(hào)（TID）商品（Items）1M,O,N,K,E,Y2D,O,N,K,E,Y3M,A,K,E4M,U,C,K,Y5C,O,K,I,E第5章1.數(shù)據(jù)挖掘中的分類任務(wù)與回歸任務(wù)的主要區(qū)別是什么？（）A.分類任務(wù)的輸出是連續(xù)的，回歸任務(wù)的輸出是離散的。B.分類任務(wù)的輸出是離散的，回歸任務(wù)的輸出是連續(xù)的。C.分類和回歸任務(wù)的輸出都是連續(xù)的。D.分類和回歸任務(wù)的輸出都是離散的。2.決策樹分類中，以下哪種度量標(biāo)準(zhǔn)用于選擇最優(yōu)特征進(jìn)行節(jié)點(diǎn)分裂？（）A.方差B.信息增益C.熵D.支持度3.支持向量機(jī)（SVM）在解決非線性可分問題時(shí)，通常使用哪種技術(shù)？（）A.決策樹B.核函數(shù)C.聚類D.貝葉斯定理4.簡(jiǎn)述決策樹定義及其構(gòu)建方法。5.請(qǐng)簡(jiǎn)述支持向量機(jī)的分類原理、構(gòu)建方法。6.下表提供了一個(gè)關(guān)于是否要踢球的訓(xùn)練數(shù)據(jù)集合，包含天氣、溫度、濕度、風(fēng)力這四個(gè)屬性，其類別屬性為踢球，包含兩個(gè)不同的取值{yes，no}。天氣溫度濕度風(fēng)力足球陰天熱高弱Yes晴天熱高弱No晴天熱高強(qiáng)No陰天熱正常弱Yes雨天溫暖高弱Yes晴天冷正常弱Yes雨天冷正常弱Yes雨天溫暖正常弱Yes雨天冷正常強(qiáng)No陰天冷正常強(qiáng)Yes晴天溫暖高弱No陰天溫暖高強(qiáng)Yes根據(jù)上面訓(xùn)練數(shù)據(jù)集，采用樸素貝葉斯分類方法對(duì)下列未知樣本進(jìn)行分類，并給出具體步驟，其中未知樣本為：X=（天氣=青托，溫度=溫暖，濕度=高，風(fēng)力=強(qiáng)）第6章1.下列哪種聚類算法屬于劃分聚類算法？（）A．K均值算法B．AGNES算法C．DBSCAN算法D．譜聚類算法2.下列選項(xiàng)中關(guān)于K-means算法描述錯(cuò)誤的是（）。A．簇?cái)?shù)K必須是預(yù)先設(shè)定的B．聚類結(jié)果是全部最優(yōu)解C．對(duì)噪聲和異常數(shù)據(jù)敏感D．不適合非凸形簇3.（）是一個(gè)觀測(cè)值，它與其他觀測(cè)值的差別如此之大，以至于懷疑它是由不同的機(jī)制產(chǎn)生的。A．邊界點(diǎn)B．質(zhì)心C．離群點(diǎn)D．中心點(diǎn)4.請(qǐng)列出分類或聚類算法的幾種評(píng)估方法。5.請(qǐng)簡(jiǎn)述K-means的輸入、輸出及聚類過程。第7章1.下列哪種算法用于挖掘圖數(shù)據(jù)中的凝聚子圖？（）A．Apriori算法B．Bron-Kerbosch算法C．K均值算法D．DBSCAN算法2.以下關(guān)于時(shí)間序列數(shù)據(jù)挖掘的描述，錯(cuò)誤的是（）A.時(shí)間序列數(shù)據(jù)挖掘可以用于預(yù)測(cè)未來趨勢(shì)B.時(shí)間序列數(shù)據(jù)挖掘可以發(fā)現(xiàn)數(shù)據(jù)中的周期性模式C.時(shí)間序列數(shù)據(jù)挖掘只能處理線性關(guān)系的數(shù)據(jù)D.時(shí)間序列數(shù)據(jù)挖掘可以進(jìn)行異常檢測(cè)3.請(qǐng)簡(jiǎn)述時(shí)間序列數(shù)據(jù)的特點(diǎn)及其應(yīng)用場(chǎng)景。4.請(qǐng)簡(jiǎn)述Spark與MapReduce相比的主要優(yōu)勢(shì)。5.如何利用凝聚子圖挖掘技術(shù)來檢測(cè)社交網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)？第8章1.以下哪種數(shù)據(jù)可視化工具是基于Python的？（）A．EchartsB．TableauC．MatplotlibD．PowerBI2.在數(shù)據(jù)可視化中，下列哪種圖表類型最適合用于比較不同類別之間的數(shù)據(jù)差異？（）A．折線圖B．餅圖C．柱狀圖D．散點(diǎn)圖3.請(qǐng)列舉并簡(jiǎn)述三種常見的數(shù)據(jù)可視化圖表類型及其適用場(chǎng)景。4.請(qǐng)列舉兩種可用于數(shù)據(jù)可視化的Python庫。5.請(qǐng)簡(jiǎn)述數(shù)據(jù)可視化軟件Tableau的主要特點(diǎn)。第9章1.自然語言挖掘中，以下哪種技術(shù)常用于文本分類？（）A.聚類分析B.決策樹分類C.卷積神經(jīng)網(wǎng)絡(luò)D.基于規(guī)則的推理2.以下關(guān)于醫(yī)療大數(shù)據(jù)智能挖掘中電子病歷數(shù)據(jù)挖掘的描述，錯(cuò)誤的是（）A.命名實(shí)體識(shí)別可以識(shí)別病歷中的疾病名稱B.關(guān)系抽取可以確定病歷中疾病與癥狀之間的關(guān)系C.文本分類可以將病歷文檔