还剩20页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
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特别敏感D.找寻最佳决策树是NP完全问题
54.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
55.以下哪些算法是基于规则的分类器(A)A.C
4.5B.KNN C.Nave Bayes D.ANN
56.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特别鲁棒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
57.通过聚集多个分类器的预料来提高分类精确率的技术称为(A)A,组合(ensemble)B,聚集(aggregate)C,合并(combination)D,投票(voting)
58.简洁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59在基本K均值算法里,当邻近度函数采纳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
60.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、核心点填空题第一章1数据库中的学问挖掘KDD包括以下七个步骤、、、、、和2数据挖掘的性能问题主要包括、和_3当前的数据挖掘探讨中,最主要的三个探讨方向是、和4在万维网WWW上应用的数据挖掘技术常被称为5孤立点是指_________________________________________________答案1数据清理,数据集成,数据选择,数据变换,数据挖掘,模式评估,学问表示2算法的效率、可扩展性和并行处理3统计学、数据库技术和机器学习4WEB挖掘5一些与数据的一般行为或模型不一样的孤立数据其次章1进行数据预处理时所运用的主要方法包括、、_______________和_____________2处理噪声数据的方法主要包括、、—和_____________3模式集成的主要问题包括和4数据概化是指_______________________________________________5数据压缩可分为和两种类型6进行数值归约时,三种常用的有参方法是、和_____________7数据离散度的最常用度量是、和答案1数据清理、数据集成、数据变换、数据规约2分箱、聚类、计算机和人工检查结合、回来3整合不同数据源中的元数据,实体识别问题4沿概念分层向上概化5有损压缩,无损压缩6线性回来方法,多元回来,对数线性模型
(7)五数概括、中间四分位数区间、标准差第三章
(1)概念分层有四种类型,分别是、、和
(2)常用的四种爱好度的客观度量是、、和
(3)同时满意和的关联规则称为强关联规则答案
(1)模式分层,集合分组分层,操作导出的分层,基于规则的分层
(2)简洁性、确定性、好用性、新奇性
(3)最小置信度临界值、最小支持度临界值第四章
(1)关联规则挖掘中,两个主要的爱好度度量是和
(2)Aprior算法包括和两个基本步骤
(3)_______________________________________________项集的频率是指
(4)大型数据库中的关联规则挖掘包含两个过程和—
(5)依据规则中所处理的值类型,关联规则可分为和一
(6)Apr iori性质是指________________________________________
(7)挖掘多维关联规则的技术可以依据量化属性的处理分为三种基本方法、______________和_____________
(8)对于频繁项集挖掘,在挖掘过程中运用的约束包括以下五种类型、、、和
(9)在多维关联规则挖掘中,我们搜寻的不是频繁项集,而是答案
(1)支持度和置信度
(2)连接和剪枝
(3)包含项集的事务数
(4)找出全部频繁项集、由频繁项集产生强关联规则
(5)布尔关联规则、量化关联规则
(6)频繁项集的全部非空子集也必需是常见的
(7)量化属性的静态离散化、量化关联规则、基于距离的关联规则
(8)反单调的、单调的、简洁的、可转变的、不行转变的
(9)频繁谓词集第五章
(1)通过对数据进行预处理,可以提高分类和预料过程的、和_____________
(2)防止分类中的过分适应的两种方法分别是和答案
(1)精确性、有效性和可伸缩性
(2)先剪枝、后剪枝弟八早
(1)在数据挖掘中,常用的聚类算法包括、、、基于网格的方法和基于模型的方法
(2)聚类分析常作为一个独立的工具来获得
(3)一个好的聚类分析方法会产生高质量的聚类,具有两个特征和____________________
(4)很多基于内存的聚类算法所常用的两种数据结构是和_____________
(5)基于网格的聚类方法的优点是
(6)孤立点产生的主要缘由包括和
(7)在基于统计的孤立点检测中,常用于不一样性检验的参数包括、______________和_____________答案
(1)划分方法、层次的方法、基于密度的方法
(2)数据分布的状况
(3)高类内相像度、低类间相像度
(4)数据矩阵、相异度矩阵
(5)处理数度快
(6)度量或执行错误、数据变异的结果
(7)数据分布、分布参数、预期的孤立点数问答题
1.何谓数据挖掘?它有哪些方面的功能?从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和学问的过程称为数据挖掘相关的名称有学问发觉、数据分析、数据融合、决策支持等数据挖掘的功能包括概念描述、关联分析、分类与预料、聚类分析、趋势分析、孤立点分析以与偏差分析等
2.何谓数据仓库?为什么要建立数据仓库?数据仓库是一种新的数据处理体系结构,是面对主题的、集成的、不行更新的(稳定性)、随时间不断改变(不同时间)的数据集合,为企业决策支持系统供应所需的集成信息建立数据仓库的目的有3个一是为了解决企业决策分析中的系统响应问题,数据仓库能供应比传统事务数据库更快的大规模决策分析的响应速度二是解决决策分析对数据的特别需求问题决策分析须要全面的、正确的集成数据,这是传统事务数据库不能干脆供应的三是解决决策分析对数据的特别操作要求决策分析是面对专业用户而非一般业务员,须要运用专业的分析工具,对分析结果还要以商业智能的方式进行表现,这是事务数据库不能供应的
3.何谓粒度?它对数据仓库有什么影响?按粒度组织数据的方式有哪些?粒度是指数据仓库的数据单位中保存数据细化或综合程度的级另I」粒度影响存放在数据仓库中的数据量的大小,同时影响数据仓库所能回答查询问题的细微环节程度按粒度组织数据的方式主要有
①简洁积累结构
②轮转综合结构
③简洁干脆结构
④连续结构
4.何谓聚类?它与分类有什么异同?聚类是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程,使得在同一个簇中的对象之间具有较高的相像度,而不同簇中的对象差别较大聚类与分类不同,聚类要划分的类是未知的,分类则可按已知规则进行;聚类是一种无指导学习,它不依靠预先定义的类和带类标号的训练实例,属于视察式学习,分类则属于有指导的学习,是示例式学习
5.分类学问的发觉方法主要有哪些?分类过程通常包括哪两个步骤?分类规则的挖掘方法通常有决策树法、贝叶斯法、人工神经网络法、粗糙集法和遗传算法分类的过程包括2步首先在已知训练数据集上,依据属性特征,为每一种类别找到一个合理的描述或模型,即分类规则;然后依据规则对新数据进行分类
6.什么是决策树?如何用决策树进行分类?决策树是用样本的属性作为结点,用属性的取值作为分支的树结构它是利用信息论原理对大量样本的属性进行分析和归纳而产生的决策树的根结点是全部样本中信息量最大的属性树的中间结点是以该结点为根的子树所包含的样本子集中信息量最大的属性决策树的叶结点是样本的类别值决策树用于对新样本的分类,即通过决策树对新样本属性值的测试,从树的根结点起先,依据样本属性的取值,渐渐沿着决策树向下,直到树的叶结点,该叶结点表示的类别就是新样本的类别决策树方法是数据挖掘中特别有效的分类方法
7.简述ID3算法的基本思想与其主算法的基本步骤首先找出最有判别力的因素,然后把数据分成多个子集,每个子集又选择最有判别力的因素进一步划分,始终进行到全部子集仅包含同一类型的数据为止最终得到一棵决策树,可以用它来对新的样例进行分类主算法包括如下几步
①从训练集中随机选择一个既含正例又含反例的子集(称为窗口);
②用“建树算法”对当前窗口形成一棵决策树;
③对训练集(窗口除外)中例子用所得决策树进行类别判定,找出错判的例子;
④若存在错判的例子,把它们插入窗口,重复步骤
②,否则结束
8.噪声数据的产生缘由有哪些?1数据采集设备有问题2在数据录入过程中发生了人为或计算机错误3数据传输过程中发生错误4由于命名规则或数据代码不同而引起的不一样
9.遗传算法与传统寻优算法相比有什么特点?
①遗传算法为群体搜寻,有利于找寻到全局最优解;
②遗传算法采纳高效有方向的随机搜寻,搜寻效率高;
③遗传算法处理的对象是个体而不是参变量,具有广泛的应用领域;
④遗传算法运用适应值信息评估个体,不须要导数或其他协助信息,运算速度快,适应性好;
⑤遗传算法具有隐含并行性,具有更高的运行效率
10.请说明一下在数据挖掘关联规则中什么是支持度和可信度,以与关联规则支持度规则A-B的支持度指的是全部事务中A与B同地发生的的概率,即PAUB,是AB同时发生的次数与事务总次数之比支持度是对关联规则重要性的衡量可信度规则A-B的可信度指的是包含A项集的同时也包含B项集的条件概率PB|A,是AB同时发生的次数与A发生的全部次数之比可信度是对关联规则的精确度的衡量关联规则同时满意最小支持度阈值和最小可信度阈值的规则称之为关联规则分析与计算题
1.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o序13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70a运用按箱平均值平滑对以上数据进行平滑,箱的深度为3b该数据的均值是多少,中位数是多少?c运用min-max规范化,将age值35转换到[
0.0,
1.0]区间答:a已知数据元组中age的值如下按递增序13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70且箱的深度为3,划分为等频箱箱113,15,16箱216,19,20箱320,21,22箱422,25,25箱525,25,30箱633,33,33箱735,35,35箱835,36,40箱945,46,52箱1070用箱均值光滑箱115,15,15箱218,18,18箱321,21,21箱424,24,24与带其他标签的数据相分别?(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.数据挖掘与学问发觉B.领域学问发觉C.文档学问发觉D.动态学问发觉
6.运用交互式的和可视化的技术,对数据进行探究属于数据挖掘的哪一类任务?(A)A.探究性数据分析B.建模描述C.预料建模D.找寻模式和规则
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.探究性数据分析B.建模描述C.预料建模D.找寻模式和规则
8.建立一个模型,通过这个模型依据已知的变量值来预料其他某个变量值属于数据挖掘的哪一类任务?(C)A.依据内容检索B.建模描述C.预料建模D.找寻模式和规则
9.用户有一种感爱好的模式并且希望在数据集中找到相像的模式,属于数据挖掘哪一类任务?(A)A.依据内容检索B.建模描述C.预料建模D.找寻模式和规则
11.下面哪种不属于数据预处理的方法?(D)箱527,27,37箱633,33,33箱735,35,35箱837,37,37箱948,48,48箱1070;b答:均他足x=一公式中位数应足第Vx.=809/27=
29.
96302.114NM个,1111X14=25=^20C答a使用min-max规范化将age值35变换到[
0.0,
1.0]区间而*.*min=13»max=70,ncw_min=
0.0,new_maxA=
1.0,v=35,A AA——mi.卬max「〃cw minj+〃cw min”max j-min/=
1.0-
0.0+
0.0=
0.386070-
1372.给定两个向量对象,分别表示为pl22,1,42,10,220,0,36,P8a计算两个对象之间的欧几里得距离;b计算两个对象之间的曼哈顿距离;c计算两个对象之间的切比雪夫距离;d计算两个对象之间的闵可夫斯基距离,用x=3o答a计算两个对象之间的欧几里得距离—20/■+/1—0/+,42—36//10-8r=b计算两个对象之间的曼哈顿距离:22—2—1—0—42—36—10—8—11c计算两个对象之间的闵可夫斯基距离,其中参数厂3广+=正公4122-20,+l-O42-3610-
813.数据库有4笔交易,设尸队minsu60minconfWQk7W DATEITEMS^OUGHTTWO3/5/2009{A,C,S,LT2003/5/2009{D,A,C,E,B}T3004/5/2010{A,B,C}T4004/5/2010{C,A,B,E用Apr iori算法找出全部频繁项集,列出全部关联规则解己知最小支持度为最小置信度为60%,80%第一步,对事务数据库进行一次扫描,计算出中所包含的每个项目出现的次数,生成候1D选厂项集的集合C1QD项集TIDT100{A,C,S,L}T200{D,A,C,EB}T300{A,B©T400{C,A,B,Eci项集支持度计数{A}4{B}3{C}4{D}1{E}2⑸1{L}12)第二步,根据设定的最小支持度,从G中确定频繁1-项集L1L1项集支持度计数{A}4{B}3{C}43)第三步,由L】产生候选2-项集G,然后扫描事务数据库对C2中的项集进行计数C2项集支持度计数{A,B}3{A©4{B©3)第四步,根据最小支持度,从候选集C2中确定频繁2-项集L24L2支持度计数项集{A,B}3{A©4{B©35)第五步,由频繁2-项集L2生成候选3-项集G,生成的候选3-项集的集合G={A,B,C},G的子集都是频繁的,且项集{A,B,C}计数为3,即Ls=G={A,B,C},L即为频繁3-项集.由频繁项集产生关联规则如下针对频繁3-项集L,非空真子集有:{A},{B},{C},{A,B},{A,C},{B,C},相应的置信度为:规则置信度A-BC3/4=75%B-AC3/3=100%C-AB3/4=75%AB-C3/3=100%AC-B3/4=75%BC-A3/3=100%因为最小置信度为90%,故所有关联规则为、、B-AC AB-C BC4A
4.给定以下数据集(2,4,10,12,15,3,21),进行『Means聚类,设定聚类数为2个,即k=2在给出的数据集中随机选择的两个对象作为初始簇中心,分别是ml=2,m2=4,相像度依据欧式距离计算求
(1)第一次循环(迭代)结束时,划分所得的两个簇分别是多少
(2)第一次循环(迭代)结束后,进行下一次循环(迭代)时簇心是多少?解
(1)当m尸2时,样本(2,4,10,12,15,3,21)距离该代表点的距离分别为28,10,13,1,19o当ni2=4时,样本(2,4,10,12,15,3,21)距离该代表点的距离分别为-2,6,8,11,-1,170最小距离是1或者-1将该元素放入曲=2的聚类中,则该聚类为(2,3);另一个聚类ni2=4为(4,10,12,15,21)
(2)完成数据样本的划分之后,对于每一个聚类,计算其中全部数据样本的均值,并且将其作为该聚类的新的代表点,由此得到k个均值代表点:ml=
2.5,m2=12oA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运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其次个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其次个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)A2B3C
3.5D
520.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.熠是为消退不确定性所须要获得的信息量,投掷匀称正六面体骰子的端是(B)A1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
0.821B
1.224C
1.458D
0.
71623.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,问题运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其次个箱子值为(A)A
18.3B
22.6C
26.8D
27.
924.考虑值集{12243324556826),其四分位数极差是(A)A31B24C55D
325.一所高校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.下列哪个不是特地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,可以运用的抽样方法是(D)A有放回的简洁随机抽样B无放回的简洁随机抽样C分层抽样D渐进抽样
28.数据仓库是随着时间改变的,下面的描述不正确的是(C)A.数据仓库随时间的改变不断增加新的数据内容;B.捕获到的新数据会覆盖原来的快照;C.数据仓库随事务改变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改变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,分析处理以与管理方面的信息.
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具体程度和级别;B.数据越具体,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.粒度的具体划分将干脆影响数据仓库中的数据量以与查询质量.
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动身;B.数据仓库运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准确的处理流,数据仓库中数据分析和处理更敏捷,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DA.在完成数据仓库的实施过程中,须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,就须要对他们进行单元测试.C.系统的集成测试须要对数据仓库的全部组件进行大量的功能测试和回来测试.D.在测试之前没必要制定具体的测试安排.
33.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;
34.关于OLAP的特性,下面正确的是D1快速性2可分析性3多维性4信息性5共享性A.123B.234C.1234D.
1234535.关于OLAP和OLTP的区分描述,不正确的是CA.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洁的事务.C.OLAP的特点在于事务量大,但事务内容比较简洁且重复率高.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分.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,对超级立方体作肯定的操作.
37.关于OLAP和OLTP的说法,下列不正确的是(A)A.OLAP事务量大,但事务内容比较简洁且重复率高.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
41.频繁项集、频繁闭项集、最大频繁项集之间的关系是(C)A、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=频繁闭项集=最大频繁项集
42.考虑下面的频繁3-项集的集合{1,2,3},{1,2,4},{1,2,5),{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采纳合并策略,由候选产生过程得到4-项集不包含(C)A、1,2,3,4B、1,2,3,5C、1,2,4,5D、1,3,4,
543.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、{3,4}t={l},{2}={1,2},SD、s={2,4},{2,4}t={2},{4}
44.在图集合中发觉一组公共子结构,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、爱好因子
46.下列_(A)_不是将主观信息加入到模式发觉任务中的方法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、主观爱好度量
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、
448.以下哪些算法是分类算法,A,DBSCAN B,C
4.5C,K-Mean D,EM B
49.以下哪些分类方法可以较好地避开样本的不平衡问题,A,KNN B,SVM C,BayesD,神经网络A
50.决策树中不包含一下哪种结点,A,根结点root nodeB,内部结点internal nodeC,外部结点external nodeD,叶结点leaf nodeC
51.不纯性度量中Gini计算公式为其中c是类的个数AA,B,C,D,A
53.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精确率造成不利的影响。