(精編資料推薦)數(shù)據(jù)挖掘試題(150道)

1、單選題1. 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)購買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？ (A)A.關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B. 聚類C. 分類D. 自然語言處理2. 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,RecallB. Recall,PrecisionA. Precision,ROC D. Recall,ROC3. 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)

2、據(jù)流挖掘4. 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5.什么是 KDD ？ (A)A.數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)B. 領(lǐng)域知識(shí)發(fā)現(xiàn)C. 文檔知識(shí)發(fā)現(xiàn)D. 動(dòng)態(tài)知識(shí)發(fā)現(xiàn)6.使用交互式的和可視化的技術(shù)，對(duì)數(shù)據(jù)進(jìn)行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？（A ）A.探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測(cè)建模D. 尋找模式和規(guī)則7.為數(shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(B)A.探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測(cè)建模D. 尋找模式和規(guī)則8. 建立一個(gè)模型，通過這個(gè)模型根據(jù)已知的

3、變量值來預(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9. 用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務(wù)？ (A)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11.下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？(D)A 變量代換B離散化 C 聚集D 估計(jì)遺漏值12. 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)？ (

4、B)A 第一個(gè)B第二個(gè)C 第三個(gè)D 第四個(gè)13.上題中，等寬劃分時(shí)（寬度為50），15 又在哪個(gè)箱子里？(A)A 第一個(gè)B第二個(gè)C 第三個(gè)D 第四個(gè)14.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15. 在上題中，屬于定量的屬性類型是：(C)A 標(biāo)稱B 序數(shù)C 區(qū)間D 相異16. 只有非零值才重要的二元屬性被稱作：( C )1A 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17.以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法：(D)A嵌入 B 過濾C 包裝D 抽樣18.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1

5、9.考慮值集 1 、2、 3、 4、5、 90 ，其截?cái)嗑担?p=20%）是 (C)A 2B 3C 3.5D 520.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21.熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是：(B)A1比特 B2.6比特C 3.2 比特 D 3.8比特22. 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 0.821B 1.224C 1.458D 0.7

6、1623.假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組中age 的值如下 （按遞增序）：13，15，16，16， 19， 20，20， 21，22， 22， 25， 25， 25， 30， 33， 33， 35， 35， 36， 40， 45， 46， 52，70,問題：使用按箱平均值平滑方法對(duì)上述數(shù)據(jù)進(jìn)行平滑，箱的深度為 3。第二個(gè)箱子值為：(A)A 18.3B 22.6C26.8D 27.924.考慮值集 12 24 332 4 55 68 26 ，其四分位數(shù)極差是：(A)A 31B 24C 55D 325. 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 人，三年級(jí) 130

7、 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)26.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 矢量場圖27.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 有放回的簡單隨機(jī)抽樣B 無放回的簡單隨機(jī)抽樣C 分層抽樣 D 漸進(jìn)抽樣28.數(shù)據(jù)倉庫是隨著時(shí)間變化的,下面的描述不正確的是(C)A.數(shù)據(jù)倉庫隨時(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)覆蓋原來的快照;C.數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D.數(shù)據(jù)倉庫中包含大量的綜合數(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

8、新綜合.29. 關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指 : (D)A. 基本元數(shù)據(jù)與數(shù)據(jù)源,數(shù)據(jù)倉庫 ,數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;B. 基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息;C. 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時(shí)序調(diào)度信息;D. 基本元數(shù)據(jù)包括關(guān)于裝載和更新處理,分析處理以及管理方面的信息.30. 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)倉庫小數(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)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量.31. 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點(diǎn),

9、不正確的描述是: (A)2A. 數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā);B. 數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確;C. 數(shù)據(jù)倉庫的開發(fā)是一個(gè)不斷循環(huán)的過程,是啟發(fā)式的開發(fā);D. 在數(shù)據(jù)倉庫環(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)倉庫中數(shù)據(jù)分析和處理更靈活,且沒有固定的模式32. 在有關(guān)數(shù)據(jù)倉庫測(cè)試 ,下列說法不正確的是 : (D)A. 在完成數(shù)據(jù)倉庫的實(shí)施過程中 ,需要對(duì)數(shù)據(jù)倉庫進(jìn)行各種測(cè)試 .測(cè)試工作中要包括單元測(cè)試和系統(tǒng)測(cè)試 .B. 當(dāng)數(shù)據(jù)倉庫的每個(gè)單獨(dú)組件完成后,就需要對(duì)他們進(jìn)行單元測(cè)試.C. 系統(tǒng)的集成測(cè)試需要對(duì)數(shù)據(jù)倉庫的所有組件進(jìn)行大量的功能測(cè)試和回歸測(cè)試.D. 在測(cè)試之前沒必

10、要制定詳細(xì)的測(cè)試計(jì)劃.33. OLAP 技術(shù)的核心是: (D)A. 在線性 ;B. 對(duì)用戶的快速響應(yīng);C. 互操作性 .D. 多維分析 ;34. 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)35. 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

11、同 ,OLTP 應(yīng)用程序包含大量相對(duì)簡單的事務(wù).C. OLAP 的特點(diǎn)在于事務(wù)量大,但事務(wù)內(nèi)容比較簡單且重復(fù)率高.D. OLAP 是以數(shù)據(jù)倉庫為基礎(chǔ)的,但其最終數(shù)據(jù)來源與OLTP 一樣均來自底層的數(shù)據(jù)庫系統(tǒng),兩者面對(duì)的用戶是相同的.36. OLAM 技術(shù)一般簡稱為 ”數(shù)據(jù)聯(lián)機(jī)分析挖掘 ”,下面說法正確的是 : (D)A. OLAP 和 OLAM都基于客戶機(jī)/服務(wù)器模式 ,只有后者有與用戶的交互性;B. 由于 OLAM的立方體和用于OLAP 的立方體有本質(zhì)的區(qū)別.C. 基于 WEB 的 OLAM 是 WEB 技術(shù)與 OLAM技術(shù)的結(jié)合 .D. OLAM服務(wù)器通過用戶圖形借口接收用戶的分析指令,在

12、元數(shù)據(jù)的知道下,對(duì)超級(jí)立方體作一定的操作 .37. 關(guān)于 OLAP 和 OLTP 的說法 ,下列不正確的是 : (A)A. OLAP 事務(wù)量大 ,但事務(wù)內(nèi)容比較簡單且重復(fù)率高.B. OLAP 的最終數(shù)據(jù)來源與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.38. 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、740. 概念分層圖是 _(B)_ 圖。A 、無向無環(huán)B、有向無環(huán)C、有向有環(huán)D、無向有環(huán)41. 頻繁項(xiàng)集、頻繁閉項(xiàng)集、最大頻繁項(xiàng)集之間的關(guān)系是：(C)3A 、頻繁項(xiàng)

13、集頻繁閉項(xiàng)集=最大頻繁項(xiàng)集B、頻繁項(xiàng)集= 頻繁閉項(xiàng)集最大頻繁項(xiàng)集C、頻繁項(xiàng)集頻繁閉項(xiàng)集最大頻繁項(xiàng)集D、頻繁項(xiàng)集= 頻繁閉項(xiàng)集= 最大頻繁項(xiàng)集42. 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)生過程得到 4-項(xiàng)集不包含（ C）A、1，2，3，4 B、1，2， 3，5 C、1，2， 4，5 D、1，3， 4，5 43.下面選項(xiàng)中 t 不是 s 的子序列的是 ( C ) A 、 s=<

14、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45. 下列度量不具有反演性的是(D)A 、 系數(shù)B、幾率C、 Cohen 度量D、興趣因子46. 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

15、、可視化C、基于模板的方法D、主觀興趣度量47. 下面購物籃能夠提取的 3-項(xiàng)集的最大數(shù)量是多少（ C）ID 購買項(xiàng)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、448.以下哪些算法是分類算法，A ，DBSCANB ，C4.5C,K-Mean D,EM（ B）49.以下哪些分類方法可以較好地避免樣本的不平衡問題，A ，KNN B ，SVM C ，Bayes D，神經(jīng)網(wǎng)絡(luò)（ A ）50.決策樹中不包含一下哪種結(jié)點(diǎn)，

16、A, 根結(jié)點(diǎn)（ root node) B, 內(nèi)部結(jié)點(diǎn)（ internal node） C,外部結(jié)點(diǎn)（ external node） D, 葉結(jié)點(diǎn)（ leaf node） (C)51.不純性度量中Gini 計(jì)算公式為（其中c 是類的個(gè)數(shù)）(A)A,B,C,D,（ A ）53.以下哪項(xiàng)關(guān)于決策樹的說法是錯(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4B. 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 完全問題54. 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)格來分類，這種方案

17、稱為(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。55.以下哪些算法是基于規(guī)則的分類器(A)A.C4.5 B. KNNC. Na?ve Bayes D. ANN56.如果規(guī)則集 R 中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集R 中的規(guī)則為（ C）；A,無序規(guī)則B，窮舉規(guī)則C， 互斥規(guī)則D，有序規(guī)則57.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,無序規(guī)則B，窮舉規(guī)則C， 互斥規(guī)則D，有序規(guī)則58.如果規(guī)則集中的規(guī)則按照優(yōu)先級(jí)降序排列，則稱規(guī)則集是(D)A,無序規(guī)則B，窮舉規(guī)則C， 互斥規(guī)則

18、D，有序規(guī)則59.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,無序規(guī)則B，窮舉規(guī)則C， 互斥規(guī)則D，有序規(guī)則60.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，而隊(duì) 1 取勝的比賽中 75%是主場獲勝。如果下一場比賽在隊(duì)1 的主場進(jìn)行隊(duì) 1 獲勝的概率為(C)A ， 0.75 B,0.35C,0.4678D, 0.573861.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

19、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)的過程D，至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)62.通過聚集多個(gè)分類器的預(yù)測(cè)來提高分類準(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)63. 簡單地將數(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64. 在基本 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、

20、Bregman 散度65.（ 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)66. BIRCH 是一種（B ）。A 、分類器B、聚類算法C、關(guān)聯(lián)分析算法D 、特征選擇算法67. 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)68.（ 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，它是一種凝聚層次聚類技術(shù)。5A 、MIN （單鏈）B 、 MAX （全鏈）C、組平均D 、Ward 方法69.（ D ）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)

21、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70.DBSCAN 在最壞情況下的時(shí)間復(fù)雜度是（B ）。A 、O(m)B、 O(m2)C、 O(log m)D、 O(m*log m)71. 在基于圖的簇評(píng)估度量表里面，如果簇度量為proximity(Ci , C) ，簇權(quán)值為mi ，那么它的類型是（C ）。A 、基于圖的凝聚度B 、基于原型的凝聚度C、基于原型的分離度D、基于圖的凝聚度和分離度72. 關(guān)于 K 均值和 DBSCAN 的比較，以下說法不正確的是（A ）。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。73. 以下是哪一個(gè)聚類算法的算法流程：構(gòu)造 k最近鄰圖。使用多層圖劃分算法劃分圖。 repeat：合并關(guān)于相對(duì)互連性和相對(duì)接近性而言，最好地保持簇的自相似性的簇。until ：不再有