《大數(shù)據(jù)時(shí)代下的數(shù)據(jù)挖掘》試題及答案

1、海量數(shù)據(jù)挖掘技術(shù)及工程實(shí)踐題目一、單選題（共80題）1) ( D )的目的縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并且能夠得到和原始數(shù)據(jù)相同的分析結(jié)果。A.數(shù)據(jù)清洗 B.數(shù)據(jù)集成C.數(shù)據(jù)變換 D.數(shù)據(jù)歸約2) 某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問(wèn)題？(A) A. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn) B. 聚類 C. 分類 D. 自然語(yǔ)言處理3) 以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類算法的評(píng)價(jià)標(biāo)準(zhǔn)？ (A) (a)警察抓小偷，描述警察抓的人中有多少個(gè)是小偷的標(biāo)準(zhǔn)。 (b)描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。 A. Precision,Recall B. Re

2、call,Precision A. Precision,ROC D. Recall,ROC4) 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個(gè)步驟的任務(wù)？(C) A. 頻繁模式挖掘 B. 分類和預(yù)測(cè) C. 數(shù)據(jù)預(yù)處理 D. 數(shù)據(jù)流挖掘5) 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離？(B) A. 分類 B. 聚類 C. 關(guān)聯(lián)分析 D. 隱馬爾可夫鏈6) 建立一個(gè)模型，通過(guò)這個(gè)模型根據(jù)已知的變量值來(lái)預(yù)測(cè)其他某個(gè)變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(C) A. 根據(jù)內(nèi)容檢索 B. 建模描述 C. 預(yù)測(cè)建模 D. 尋找模式和規(guī)則7) 下面哪種不屬于數(shù)據(jù)

3、預(yù)處理的方法？ (D) A.變量代換 B.離散化 推薦精選C.聚集 D.估計(jì)遺漏值 8) 假設(shè)12個(gè)銷售價(jià)格記錄組已經(jīng)排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每種方法將它們劃分成四個(gè)箱。等頻（等深）劃分時(shí)，15在第幾個(gè)箱子內(nèi)？ (B) A.第一個(gè) B.第二個(gè) C.第三個(gè) D.第四個(gè) 9) 下面哪個(gè)不屬于數(shù)據(jù)的屬性類型：(D) A.標(biāo)稱 B.序數(shù) C.區(qū)間 D.相異 10) 只有非零值才重要的二元屬性被稱作：( C ) A.計(jì)數(shù)屬性 B.離散屬性 C.非對(duì)稱的二元屬性 D.對(duì)稱屬性 11) 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)

4、方法： (D) A.嵌入 B.過(guò)濾 C.包裝 D.抽樣 12) 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是： (B) A.特征提取 B.特征修改 C.映射數(shù)據(jù)到新的空間 D.特征構(gòu)造 13) 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？ (A) A.傅立葉變換 B.特征加權(quán) C.漸進(jìn)抽樣 D.維歸約 14) 假設(shè)屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：(D) A.0.821 B.1.224 C.1.458 D.0.716 15) 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級(jí)200人，二年級(jí)160

5、人，三年級(jí)130人，四年級(jí)110人。則年級(jí)屬性的眾數(shù)是： (A) A.一年級(jí) B.二年級(jí) C.三年級(jí) D.四年級(jí) 推薦精選16) 下列哪個(gè)不是專門用于可視化時(shí)間空間數(shù)據(jù)的技術(shù)： (B) A.等高線圖 B.餅圖 C.曲面圖 D.矢量場(chǎng)圖 17) 在抽樣方法中，當(dāng)合適的樣本容量很難確定時(shí)，可以使用的抽樣方法是： (D) A.有放回的簡(jiǎn)單隨機(jī)抽樣 B.無(wú)放回的簡(jiǎn)單隨機(jī)抽樣 C.分層抽樣 D 漸進(jìn)抽樣18) 數(shù)據(jù)倉(cāng)庫(kù)是隨著時(shí)間變化的,下面的描述不正確的是 (C)A.數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容B.捕捉到的新數(shù)據(jù)會(huì)覆蓋原來(lái)的快照C.數(shù)據(jù)倉(cāng)庫(kù)隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容D.數(shù)據(jù)倉(cāng)庫(kù)中包含大量

6、的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重新綜合19) 下面關(guān)于數(shù)據(jù)粒度的描述不正確的是: (C)A.粒度是指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別B.數(shù)據(jù)越詳細(xì),粒度就越小,級(jí)別也就越高C.數(shù)據(jù)綜合度越高,粒度也就越大,級(jí)別也就越高D.粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢質(zhì)量20) 有關(guān)數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)特點(diǎn),不正確的描述是: (A)A.數(shù)據(jù)倉(cāng)庫(kù)開發(fā)要從數(shù)據(jù)出發(fā)B.數(shù)據(jù)倉(cāng)庫(kù)使用的需求在開發(fā)出去就要明確C.數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)是一個(gè)不斷循環(huán)的過(guò)程,是啟發(fā)式的開發(fā)D.在數(shù)據(jù)倉(cāng)庫(kù)環(huán)境中,并不存在操作型環(huán)境中所固定的和較確切的處理流,數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)分析和處理更靈活,且沒(méi)有固定的模式21)

7、關(guān)于OLAP的特性,下面正確的是: (D)(1)快速性 (2)可分析性 (3)多維性 (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)推薦精選22) 關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是: (C)A.OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應(yīng)用程序不同B.與OLAP應(yīng)用程序不同,OLTP應(yīng)用程序包含大量相對(duì)簡(jiǎn)單的事務(wù)C.OLAP的特點(diǎn)在于事務(wù)量大,但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高D.OLAP是以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的,但其最終數(shù)據(jù)來(lái)源與OLTP一樣均來(lái)自底層的數(shù)據(jù)庫(kù)系統(tǒng),

8、兩者面對(duì)的用戶是相同的23) 關(guān)于OLAP和OLTP的說(shuō)法,下列不正確的是: (A)A.OLAP事務(wù)量大,但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高B.OLAP的最終數(shù)據(jù)來(lái)源與OLTP不一樣C.OLTP面對(duì)的是決策人員和高層管理人員D.OLTP以應(yīng)用為核心,是應(yīng)用驅(qū)動(dòng)的24) 設(shè)X=1，2，3是頻繁項(xiàng)集，則可由X產(chǎn)生( C )個(gè)關(guān)聯(lián)規(guī)則。A.4 B.5 C.6 D.7 25) 考慮下面的頻繁3-項(xiàng)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假定數(shù)據(jù)集中只有5個(gè)項(xiàng),采用 合并策略,由候選產(chǎn)生過(guò)程得到4-項(xiàng)集不包含（ C ）A.1,2,3,4 B.1,

9、2,3,5 C.1,2,4,5 D.1,3,4,526) 下面選項(xiàng)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>27) 在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu),這樣的任務(wù)稱為 ( B )A.頻繁子集挖掘 B.頻繁子圖挖掘 C.頻繁數(shù)據(jù)項(xiàng)挖掘 D.頻繁模式挖掘推薦精選28) 下列度量不具有反演性的是 (D)A.系數(shù) B.幾率 C.Co

10、hen度量 D.興趣因子29) 下列 ( A )不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。A.與同一時(shí)期其他數(shù)據(jù)對(duì)比B.可視化C.基于模板的方法D.主觀興趣度量30) 下面購(gòu)物藍(lán)能夠提取的3-項(xiàng)集的最大數(shù)量是多少（C）TID項(xiàng)集1牛奶,啤酒,尿布2面包,黃油,牛奶3牛奶,尿布,餅干4面包,黃油,餅干5啤酒,餅干,尿布6牛奶,尿布,面包,黃油7面包,黃油,尿布8啤酒,尿布9牛奶,尿布,面包,黃油10啤酒,餅干A.1 B.2 C.3 D.431) 以下哪些算法是分類算法 （B）A.DBSCAN B.C4.5 C.K-Mean D.EM32) 以下哪些分類方法可以較好地避免樣本的不平衡問(wèn)題（A）A.

11、KNN B.SVM C.Bayes D.神經(jīng)網(wǎng)絡(luò) 33) 決策樹中不包含一下哪種結(jié)點(diǎn) ( C )A. 根結(jié)點(diǎn)（root node)B. 內(nèi)部結(jié)點(diǎn)（internal node） 推薦精選C. 外部結(jié)點(diǎn)（external node） D. 葉結(jié)點(diǎn)（leaf node）34) 以下哪項(xiàng)關(guān)于決策樹的說(shuō)法是錯(cuò)誤的 (C)A. 冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響 B. 子樹可能在決策樹中重復(fù)多次 C. 決策樹算法對(duì)于噪聲的干擾非常敏感 D. 尋找最佳決策樹是NP完全問(wèn)題35) 在基于規(guī)則分類器的中,依據(jù)規(guī)則質(zhì)量的某種度量對(duì)規(guī)則排序,保證每一個(gè)測(cè)試記錄都是由覆蓋它的“最好的”規(guī)格來(lái)分類,這種方案稱為

12、 (B)A. 基于類的排序方案 B. 基于規(guī)則的排序方案 C. 基于度量的排序方案 D. 基于規(guī)格的排序方案。 36) 以下哪些算法是基于規(guī)則的分類器 (A) A. C4.5 B. KNN C. Naive Bayes D. ANN37) 可用作數(shù)據(jù)挖掘分析中的關(guān)聯(lián)規(guī)則算法有（C）。A. 決策樹、對(duì)數(shù)回歸、關(guān)聯(lián)模式 B. K均值法、SOM神經(jīng)網(wǎng)絡(luò) C. Apriori算法、FP-Tree算法 D. RBF神經(jīng)網(wǎng)絡(luò)、K均值法、決策樹38) 如果對(duì)屬性值的任一組合,R中都存在一條規(guī)則加以覆蓋,則稱規(guī)則集R中的規(guī)則為( B )A.無(wú)序規(guī)則 B.窮舉規(guī)則 C.互斥規(guī)則 D.有序規(guī)則39) 用于分類與回

13、歸應(yīng)用的主要算法有: ( D )A.Apriori算法、HotSpot算法 B.RBF神經(jīng)網(wǎng)絡(luò)、K均值法、決策樹 C.K均值法、SOM神經(jīng)網(wǎng)絡(luò) D.決策樹、BP神經(jīng)網(wǎng)絡(luò)、貝葉斯推薦精選40)如果允許一條記錄觸發(fā)多條分類規(guī)則,把每條被觸發(fā)規(guī)則的后件看作是對(duì)相應(yīng)類的一次投票,然后計(jì)票確定測(cè)試記錄的類標(biāo)號(hào),稱為（A） A.無(wú)序規(guī)則 B.窮舉規(guī)則 C.互斥規(guī)則 D.有序規(guī)則41)考慮兩隊(duì)之間的足球比賽：隊(duì)0和隊(duì)1。假設(shè)65%的比賽隊(duì)0勝出,剩余的比賽隊(duì)1獲勝。隊(duì)0獲勝的比賽中只有30%是在隊(duì)1的主場(chǎng),而隊(duì)1取勝的比賽中75%是主場(chǎng)獲勝。如果下一場(chǎng)比賽在隊(duì)1的主場(chǎng)進(jìn)行隊(duì)1獲勝的概率為 (C) A.0.7

14、5 B.0.35 C.0.4678 D.0.573842)以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN）的描述錯(cuò)誤的有 (A)A.神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒 B.可以處理冗余特征 C.訓(xùn)練ANN是一個(gè)很耗時(shí)的過(guò)程 D.至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)43)通過(guò)聚集多個(gè)分類器的預(yù)測(cè)來(lái)提高分類準(zhǔn)確率的技術(shù)稱為 (A) A.組合(ensemble) B.聚集(aggregate) C.合并(combination) D.投票(voting)44)簡(jiǎn)單地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集,使得每個(gè)數(shù)據(jù)對(duì)象恰在一個(gè)子集中,這種聚類類型稱作（ B ） A.層次聚類 B.劃分聚類 C.非互斥聚類 D.模糊聚類45)在基

15、本K均值算法里,當(dāng)鄰近度函數(shù)采用（ A ）的時(shí)候,合適的質(zhì)心是簇中各點(diǎn)的中位數(shù)。 A.曼哈頓距離 B.平方歐幾里德距離 C.余弦距離 D.Bregman散度 46)（ C ）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.核心點(diǎn)47)BIRCH是一種（ B ）。 A.分類器 B.聚類算法 推薦精選C.關(guān)聯(lián)分析算法 D.特征選擇算法48)檢測(cè)一元正態(tài)分布中的離群點(diǎn),屬于異常檢測(cè)中的基于（ A ）的離群點(diǎn)檢測(cè)。 A.統(tǒng)計(jì)方法 B.鄰近度 C.密度 D.聚類技術(shù)49)（ C ）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對(duì)的平均逐對(duì)鄰近度

16、，它是一種凝聚層次聚類技術(shù)。 A.MIN（單鏈） B.MAX（全鏈） C.組平均 D.Ward方法50)（ D ）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量,它是一種凝聚層次聚類技術(shù)。 A.MIN（單鏈） B.MAX（全鏈） C.組平均 D.Ward方法51) 下列算法中，不屬于外推法的是（ B ）。 A.移動(dòng)平均法 B.回歸分析法 C.指數(shù)平滑法 D.季節(jié)指數(shù)法52) 關(guān)聯(lián)規(guī)則的評(píng)價(jià)指標(biāo)是：（ C ）。 A. 均方誤差、均方根誤差 B. Kappa統(tǒng)計(jì)、顯著性檢驗(yàn) C. 支持度、置信度 D. 平均絕對(duì)誤差、相對(duì)誤差53)關(guān)于K均值和DBSCAN的比較,以下說(shuō)法不正確的是（ A ）

17、。 A.K均值丟棄被它識(shí)別為噪聲的對(duì)象,而DBSCAN一般聚類所有對(duì)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均值很難處理非球形的簇和不同大小的簇,DBSCAN可以處理不同大小和不同形狀的簇。 D.K均值可以發(fā)現(xiàn)不是明顯分離的簇,即便簇有重疊也可以發(fā)現(xiàn),但是DBSCAN會(huì)合并有重疊的簇。54）從研究現(xiàn)狀上看，下面不屬于云計(jì)算特點(diǎn)的是（ C ）A.超大規(guī)模 B.虛擬化 C.私有化 D.高可靠性推薦精選55)考慮這么一種情況：一個(gè)對(duì)象碰巧與另一個(gè)對(duì)象相對(duì)接近,但屬于不同的類,因?yàn)檫@兩個(gè)對(duì)象一般不會(huì)共享許多近鄰,所以應(yīng)該選擇（ D ）的相似度計(jì)算方法。 A.平

18、方歐幾里德距離 B.余弦距離 C.直接相似度 D.共享最近鄰56) 分析顧客消費(fèi)行業(yè)，以便有針對(duì)性的向其推薦感興趣的服務(wù)，屬于（ A）問(wèn)題。A.關(guān)聯(lián)規(guī)則挖掘 B.分類與回歸 C.聚類分析 D.時(shí)序預(yù)測(cè)57)以下哪個(gè)聚類算法不是屬于基于原型的聚類（ D ）。 A.模糊C均值 B.EM算法 C.SOM D.CLIQUE58)關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn),下面說(shuō)法正確的是（ B ）。 A.當(dāng)簇只包含少量數(shù)據(jù)點(diǎn),或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí),混合模型也能很好地處理。 B.混合模型比K均值或模糊c均值更一般,因?yàn)樗梢允褂酶鞣N類型的分布。 C.混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇。 D.混合模型在有噪聲和離

19、群點(diǎn)時(shí)不會(huì)存在問(wèn)題。59)以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（ D ）。 A.STING B.WaveCluster C.MAFIA D.BIRCH60)一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周圍密度的逆。這是基于（ C ）的離群點(diǎn)定義。 A概率 B鄰近度 C密度 D聚類61) 輿情研判，信息科學(xué)側(cè)重（ C ）,社會(huì)和管理科學(xué)側(cè)重突發(fā)群體事件管理中的群體心理行為及輿論控制研究，新聞傳播學(xué)側(cè)重對(duì)輿論的本體進(jìn)行規(guī)律性的探索和研究。 A.輿論的本體進(jìn)行規(guī)律性的探索和研究B.輿論控制研究C.互聯(lián)網(wǎng)文本挖掘和分析技術(shù)D.用戶行為分析62) MapReduce的Map函數(shù)產(chǎn)生很多的（ C ）A.key B.v

20、alue 推薦精選C.<key,value> D.Hash63) Mapreduce適用于 （ D ）A.任意應(yīng)用程序 B. 任意可在windows servet2008上運(yùn)行的程序C.可以串行處理的應(yīng)用程序 D. 可以并行處理的應(yīng)用程序64) PageRank是一個(gè)函數(shù),它對(duì)Web中的每個(gè)網(wǎng)頁(yè)賦予一個(gè)實(shí)數(shù)值。它的意圖在于網(wǎng)頁(yè)的PageRank越高,那么它就（ D ）。 A.相關(guān)性越高 B.越不重要 C.相關(guān)性越低 D.越重要A.一對(duì)一 B.一對(duì)多 C. 多對(duì)多 D. 多對(duì)一65) 協(xié)同過(guò)濾分析用戶興趣,在用戶群中找到指定用戶的相似(興趣)用戶,綜合這些用戶對(duì)某一信息的評(píng)價(jià),形成系

21、統(tǒng)對(duì)該指定用戶對(duì)此信息的喜好程度（ D ）,并將這些用戶喜歡的項(xiàng)推薦給有相似興趣的用戶。A. 相似 B.相同 C.推薦 D. 預(yù)測(cè)66) 大數(shù)據(jù)指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具,在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并（ B ）成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的信息。A.收集 B.整理 C.規(guī)劃 D.聚集67) 大數(shù)據(jù)科學(xué)關(guān)注大數(shù)據(jù)網(wǎng)絡(luò)發(fā)展和運(yùn)營(yíng)過(guò)程中（ D ）大數(shù)據(jù)的規(guī)律及其與自然和社會(huì)活動(dòng)之間的關(guān)系。A.大數(shù)據(jù)網(wǎng)絡(luò)發(fā)展和運(yùn)營(yíng)過(guò)程 B.規(guī)劃建設(shè)運(yùn)營(yíng)管理C.規(guī)律和驗(yàn)證D.發(fā)現(xiàn)和驗(yàn)證68) 大數(shù)據(jù)的價(jià)值是通過(guò)數(shù)據(jù)共享、（ D ）后獲取最大的數(shù)據(jù)價(jià)值A(chǔ).算法共享 B.共享應(yīng)用 C.

22、 數(shù)據(jù)交換 D. 交叉復(fù)用69) 社交網(wǎng)絡(luò)產(chǎn)生了海量用戶以及實(shí)時(shí)和完整的數(shù)據(jù),同時(shí)社交網(wǎng)絡(luò)也記錄了用戶群體的（ C ）,通過(guò)深入挖掘這些數(shù)據(jù)來(lái)了解用戶,然后將這些分析后的數(shù)據(jù)信息推給需要的品牌商家或是微博營(yíng)銷公司。推薦精選A.地址 B.行為 C.情緒 D.來(lái)源 70) 通過(guò)數(shù)據(jù)收集和展示數(shù)據(jù)背后的（ D ）,運(yùn)用豐富的、具有互動(dòng)性的可視化手段,數(shù)據(jù)新聞學(xué)成為新聞學(xué)作為一門新的分支進(jìn)入主流媒體,即用數(shù)據(jù)報(bào)道新聞。A.數(shù)據(jù)收集 B.數(shù)據(jù)挖掘 C.真相 D. 關(guān)聯(lián)與模式71) CRISP-DM 模型中Evaluation表示對(duì)建立的模型進(jìn)行評(píng)估,重點(diǎn)具體考慮得出的結(jié)果是否符合（ C ）的商業(yè)目的。A

23、.第二步 B.第三步C.第一步 D.最后一步72) 發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的算法通常要經(jīng)過(guò)以下三個(gè)步驟：連接數(shù)據(jù),作數(shù)據(jù)準(zhǔn)備；給定最小支持度和（ D ）,利用數(shù)據(jù)挖掘工具提供的算法發(fā)現(xiàn)關(guān)聯(lián)規(guī)則；可視化顯示、理解、評(píng)估關(guān)聯(lián)規(guī)則A. 最小興趣度 B. 最小置信度C. 最大支持度D. 最小可信度73) 規(guī)則I->j,“有可能”,等于所有包含I的購(gòu)物籃中同時(shí)包含J的購(gòu)物籃的比例,為（ B ）。A. 置信度 B.可信度 C. 興趣度 D. 支持度74) 如果一個(gè)匹配中,任何一個(gè)節(jié)點(diǎn)都不同時(shí)是兩條或多條邊的端點(diǎn),也稱作（ C ）A. 極大匹配 B.二分匹配 C完美匹配 D.極小匹配75) 只要具有適當(dāng)?shù)恼咄?/p>

24、動(dòng),大數(shù)據(jù)的使用將成為未來(lái)提高競(jìng)爭(zhēng)力、生產(chǎn)力、創(chuàng)新能力以及（ D ）的關(guān)鍵要素。A.提高消費(fèi) B.提高GDP C.提高生活水平 D. 創(chuàng)造消費(fèi)者盈余76) 個(gè)性化推薦系統(tǒng)是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái),以幫助（ D ）為其顧客購(gòu)物提供完全個(gè)性化的決策支持和信息服務(wù)。 推薦精選A.公司 B.各單位 C.跨國(guó)企業(yè) D. 電子商務(wù)網(wǎng)站77) 云計(jì)算是對(duì)（ D ）技術(shù)的發(fā)展與運(yùn)用A.并行計(jì)算 B.網(wǎng)格計(jì)算 C.分布式計(jì)算 D.三個(gè)選項(xiàng)都是78) （ B ）是Google提出的用于處理海量數(shù)據(jù)的并行編程模式和大規(guī)模數(shù)據(jù)集的并行運(yùn)算的軟件架構(gòu)。A.GFS B.MapReduce C.Ch

25、ubby D.BitTable79) 在Bigtable中，（ A ）主要用來(lái)存儲(chǔ)子表數(shù)據(jù)以及一些日志文件A. GFS B. Chubby C.SSTable D.MapReduce二、判斷題（共40題）1) 分類是預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類別，預(yù)測(cè)是用于數(shù)據(jù)對(duì)象的連續(xù)取值。 (對(duì))2) 時(shí)序預(yù)測(cè)回歸預(yù)測(cè)一樣，也是用已知的數(shù)據(jù)預(yù)測(cè)未來(lái)的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。(錯(cuò))3) 數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成描述數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)等任務(wù)。 (對(duì))4) 對(duì)遺漏數(shù)據(jù)的處理方法主要有：忽略該條記錄；手工填補(bǔ)遺漏值；利用默認(rèn)值填補(bǔ)遺漏值；利用均值填補(bǔ)遺漏值；利用同類別均值

26、填補(bǔ)遺漏值；利用最可能的值填充遺漏值。(對(duì))5) 神經(jīng)網(wǎng)絡(luò)對(duì)噪音數(shù)據(jù)具有高承受能力，并能對(duì)未經(jīng)過(guò)訓(xùn)練的數(shù)據(jù)具有分類能力，但其需要很長(zhǎng)的訓(xùn)練時(shí)間，因而對(duì)于有足夠長(zhǎng)訓(xùn)練時(shí)間的應(yīng)用更合適。(對(duì))6) 數(shù)據(jù)分類由兩步過(guò)程組成：第一步，建立一個(gè)聚類模型，描述指定的數(shù)據(jù)類集或概念集；第二步，使用模型進(jìn)行分類。(錯(cuò))7) 聚類是指將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的過(guò)程。 (對(duì))8) 決策樹方法通常用于關(guān)聯(lián)規(guī)則挖掘。 (錯(cuò))推薦精選9) 數(shù)據(jù)規(guī)范化指將數(shù)據(jù)按比例縮放(如更換大單位)，使之落入一個(gè)特定的區(qū)域（如0-1）以提高數(shù)據(jù)挖掘效率的方法。規(guī)范化的常用方法有：最大-最小規(guī)范化、零-均值

27、規(guī)范化、小數(shù)定標(biāo)規(guī)范化。(對(duì))10) 原始業(yè)務(wù)數(shù)據(jù)來(lái)自多個(gè)數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)，它們的結(jié)構(gòu)和規(guī)則可能是不同的，這將導(dǎo)致原始數(shù)據(jù)非常的雜亂、不可用，即使在同一個(gè)數(shù)據(jù)庫(kù)中，也可能存在重復(fù)的和不完整的數(shù)據(jù)信息，為了使這些數(shù)據(jù)能夠符合數(shù)據(jù)挖掘的要求，提高效率和得到清晰的結(jié)果，必須進(jìn)行數(shù)據(jù)的預(yù)處理。(對(duì))11) 數(shù)據(jù)取樣時(shí)，除了要求抽樣時(shí)嚴(yán)把質(zhì)量關(guān)外，還要求抽樣數(shù)據(jù)必須在足夠范圍內(nèi)有代表性。(對(duì))12) 分類規(guī)則的挖掘方法通常有：決策樹法、貝葉斯法、人工神經(jīng)網(wǎng)絡(luò)法、粗糙集法和遺傳算法。(對(duì))13) 可信度是對(duì)關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。 (錯(cuò))14) 孤立點(diǎn)在數(shù)據(jù)挖掘時(shí)總是被視為異常、無(wú)用數(shù)據(jù)而丟棄。 (錯(cuò))1

28、5) Apriori算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。 (對(duì))16) 用于分類的離散化方法之間的根本區(qū)別在于是否使用類信息。（對(duì)）17) 特征提取技術(shù)并不依賴于特定的領(lǐng)域。（錯(cuò)）18) 模型的具體化就是預(yù)測(cè)公式，公式可以產(chǎn)生與觀察值有相似結(jié)構(gòu)的輸出，這就是預(yù)測(cè)值。（對(duì)）19) 文本挖掘又稱信息檢索，是從大量文本數(shù)據(jù)中提取以前未知的、有用的、可理解的、可操作的知識(shí)的過(guò)程。 （錯(cuò)）20) 定量屬性可以是整數(shù)值或者是連續(xù)值。（對(duì)）21) 可視化技術(shù)對(duì)于分析的數(shù)據(jù)類型通常不是專用性的。（錯(cuò)）22) OLAP技術(shù)側(cè)重于把數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析、轉(zhuǎn)換成輔助決策信息，是繼數(shù)據(jù)庫(kù)技術(shù)發(fā)展之后迅猛發(fā)展起來(lái)的一種

29、新技術(shù)。 （對(duì)）23) Web數(shù)據(jù)挖掘是通過(guò)數(shù)據(jù)庫(kù)仲的一些屬性來(lái)預(yù)測(cè)另一個(gè)屬性，它在驗(yàn)證用戶提出的假設(shè)過(guò)程中提取信息。 （錯(cuò)）24) 關(guān)聯(lián)規(guī)則挖掘過(guò)程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則。 （錯(cuò)）25) 利用先驗(yàn)原理可以幫助減少頻繁項(xiàng)集產(chǎn)生時(shí)需要探查的候選項(xiàng)個(gè)數(shù)。 （對(duì)）推薦精選先驗(yàn)原理可以表述為：如果一個(gè)項(xiàng)集是頻繁的，那包含它的所有項(xiàng)集也是頻繁的。（錯(cuò)）26) 回歸分析通常用于挖掘關(guān)聯(lián)規(guī)則。（錯(cuò)）27) 具有較高的支持度的項(xiàng)集具有較高的置信度。（錯(cuò)）28) 維歸約可以去掉不重要的屬性，減少數(shù)據(jù)立方體的維數(shù)，從而減少數(shù)據(jù)挖掘處理的數(shù)據(jù)量，提高挖掘效率。（對(duì)）29) 聚類（clusterin

30、g）是這樣的過(guò)程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型(或函數(shù))，以便能夠使用模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類。 （錯(cuò)）30) 對(duì)于SVM分類算法，待分樣本集中的大部分樣本不是支持向量，移去或者減少這些樣本對(duì)分類結(jié)果沒(méi)有影響。 （對(duì)）31) Bayes法是一種在已知后驗(yàn)概率與類條件概率的情況下的模式分類方法，待分樣本的分類結(jié)果取決于各類域中樣本的全體。 (錯(cuò))32) 在決策樹中，隨著樹中結(jié)點(diǎn)數(shù)變得太大，即使模型的訓(xùn)練誤差還在繼續(xù)減低，但是檢驗(yàn)誤差開始增大，這是出現(xiàn)了模型擬合不足的問(wèn)題。 （錯(cuò)）33) 在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差。（錯(cuò)）34) 聚類分析可以看作是一

31、種非監(jiān)督的分類。（對(duì)）35) K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個(gè)數(shù)由算法自動(dòng)地確定。（錯(cuò)36) 基于鄰近度的離群點(diǎn)檢測(cè)方法不能處理具有不同密度區(qū)域的數(shù)據(jù)集。（對(duì)）37) 如果一個(gè)對(duì)象不強(qiáng)屬于任何簇，那么該對(duì)象是基于聚類的離群點(diǎn)。（對(duì)）38) 大數(shù)據(jù)的4V特點(diǎn)是Volume、Velocity、Variety、Veracity。（對(duì)）39) 聚類分析的相異度矩陣是用于存儲(chǔ)所有對(duì)象兩兩之間相異度的矩陣，為一個(gè)nn維的單模矩陣。（對(duì)）三、多選題（共30題）1) 噪聲數(shù)據(jù)的產(chǎn)生原因主要有：（ABCD）A. 數(shù)據(jù)采集設(shè)備有問(wèn)題B. 在數(shù)據(jù)錄入過(guò)程中發(fā)生了人為或計(jì)算機(jī)錯(cuò)誤C. 數(shù)據(jù)傳輸過(guò)程

32、中發(fā)生錯(cuò)誤D. 由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致2) 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價(jià)值地總結(jié)出數(shù)據(jù)的某一特征的表示,這個(gè)過(guò)程包括了以下哪些步驟？ (A B C D)推薦精選A.選擇一個(gè)算法過(guò)程使評(píng)分函數(shù)最優(yōu)B.決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞C.決定要使用的表示的特征和結(jié)構(gòu)D.決定用什么樣的數(shù)據(jù)管理原則以高效地實(shí)現(xiàn)算法3) 數(shù)據(jù)挖掘的預(yù)測(cè)建模任務(wù)主要包括哪幾大類問(wèn)題？ (A B)A. 分類 B. 回歸 C. 聚類 D. 關(guān)聯(lián)規(guī)則挖掘4) 下列屬于不同的有序數(shù)據(jù)的有：(A B C D)A.時(shí)序數(shù)據(jù) B.序列數(shù)據(jù) C.時(shí)間序列數(shù)據(jù)D.事務(wù)數(shù)據(jù)E.空間數(shù)據(jù) 5) 下面

33、屬于數(shù)據(jù)集的一般特性的有：( B C D)A.連續(xù)性B.維度 C.稀疏性D.分辨率E.相異性6）下面屬于維歸約常用的處理技術(shù)的有： (A C)A.主成分分析B.特征提取 C.奇異值分解D.特征加權(quán)E.離散化7） 噪聲數(shù)據(jù)處理的方法主要有：（ ABD ）A.分箱 B.聚類推薦精選C.關(guān)聯(lián)分析 D.回歸8） 數(shù)據(jù)挖掘的主要功能包括概念描述、趨勢(shì)分析、孤立點(diǎn)分析及（ ABCD ）等方面。A.挖掘頻繁模式 B.分類和預(yù)測(cè) C.聚類分析 D.偏差分析9） 以下各項(xiàng)均是針對(duì)數(shù)據(jù)倉(cāng)庫(kù)的不同說(shuō)法,你認(rèn)為正確的有（BCD ）。 A數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù) B數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ) C數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的,支

34、持聯(lián)機(jī)事務(wù)處理（OLTP） D數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理10）聯(lián)機(jī)分析處理包括( BCD )基本分析功能。A.聚類 B.切片 C.轉(zhuǎn)軸 D.切塊11）利用Apriori算法計(jì)算頻繁項(xiàng)集可以有效降低計(jì)算頻繁集的時(shí)間復(fù)雜度。在以下的購(gòu)物籃中產(chǎn)生支持度不小于3的候選3-項(xiàng)集，在候選2-項(xiàng)集中需要剪枝的是( BD )TID項(xiàng)集1面包、牛奶2面包、尿布、啤酒、雞蛋3牛奶、尿布、啤酒、可樂(lè)4面包、牛奶、尿布、啤酒5面包、牛奶、尿布、可樂(lè)A.啤酒、尿布 B.啤酒、面包C.面包、尿布 D.啤酒、牛奶12）下表是一個(gè)購(gòu)物籃,假定支持度閾值為40%,其中( AD )是頻繁閉項(xiàng)集。ID項(xiàng)集1面包、牛奶、尿布2面包

35、、牛奶、尿布、啤酒3牛奶、尿布、雞蛋推薦精選4面包、尿布、啤酒、雞蛋5啤酒、雞蛋A.面包、牛奶、尿布 B.面包、啤酒C.尿布、啤酒 D.啤酒、雞蛋13）Apriori算法的計(jì)算復(fù)雜度受( ABCD )影響。A.支持度閥值 B.項(xiàng)數(shù)（維度）C.事務(wù)數(shù) D.事務(wù)平均寬度14）以下關(guān)于非頻繁模式說(shuō)法,正確的是（ AD ）A.其支持度小于閾值 B.都是不讓人感興趣的C.包含負(fù)模式和負(fù)相關(guān)模式 D.對(duì)異常數(shù)據(jù)項(xiàng)敏感15）以下屬于分類器評(píng)價(jià)或比較尺度的有: ( ACD )A.預(yù)測(cè)準(zhǔn)確度 B.召回率C.模型描述的簡(jiǎn)潔度 D.計(jì)算復(fù)雜度16）貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)。 （AB）A.構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力 B.對(duì)模型的過(guò)分問(wèn)題非常魯棒 C.貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù) D.網(wǎng)絡(luò)結(jié)構(gòu)確定后,添加變量相當(dāng)麻煩17）如下哪些不是最近鄰分類器的特點(diǎn)。 (C)A.它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型 B.分類一個(gè)測(cè)試樣例開銷很大 C.最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè) D.可以生產(chǎn)任意形狀的決策邊界18）以下屬于聚類算法的是（ AB ）。 A.K-Means B.DBSCAN C.Apriori D.KNN19)（ CD ）都屬于簇有效性的監(jiān)督度量。 A.輪廓系數(shù) B.共性分類相關(guān)