数据挖掘

单选题
1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)
   A. 关联规则发现       B. 聚类
   C. 分类               D. 自然语言处理
2. 以下两种描述分别对应哪两种对分类算法的评价标准？ (A)
  (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。
  (b)描述有多少比例的小偷给警察抓了的标准。
  A. Precision,  Recall  B. Recall,  Precision
  A. Precision,  ROC D. Recall,  ROC
3. 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)
   A. 频繁模式挖掘     B. 分类和预测     C. 数据预处理     D. 数据流挖掘
4. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)
  A. 分类       B. 聚类      C. 关联分析      D. 隐马尔可夫链
5. 什么是KDD？ (A)
  A. 数据挖掘与知识发现    B. 领域知识发现
  C. 文档知识发现      D. 动态知识发现
6. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A）
  A. 探索性数据分析    B. 建模描述
  C. 预测建模  D. 寻找模式和规则
7. 为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？(B)
  A. 探索性数据分析    B. 建模描述
  C. 预测建模  D. 寻找模式和规则
8. 建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C)
  A. 根据内容检索    B. 建模描述
  C. 预测建模  D. 寻找模式和规则
9. 用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？(A)
  A. 根据内容检索    B. 建模描述
  C. 预测建模  D. 寻找模式和规则
11.下面哪种不属于数据预处理的方法？ (D)
A变量代换   B离散化  C 聚集  D 估计遗漏值
12. 假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B)
A 第一个      B  第二个   C 第三个   D 第四个
13.上题中，等宽划分时（宽度为50），15又在哪个箱子里？ (A)
A 第一个      B  第二个   C 第三个   D 第四个
14.下面哪个不属于数据的属性类型：(D)
A 标称    B 序数   C 区间     D相异
15. 在上题中，属于定量的属性类型是：(C)
A 标称    B 序数    C区间   D 相异
16. 只有非零值才重要的二元属性被称作：( C )
A 计数属性  B 离散属性 C非对称的二元属性  D 对称属性
17. 以下哪种方法不属于特征选择的标准方法：         (D)
A嵌入  B 过滤    C  包装   D  抽样
18.下面不属于创建新属性的相关方法的是： (B)
A特征提取    B特征修改    C映射数据到新的空间    D特征构造
19. 考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是  (C)  // 平均值乘以20
A 2    B 3  C 3.5     D 5                                  
20. 下面哪个属于映射数据到新的空间的方法？ (A)
A 傅立叶变换   B特征加权   C 渐进抽样  D维归约
21. 熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是： (B)
A 1比特  B 2.6比特   C  3.2比特  D 3.8比特
22. 假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D)
A 0.821   B 1.224   C 1.458  D 0.716               
23.假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。第二个箱子值为：(A)
A 18.3    B 22.6   C 26.8  D 27.9         
24. 考虑值集{12 24 33 2 4 55 68 26}，其四分位数极差是：(A)
A 31    B 24     C 55    D 3                          
25. 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年级110人。则年级属性的众数是： (A)
A 一年级    B二年级    C 三年级     D 四年级
26. 下列哪个不是专门用于可视化时间空间数据的技术： (B)
A 等高线图    B饼图  C 曲面图  D 矢量场图
27. 在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是： (D)
A 有放回的简单随机抽样   B无放回的简单随机抽样  C分层抽样 D 渐进抽样
28. 数据仓库是随着时间变化的,下面的描述不正确的是 (C)
A. 数据仓库随时间的变化不断增加新的数据内容;
B. 捕捉到的新数据会覆盖原来的快照;
C. 数据仓库随事件变化不断删去旧的数据内容;
D. 数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合.
29. 关于基本数据的元数据是指: (D)
A. 基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息;
B. 基本元数据包括与企业相关的管理方面的数据和信息;
C. 基本元数据包括日志文件和简历执行处理的时序调度信息;
D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息.
30. 下面关于数据粒度的描述不正确的是: (C)
A. 粒度是指数据仓库小数据单元的详细程度和级别;
B. 数据越详细,粒度就越小,级别也就越高;
C. 数据综合度越高,粒度也就越大,级别也就越高;
D. 粒度的具体划分将直接影响数据仓库中的数据量以及查询质量.
31. 有关数据仓库的开发特点,不正确的描述是: (A)
A. 数据仓库开发要从数据出发;
B. 数据仓库使用的需求在开发出去就要明确;
C. 数据仓库的开发是一个不断循环的过程,是启发式的开发;
D. 在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处理更灵活,且没有固定的模式
32. 在有关数据仓库测试,下列说法不正确的是: (D)
A. 在完成数据仓库的实施过程中,需要对数据仓库进行各种测试.测试工作中要包括单元测试和系统测试.
B. 当数据仓库的每个单独组件完成后,就需要对他们进行单元测试.
C. 系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试.
D. 在测试之前没必要制定详细的测试计划.
33. OLAP技术的核心是: (D)
A. 在线性;
B. 对用户的快速响应;
C. 互操作性.
D. 多维分析;
35. 关于OLAP和OLTP的区别描述,不正确的是: (C)
A. OLAP主要是关于如何理解聚集的大量不同的数据.它与OTAP应用程序不同.
B. 与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务.
C. OLAP的特点在于事务量大,但事务内容比较简单且重复率高.
D. OLAP是以数据仓库为基础的,但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的.
36. OLAM技术一般简称为”数据联机分析挖掘”,下面说法正确的是: (D)
A. OLAP和OLAM都基于客户机/服务器模式,只有后者有与用户的交互性;
B. 由于OLAM的立方体和用于OLAP的立方体有本质的区别.
C. 基于WEB的OLAM是WEB技术与OLAM技术的结合.
D. OLAM服务器通过用户图形借口接收用户的分析指令,在元数据的知道下,对超级立方体作一定的操作.
37. 关于OLAP和OLTP的说法,下列不正确的是: (A)
A. OLAP事务量大,但事务内容比较简单且重复率高.
B. OLAP的最终数据来源与OLTP不一样.
C. OLTP面对的是决策人员和高层管理人员.
D. OLTP以应用为核心,是应用驱动的.
38. 设X={1，2，3}是频繁项集，则可由X产生__(C)__个关联规则。
A、4 B、5 C、6 D、7    
43.下面选项中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}>
44. 在图集合中发现一组公共子结构，这样的任务称为 ( B )
A、频繁子集挖掘 B、频繁子图挖掘 C、频繁数据项挖掘 D、频繁模式挖掘
45. 下列度量不具有反演性的是 (D)
A、系数 B、几率 C、Cohen度量 D、兴趣因子
46. 下列__(A)__不是将主观信息加入到模式发现任务中的方法。
A、与同一时期其他数据对比
B、可视化
C、基于模板的方法
D、主观兴趣度量

10 啤酒，饼干
A、1 B、2 C、3 D、4
48. 以下哪些算法是分类算法，A，DBSCAN  B，C4.5  C,K-Mean D,EM   （B）
49. 以下哪些分类方法可以较好地避免样本的不平衡问题， A，KNN B，SVM C，Bayes D，神经网络（A）
50. 决策树中不包含一下哪种结点，A,根结点（root node) B,内部结点（internal node） C,外部结点（external node） D,叶结点（leaf node） (C)
51. 不纯性度量中Gini计算公式为（其中c是类的个数） (A)
A,   B,  C,    D,      （A）
53. 以下哪项关于决策树的说法是错误的 (C)
A. 冗余属性不会对决策树的准确率造成不利的影响
B. 子树可能在决策树中重复多次
C. 决策树算法对于噪声的干扰非常敏感
D. 寻找最佳决策树是NP完全问题

56. 如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为（C）；
A, 无序规则  B，穷举规则  C，互斥规则  D，有序规则
57. 如果对属性值的任一组合，R中都存在一条规则加以覆盖，则称规则集R中的规则为(B)

A, 无序规则  B，穷举规则  C，互斥规则  D，有序规则
58. 如果规则集中的规则按照优先级降序排列，则称规则集是 (D)
A, 无序规则  B，穷举规则  C，互斥规则  D，有序规则
59. 如果允许一条记录触发多条分类规则，把每条被触发规则的后件看作是对相应类的一次投票，然后计票确定测试记录的类标号，称为（A）
A, 无序规则  B，穷举规则  C，互斥规则  D，有序规则
60. 考虑两队之间的足球比赛：队0和队1。假设65%的比赛队0胜出，剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场，而队1取胜的比赛中75%是主场获胜。如果下一场比赛在队1的主场进行队1获胜的概率为 (C)
A，0.75  B,0.35  C,0.4678  D, 0.5738
61. 以下关于人工神经网络（ANN）的描述错误的有 (A)
A，神经网络对训练数据中的噪声非常鲁棒 B，可以处理冗余特征  C，训练ANN是一个很耗时的过程  D，至少含有一个隐藏层的多层神经网络
62. 通过聚集多个分类器的预测来提高分类准确率的技术称为 (A)
A,组合(ensemble)   B,聚集(aggregate)  C，合并(combination)  D，投票(voting)
63. 简单地将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作（ B ）

   A、层次聚类      B、划分聚类      C、非互斥聚类      D、模糊聚类
64. 在基本K均值算法里，当邻近度函数采用（ A ）的时候，合适的质心是簇中各点的中位数。
   A、曼哈顿距离      B、平方欧几里德距离  C、余弦距离      D、Bregman散度
65.（ C ）是一个观测值，它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生的。
   A、边界点      B、质心      C、离群点      D、核心点
66. BIRCH是一种（ B ）。
   A、分类器      B、聚类算法      C、关联分析算法      D、特征选择算法
67. 检测一元正态分布中的离群点，属于异常检测中的基于（ A ）的离群点检测。

   A、统计方法      B、邻近度      C、密度      D、聚类技术

三、判断题
1. 数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述数据、预测数据等任务。 (对)
2. 数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。（对）3. 图挖掘技术在社会网络分析中扮演了重要的角色。（对）
4. 模式为对数据集的全局性总结，它对整个测量空间的每一点做出描述；模型则对变量变化空间的一个有限区域做出描述。（错）
5. 寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。（错）
6. 离群点可以是合法的数据对象或者值。　　　　（对）
7. 离散属性总是具有有限个值。　　　　　　　　（错）
8. 噪声和伪像是数据错误这一相同表述的两种叫法。　　　　　（错）
9. 用于分类的离散化方法之间的根本区别在于是否使用类信息。　　　（对）
10. 特征提取技术并不依赖于特定的领域。　　　　　　（错）
11. 序列数据没有时间戳。　　　　　　（对）
12. 定量属性可以是整数值或者是连续值。　　　　　（对）
13. 可视化技术对于分析的数据类型通常不是专用性的。　　　　（错）
14. DSS主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。（对）
15. OLAP技术侧重于把数据库中的数据进行分析、转换成辅助决策信息，是继数据库技术发展之后迅猛发展起来的一种新技术。（对）
16. 商业智能系统与一般交易系统之间在系统设计上的主要区别在于：后者把结构强加于商务之上，一旦系统设计完毕，其程序和规则不会轻易改变；而前者则是一个学习型系统，能自动适应商务不断变化的要求。（对）
17. 数据仓库中间层OLAP服务器只能采用关系型OLAP          （错）
18．数据仓库系统的组成部分包括数据仓库，仓库管理，数据抽取，分析工具等四个部分. (错)

19. Web数据挖掘是通过数据库仲的一些属性来预测另一个属性,它在验证用户提出的假设过程中提取信息.   （错）
21. 关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。（错）
22. 利用先验原理可以帮助减少频繁项集产生时需要探查的候选项个数（对）。
23. 先验原理可以表述为：如果一个项集是频繁的，那包含它的所有项集也是频繁的。（错
24. 如果规则不满足置信度阈值，则形如的规则一定也不满足置信度阈值，其中是X的子集。（对）
25. 具有较高的支持度的项集具有较高的置信度。（错）
26. 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。（错）
27. 分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。(对)

28. 对于SVM分类算法，待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。（对）
29. Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。

四 其他

数据仓库ETL软件的主要功能和对产生数据的目标要求（）

数据抽取，转换，装载

详细的，历史的，规范化的，可理解的，即时的，质量可控制的

 

 

数据清洗

 

ID3算法主要存在的缺点

Apriori算法