数据挖掘习题题.docx
- 文档编号:23998821
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:21
- 大小:488.64KB
数据挖掘习题题.docx
《数据挖掘习题题.docx》由会员分享,可在线阅读,更多相关《数据挖掘习题题.docx(21页珍藏版)》请在冰豆网上搜索。
数据挖掘习题题
数据挖掘复习题
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
(B)
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.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
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)
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
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)
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)
AB1.224CD
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,
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.
数据仓库中数据
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)在线性;
34.关于OLAP的特性,下面正确的是:
(D)
(1)快速性
(2)可分析性(3)多维性(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)
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—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勺立方体和用于OLAP的立方体有本质的区别
C.基于WEB勺OLAM是WE我术与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
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、4B、5C、6D、740.概念分层图是__(B)__图。
A、无向无环B、有向无环C、有向有环D、无向有环
(C)
41.频繁项集、频繁闭项集、最大频繁项集之间的关系是:
46.
下列__(A)__不是将主观信息加入到模式发现任务中的方法。
与同一时期其他数据对比
47.
下面购物篮能够提取的3-项集的最大数量是多少(C)ID购买项
(C)
冗余属性不会对决策树的准确率造成不利的影响
55.以下哪些算法是基于规则的分类器(A)
A.B.KNNC.NaveBayesD.ANN
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,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A,无序规则B,穷举规则C,互斥规则D,有序规则
R中的规则为(C);
则称规则集R中的规则为
(D)
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取胜的比赛中果下一场比赛在队1的主场进行队1获胜的概率为(C)A,B,0.35C,D,
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,
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,组合(ensemble)B,聚集(aggregate)C
63.简单地将数据对象集划分成不重叠的子集,类类型称作(B)
A、层次聚类B、划分聚类C
64.在基本K均值算法里,位数。
当邻近度函数采用(
75%是主场获胜。
A、曼哈顿距离B
65.(C)是一个观测值,
产生的。
(B)
1获
训练ANN是一个很耗
(A)
,合并(combination)D使得每个数据对象恰在一个子集中,
,投票(voting)
这种聚
非互斥聚类D、模糊聚类
A)的时候,合适的质心是簇中各点的中
C、余弦距离D、Bregman散度
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
、平方欧几里德距离
A、边界点B、质心C、离群点D、核心点
66.BIRCH是一种(B)。
、分类器B、聚类算法检测一元正态分布中的离群点,、统计方法B、邻近度
C)将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度,次聚类技术。
67.
68.
C、关联分析算法D、属于异常检测中的基于(A)
C、密度D、聚类技术
特征选择算法的离群点检测。
它是一种凝聚层
A、MIN(单链)B、MAX(全链)
69.(D)将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量,次聚类技术。
C、组平均D
、Ward方法
它是一种凝聚层
A、MIN(单链)B、MAX(全链)
70.DBSCAN在最坏情况下的时间复杂度是(
C、组平均D
、Ward方法
B)。
、O(logm)D、O(m*logm)
如果簇度量为proximity(Ci,C),簇权值为mi,那
A、基于图的凝聚度B
基于原型的凝聚度
C、基于原型的分离度
基于图的凝聚度和分离度
簇。
DBSCAr会合并
、K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是有重叠的簇。
73.以下是哪一个聚类算法的算法流程:
①构造k-最近邻图。
②使用多层图划分算法划分
图。
③repeat:
合并关于相对互连性和相对接近性而言,最好地保持簇的自相似性的簇。
C)。
④until:
不再有可以合并的簇。
A、MSTB、OPOSSUMC、Chameleon
D、Jarvis—Patrick(JP)
74.考虑这么一种情况:
一个对象碰巧与另一个对象相对接近,但属于不同的类,因为这两)的相似度计算方法。
、直接相似度D、共享最近邻
、混合模型在有噪声和离群点时不会存在问题。
第一章
1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2、元数据是描述数据仓库内数据的结构和建立方法的数据,它为访问数据仓库提供了一个信息目录,根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类:
联机事务处理和联机分析处理。
4、多维分析是指以“维”形式组织起来的数据(多维数据集)采取切片、切块、钻取和旋转等各种分析动作,以求剖析数据,使拥护能从不同角度、不同侧面观察数据仓库中的数据,从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现,而MOLA是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程,其关键环节包括数据抽取、数据存储于管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同,可以分为以下4种类型:
两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的(但是可“挥
发”的)、企业级的、详细的数据库,也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看,数据仓库的发展演变可以归纳为5个阶段:
以报表为主、以分析为主、
以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
第二章
1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此,我们要求ETL过程产生的数据(即调和数据层)是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库,增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
粒度越小,细节程度越高,综合程度越低,回答查询的种类越多。
5、使用星型模式可以从一定程度上提高查询效率。
因为星型模式中数据的组织已经经过预处理,主要数据都在庞大的事实表中。
6、维度表一般又主键、分类层次和描述属性组成。
对于主键可以选择两种方式:
一种是采用自然键,另一种是采用代理键。
7、雪花型模式是对星型模式维表的进一步层次化和规范化来消除冗余的数据。
4个级别:
早期细节级、当前细
8、数据仓库中存在不同综合级别的数据。
一般把数据分成节级、轻度综合级和高度综合级。
第三章
1、SQLServerSSAS提供了所有业务数据的同意整合试图,可以作为传统报表、在线分析处理、关键性能指示器记分卡和数据挖掘的基础。
5个组成部分(包括名
2、数据仓库的概念模型通常采用信息包图法来进行设计,要求将其称、维度、类别、层次和度量)全面地描述出来。
3、数据仓库的逻辑模型通常采用星型图法来进行设计,要求将星型的各类逻辑实体完整地描述出来。
4种类型:
事务事实、
4、按照事实表中度量的可加性情况,可以把事实表对应的事实分为快照事实、线性项目事实和事件事实。
5、确定了数据仓库的粒度模型以后,为提高数据仓库的使用性能,还需要根据拥护需求设计聚合模型。
6、在项目实施时,根据事实表的特点和拥护的查询需求,可以选用时间、业务类型、区域和下属组织等多种数据分割类型。
7、当维表中的主键在事实表中没有与外键关联时,这样的维称为退化维。
它于事实表并无关系,但有时在查询限制条件(如订单号码、出货单编号等)中需要用到。
8、维度可以根据其变化快慢分为元变化维度、缓慢变化维度和剧烈变化维度三类。
9、数据仓库的数据量通常较大,且数据一般很少更新,可以通过设计和优化索引结构来提高数据存取性能。
反向规范化引入冗余、表
10、数据仓库数据库常见的存储优化方法包括表的归并与簇文件、的物理分割(分区)。
第四章
1、关联规则的经典算法包括Apriori算法和FP-growth算法,其中FP-grownth算法的效率
更咼。
2、如果L2={{a,b},{a,c},{a,d},{b,c},{b,d}},连接产生的C3={{a,b,c},{a,b,d},{a,c,d},{b,c,d}}再经过修剪,C3={{a,b,c},{a,b,d}}
3、设定supmin=50%,交易集如
则L1={A},{B},{C}L2={A,C}
T1
T2
T3
T4
第五章
1、分类的过程包括获取数据、预处理、分类器设计和分类决策。
2、分类器设计阶段包含三个过程:
划分数据集、分类器构造和分类器测试。
3、分类问题中常用的评价准则有精确度、查全率和查准率和集合均值。
S型核函数。
4、支持向量机中常用的核函数有多项式核函数、径向基核函数和
4种类型描述属性的相似度
第六章
1、聚类分析包括连续型、二值离散型、多值离散型和混合类型
计算方法。
2、连续型属性的数据样本之间的距离有欧氏距离、曼哈顿距离和明考斯基距离。
3、划分聚类方法对数据集进行聚类时包含三个要点:
选种某种距离作为数据样本减的相似
之后用迭代的方法得到聚类结
性度量、选择评价聚类性能的准则函数和选择某个初始分类,果,使得评价聚类的准则函数取得最优值。
4、层次聚类方法包括凝聚型和分解型两中层次聚类方法。
填空题20分,简答题25分,计算题2个(25分),综合题30分
1数据仓库的组成P2
数据仓库数据库,数据抽取工具,元数据,访问工具,数据集市,数据仓库管理,信息发布系统
可伸缩性;处理不同类型属性的能力;发现任意形状聚类的能力;减小对先验知识和用户自定义参数的依赖性;处理噪声数据的能力;可解释性和实用性
P7
3、数据仓库在存储和管理方面的特点与关键技术
数据仓库面对的是大量数据的存储与管理
并行处理
针对决策支持查询的优化
支持多维分析的查询模式
4、常见的聚类算法可以分为几类P132
基于划分的聚类算法,基于层次的聚类算法,基于密度的聚类算法,基于网格的聚类算
等。
法,基于模型的聚类算法
5、一个典型的数据仓库系统的组成P12
数据源、数据存储与管理、OLAP服务器、前端工具与应用
以报表为主
以分析为主
以预测模型为主
ID3算法主要存在的缺点P116
使用信息增益作为评价标准。
(1)ID3算法在选择根结点和各内部结点中的分枝属性时,
信息增益的缺点是倾向于选择取值较多的属性,在有些情况下这类属性可能不会提供太
多有价值的信息。
P30
(2)ID3算法只能对描述属性为离散型属性的数据集构造决策树。
简述数据仓库ETL软件的主要功能和对产生数据的目标要求。
ETL软件的主要功能:
数据的抽取,数据的转换,数据的加载
对产生数据的目标要求:
详细的、历史的、规范化的、可理解的、即时的、质量可控制的
10、
简述分类器设计阶段包含的3个过程划分数据集,分类器构造,分类器测试
“、ffi■什么是数据清徒P33★类标号的数据祥本沪二X|)BP
数据清洗是一种使用模式识别别和其他技术类标号在将原始数据转换和移到数据仓库之前来升级原始数据质量的技术。
‘
12、
⑴支据质置信度的计殺式及数据鯛下式歸它射练集际中毎-个数
找出所有的帥的贼¥踽:
使支持度和置信度分别大于门限支持度:
事务中X和丫同时
发生的比例,P(X?
Y)置信度:
:
项集X发生时,丫同时发生的条件概率P(Y|X)
Exampie:
惟対)=£盘厂审,1=1,
SuPPOrt(X)"个距熟从而灶K在5tZ中近霜假设贝宀・"£别是
—标中确定维度确定类沪册本軽"K(近邻分类方法的操作步骤〔包括算法的输入和输出号为蛰P戕
13、利用信息包图设计数据仓库概念模型需要确定的三方面内容。
P57
14、
确定指
15、什么是技术元数据,主要包含的内容P29
技术元数据是描述关于数据仓库技术细节的数据,应用于开发、管理和维护DVy包含:
DW结构的描述,如DW的模式、视图、维、层次结构和导出数据的定
义,数据集市的位置和内容等
业务系统、DW和数据集市的体系结构和模式
汇总算法。
包括度量和维定义算法,数据粒度、主题领域、聚合、
汇总和预定义的查询和报告。
由操作型业务环境到数据仓库业务环境的映射。
包括源数据和他们
的内容、数据分割、数据提取、清洗、转换规则和数据刷新规则及安全(用户授权和存取控制)
16、业务元数据主要包含的内容P29
业务元数据:
从业务角度描述了DW中的数据,提供了介于使用者和实际系统之间的语
义层,主要包括:
使用者的业务属于所表达的数据模型、对象名和属性名访问数据的原则和数据的来源
系统提供的分析方法及公式和报表的信息。
。
P138*
17、K-means算法的基本操作步骤(包括算法的输入和输出)
开且将具作为该聚粪旳新旳代表点,田此得到k个均值代蔻点.4
W)对于X中的任一数据样本X.(iWnW艾口如1),计算它与k个均值代表点的
距离,并且将它划分到距离最近的均值代表点所表示的类别中-■
重复歩骤(3)和(4),直至!
I各个聚类不再发主变化为止,即误差平為和准刚函敌的僖达到最忧-屮
SQL命令(如Insert或Update)
由DW供应商或第三方提供专门的加载工具由DW管理员编写自定义程序
P37
19、多维数据模型中的基本概念:
维,维类别,维属性,粒度
维:
人们观察数据的特定角度,是考虑问题的一类属性,如时间维或产品维维类别:
也称维分层。
即同一维度还可以存在细节程度不同的各个类别属性
(如时间维包括年、季度、月等)
维属性:
是维的一个取值,是数据线在某维中位置的描述。
粒度:
DW中数据综合程度高低的一个衡量。
粒度低,细节程度高,回答查询的种类多
20、Apriori算法的基本操作步骤P93*
Apriori使用一种称作逐层搜索的迭代方法,K项集用于探索K+1项集。
该方法是基于候选的策略,降低候选数
Apriori剪枝原则:
若任何项集是非频繁的,则其超集必然是非频繁的(不用产生
和测试超集)该原则基于以下支持度的特性:
X,Y:
(XY)s(X)s(Y)
项集的支持度不会超过其子集
支持度的反单调特性(anti-monotone):
如果一个集合不能通过测试,则它的所有超集也都不能通过相同的测试。
令k=1
产生长度为1的频繁项集
循环,直到无新的频繁项集产生
从长度为k的频繁项集产生长度为k+1的候选频繁项集
连接步:
项集的各项排序,前k-1个项相同
若候选频繁子集包含长度为k的非频繁子集,则剪枝
剪枝步:
利用支持度属性原则
扫描数据库,计算每个候选频繁集的支持度
删除非频繁项,保留频繁项
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 挖掘 习题