还剩5页未读,继续阅读
文本内容:
单项选择题.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置尿布,这种属于数据挖掘的哪类问题AA.关联规则发现B.聚类C.分类D.自然语言处理.以下两种描述分别对应哪两种对分类算法的评价标准Aa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.PrecisionRecallB.RecallPrecisionA.PrecisionROCD.RecallROC.将原始数据进展集成、变换、维度规约、数值规约是在以下哪个步骤的任务CA.频繁模式挖掘B.分类和预测C.数据预处理D.数据流挖掘.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别离BA.分类B.聚类C.关联分析D.隐马尔可夫链•什么是KDDAA.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,对数据进展探索属于数据挖掘的哪一类任务[AA.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.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BA.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.建设一个模型,通过这个模型根据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CA.根据内容检索B.建模描述C.预测建模D.寻找模式和规则.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AA.根据内容检索B.建模描述C.预测建模D.寻找模式和规则.下面哪种不属于数据预处理的方法DA变量代换B离散化C聚集D估计遗漏值.假设12个销售价格记录组已经排序如下:5101113153550557292204215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BA第一个B第二个C第三个D第四个.上题中,等宽划分时〔宽度为5015又在哪个箱子里AA第一个B第二个C第三个D第四个.下面哪个不属于数据的属性类型DA标称B序数C区间D相异.在上题中,属于定量的属性类型是CA标称B序数C区间D相异.只有非零值才重要的二元属性被称作CA计数属性B离散属性C非对称的二元属性D对称属性.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.下面不属于创立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.考虑值集{
1、
2、
3、
4、
5、90)其截断均值〔p=20%)是(C)A2B3C
3.5D
5.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.熠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嫡是(B)A1比特B
2.6比特C
3.2比特D
3.8比特.假设属性income的最大最小值分别是12000元和98000元利用最大最小标准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
0.821B
1.224C
1.458D
0.
716.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)131516161920202122222525253033333535364045465270问题使用按箱平均值平滑方法对上述数据进展平滑,箱的深度为3第二个箱子值为:(A)A
18.3B
22.6C
26.8D
27.
9.考虑值集{12243324556826}其四分位数极差是(A)A31B24C55D
3.一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.以下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.在抽样方法中,当适宜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.数据仓库是随着时间变化的,下面的描述不正确的选项是(C)A.数据仓库随时间的变化不断增加新的数据内容;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展重新综合..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构造相关的信息;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..下面关于数据粒度的描述不正确的选项是:(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..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.在有关数据仓库测试,以下说法不正确的选项是:
①A.在完成数据仓库的实施过程中,需要对数据仓库进展各种测试.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,就需要对他们进展单元测试.C.系统的集成测试需要对数据仓库的所有组件进展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方案..OLAP技术的核心是:DA.在线性;B.对用户的快速响应;C.互操作性.D.多维分析;.关于OLAP的特性,下面正确的选项是D⑴快速性2可分析性⑶多维性4信息性⑸共享性A.l23234C.l234D.l
234535.关于OLAP和OLTP的区别描述,不正确的选项是:CA.OLAP主要是关于若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QLTP应用程序包含大量相对简单的事务.OLAP的特点在于事务量大,但事务内容对比简单且重复率高.OLAP是以数据仓库为根基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一样的.
36.OLAM技术一般简称为〃数据联机分析挖掘〃,下面说法正确的选项是:DA.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..关于OLAP和OLTP的说法,以下不正确的选项是:AOLAP事务量大但事务内容对比简单且重复率高.OLAP的最终数据来源与OLTP不一样.OLTP面对的是决策人员和高层管理人员.OLTP以应用为核心,是应用驱动的..设乂={123}是频繁项集,则可由X产生_C_个关联规则A、4B、5C、6D、
7.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.频繁项集、频繁闭项集、最大频繁项集之间的关系是CA、频繁项集频繁闭项集二最大频繁项集B、频繁项集=频繁闭项集最大频繁项集C、频繁项集频繁闭项集最大频繁项集D、频繁项集二频繁闭项集二最大频繁项集.考虑下面的频繁3-项集的集合{123}{124}{125}{134}{135}{234}{235}{345}假定数据集中只有5个项,采用合并策略,由候选产生过程得到4-项集不包含CA、1234B、1235C、1245D、
1345.下面选项中t不是s的子序列的是CA、s={24}{356}{8}仁{2}{36}{8}B、s={24}{356}{8}t={2}{8}C、s={l2}{34}t={l}{2}D、s={24}{24}t={2}{4}.在图集合中发现一组公共子构造,这样的任务称为BA、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.以下度量不具有反演性的是DA、系数B、几率C、Cohen度量D、兴趣因子.以下_A_不是将主观信息参加到模式发现任务中的方法A、与同一时期其他数据比照B、可视化C、基于模板的方法D、主观兴趣度量.下面购物篮能够提取的3-项集的最大数量是多少[CID购置项1牛奶,啤酒,尿布2面包,黄油,牛奶3牛奶,尿布,饼干4面包,黄油,饼干5啤酒,饼干,尿布6牛奶,尿布,面包,黄油7面包,黄油,尿布8啤酒,尿布9牛奶,尿布,面包,黄油10啤酒,饼干A、1B、2C、3D、
4.以下哪些算法是分类算法,ADBSCANBC
4.5CK-MeanDEMB.以下哪些分类方法可以较好地防止样本的不平衡问题,AKNNBSVMCBayesD神经网络A.决策树中不包含一下哪种结点A根结点rootnodeB内部结点internalnodejC外部结点externalnodeD叶结点leafnodeC.不纯性度量中Gini计算公式为〔其中c是类的个数AABCDA.以下哪项关于决策树的说法是错误的CA.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屡次C.决策树算法对于噪声的干扰非常敏感D.寻找最正确决策树是NP完全问题.在基于规则分类器的中,依据规则质量的某种度量对规则排序,保证每一个测试记录都是由覆盖它的“最好的〃规格来分类,这种方案称为(B)A.基于类的排序方案B.基于规则的排序方案C.基于度量的排序方案D.基于规格的排序方案.以下哪些算法是基于规则的分类器(A)A.C
4.5B.KNNC.NaveBayesD.ANN.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.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.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.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.考虑两队之间的足球比赛队和队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的主场进展队1获胜的概率为(C)A
0.75B
0.35C
0.4678D
0.
5738.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.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).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1B)A、层次聚类B、划分聚类C、非互斥聚类D、模糊聚类.在基本K均值算法里,当邻近度函数采用(A)的时候,适宜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.〔C)是一个观测值,它与其他观测值的差异如此之大,以至于疑心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.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.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.[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,它是一种凝聚层次聚类技术A、MIN单链B、MAX〔全链C、组平均D、Ward方法.[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,它是一种凝聚层次聚类技术A、MIN单链B、MAX〔全链C、组平均D、Ward方法.DBSCAN在最坏情况下的时间复杂度是[BA、OmB、Om2C、OlogmD、Om*logm.在基于图的簇评估度量表里面,如果簇度量为proximityCiC簇权值为mi那么它的类型是[CA、基于图的凝聚度B、基于原型的凝聚度C、基于原型的别离度D、基于图的凝聚度和别离度.关于K均值和DBSCAN的对比,以下说法不正确的选项是[AA、K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象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均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇D、K均值可以发现不是明显别离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇.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
④until不再有可以合并的簇[CA、MSTB、OPOSSUMC、ChameleonD、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,因为这两个对象一般不会共享许多近邻,所以应该选择D的相似度计算方法A、平方欧几里德距离B、余弦距离C、直接相似度D、共享最近邻.以下属于可伸缩聚类算法的是AA、CUREB、DENCLUEC、CLIQUED、OPOSSUM.以下哪个聚类算法不是属于基于原型的聚类DA、模糊c均值B、EM算法C、SOMD、CLIQUE
77.关于混合模型聚类算法的优缺点,下面说法正确的选项是[BA、当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理B、混合模型比K均值或模糊c均值更一般,因为它可以使用各种类型的分布C、混合模型很难发现不同大小和椭球形状的簇D、混合模型在有噪声和离群点时不会存在问题.以下哪个聚类算法不属于基于网格的聚类算法[DA、STINGB、WaveClusterC、MAFIAD、BIRCH.一个对象的离群点得分是该对象周围密度的逆这是基于[C的离群点定义A.概率B、邻近度C、密度D、聚类.下面关于Jarvis-PatrickJP聚类算法的说法不正确的选项是DA、JP聚类擅长处理噪声和离群点,并且能够处理不同大小、形状和密度的簇B、JP算法对高维数据效果良好,尤其擅长发现强相关对象的紧致簇C、JP聚类是基于SNN相似度的概念D、JP聚类的基本时间复杂度为Om。