數(shù)據(jù)挖掘習(xí)題題

1、.數(shù)據(jù)挖掘復(fù)習(xí)題單選題1. 某超市研究銷(xiāo)售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買(mǎi)啤酒的人很大概率也會(huì)購(gòu)買(mǎi)尿布，這種屬于數(shù)據(jù)挖掘的哪類(lèi)問(wèn)題？(A) A. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn) B. 聚類(lèi) C. 分類(lèi) D. 自然語(yǔ)言處理2. 以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類(lèi)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. Recall, Precision A. 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

2、挖掘 B. 分類(lèi)和預(yù)測(cè) C. 數(shù)據(jù)預(yù)處理 D. 數(shù)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(lèi)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(lèi) B. 聚類(lèi) 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(lèi)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(wèn)題屬于數(shù)據(jù)挖掘的哪一類(lèi)任務(wù)？(B) A. 探索性數(shù)據(jù)分析 B.

3、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(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(lèi)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(hù)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(lèi)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(xiāo)售價(jià)格記錄組已經(jīng)排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 9

4、2, 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) 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(lèi)型：(D)A 標(biāo)稱(chēng) B 序數(shù) C 區(qū)間 D相異 15. 在上題中，屬于定量的屬性類(lèi)型是：(C)A 標(biāo)稱(chēng) 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(chēng)作：( C )A 計(jì)數(shù)屬性 B 離散屬性 C非對(duì)稱(chēng)的二元屬性 D 對(duì)稱(chēng)屬性 17. 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法： (

5、D)A嵌入 B 過(guò)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 19. 考慮值集1、2、3、4、5、90，其截?cái)嗑担╬=20%）是 (C)A 2 B 3 C 3.5 D 5 20. 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)A 1比特 B 2.6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

6、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 23.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(wèn)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 18.3 B 22.6 C 26.8 D 27.9 24. 考慮值集12 24 33 2 4 55 68 26，其四分位數(shù)極差是：(A

7、)A 31 B 24 C 55 D 3 25. 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(zhuān)門(mén)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 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(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28. 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

8、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.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(cāng)庫(kù),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(jiǎn)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(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.

9、 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(xún)質(zhì)量.31. 有關(guān)數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)特點(diǎn),不正確的描述是: (A)A. 數(shù)據(jù)倉(cāng)庫(kù)開(kāi)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(kāi)發(fā)出去就要明確;C. 數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)是一個(gè)不斷循環(huán)的過(guò)程,是啟發(fā)式的開(kāi)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32. 在有關(guān)數(shù)據(jù)倉(cāng)庫(kù)測(cè)試,下列說(shuō)法不正確的是: (D)A. 在完成數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中,需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)的每個(gè)單獨(dú)組件

10、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(cāng)庫(kù)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(méi)必要制定詳細(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(hù)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

11、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),兩者面對(duì)的用戶(hù)是相同的.36. OLAM技術(shù)一般簡(jiǎn)稱(chēng)為”數(shù)據(jù)聯(lián)機(jī)分析挖掘”,下面說(shuō)法正確的是: (D)A. OLAP和OLAM都基于客戶(hù)機(jī)/服務(wù)器模式,只有后者有與用戶(hù)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

12、通過(guò)用戶(hù)圖形借口接收用戶(hù)的分析指令,在元數(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(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.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、7 40. 概念分層圖是_(B)_圖。A、無(wú)向無(wú)環(huán) B、有向無(wú)環(huán) C、有向有環(huán) D、無(wú)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)A、頻繁項(xiàng)集 頻

13、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(guò)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、1，3，4，543.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,

14、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(chēng)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、可視化C、基于模板的方法D、主觀興趣度量47. 下面購(gòu)物籃能夠提取的3-項(xiàng)集的最大數(shù)量是多少（C）ID

15、 購(gòu)買(mǎi)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(lèi)算法，A，DBSCAN B，C4.5 C,K-Mean D,EM （B）49. 以下哪些分類(lèi)方法可以較好地避免樣本的不平衡問(wèn)題， A，KNN B，SVM C，Bayes D，神經(jīng)網(wǎng)絡(luò) （A） 50. 決策樹(shù)中不包含一下哪種結(jié)點(diǎn)，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)（externa

16、l 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(lèi)的個(gè)數(shù)） (A)A, B, C, D, （A）53. 以下哪項(xiàng)關(guān)于決策樹(shù)的說(shuō)法是錯(cuò)誤的 (C)A. 冗余屬性不會(huì)對(duì)決策樹(shù)的準(zhǔn)確率造成不利的影響 B. 子樹(shù)可能在決策樹(shù)中重復(fù)多次 C. 決策樹(shù)算法對(duì)于噪聲的干擾非常敏感 D. 尋找最佳決策樹(shù)是NP完全問(wèn)題54. 在基于規(guī)則分類(lèi)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(lèi)，這種方案稱(chēng)為 (B)A. 基于類(lèi)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。

17、55. 以下哪些算法是基于規(guī)則的分類(lèi)器 (A) A. C4.5 B. KNN C. 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(chēng)規(guī)則集R中的規(guī)則為（C）；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(chēng)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(chēng)規(guī)則集是 (D)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59. 如果允許一條記錄觸發(fā)多條分類(lèi)規(guī)則，把每條被觸發(fā)規(guī)則的后件看作

18、是對(duì)相應(yīng)類(lèi)的一次投票，然后計(jì)票確定測(cè)試記錄的類(lèi)標(biāo)號(hào)，稱(chēng)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(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，0.75 B,0.35 C,0.4678 D, 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)

19、62. 通過(guò)聚集多個(gè)分類(lèi)器的預(yù)測(cè)來(lái)提高分類(lèi)準(zhǔn)確率的技術(shù)稱(chēng)為 (A) A,組合(ensemble) B,聚集(aggregate) C，合并(combination) D，投票(voting)63. 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(lèi)類(lèi)型稱(chēng)作（ B ） A、層次聚類(lèi) B、劃分聚類(lèi) C、非互斥聚類(lèi) D、模糊聚類(lèi)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、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

20、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(lèi)器 B、聚類(lèi)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(lèi)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(lèi)技術(shù)。 A、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)致的平方誤差的增量，它是一種凝聚層次聚類(lèi)技術(shù)。 A、MIN（單鏈） B、MAX（全鏈） C

21、、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(lèi)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(shuō)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(lèi)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

22、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(lèi)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：不再有可以合并的簇。（ C ）。 A、MST B、OPOSSUM C、Chameleon D、JarvisPatrick（JP）74. 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(lèi)，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

23、（ D ）的相似度計(jì)算方法。 A、平方歐幾里德距離 B、余弦距離 C、直接相似度 D、共享最近鄰75. 以下屬于可伸縮聚類(lèi)算法的是（ A ）。A、CURE B、DENCLUE C、CLIQUE D、OPOSSUM76. 以下哪個(gè)聚類(lèi)算法不是屬于基于原型的聚類(lèi)（ D ）。 A、模糊c均值 B、EM算法 C、SOM D、CLIQUE77. 關(guān)于混合模型聚類(lèi)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(lèi)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

24、模型在有噪聲和離群點(diǎn)時(shí)不會(huì)存在問(wèn)題。78. 以下哪個(gè)聚類(lèi)算法不屬于基于網(wǎng)格的聚類(lèi)算法（ D ）。 A、STING B、WaveCluster C、MAFIA D、BIRCH79. 一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周?chē)芏鹊哪妗＿@是基于（ C ）的離群點(diǎn)定義。 A概率 B、鄰近度 C、密度 D、聚類(lèi)80. 下面關(guān)于JarvisPatrick（JP）聚類(lèi)算法的說(shuō)法不正確的是（ D ）。 A、JP聚類(lèi)擅長(zhǎng)處理噪聲和離群點(diǎn)，并且能夠處理不同大小、形狀和密度的簇。 B、JP算法對(duì)高維數(shù)據(jù)效果良好，尤其擅長(zhǎng)發(fā)現(xiàn)強(qiáng)相關(guān)對(duì)象的緊致簇。 C、JP聚類(lèi)是基于SNN相似度的概念。 D、JP聚類(lèi)的基本時(shí)間復(fù)雜度為O(m)

25、。第一章1、數(shù)據(jù)倉(cāng)庫(kù)就是一個(gè)面向主題的、集成的、相對(duì)穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合。2、元數(shù)據(jù)是描述數(shù)據(jù)倉(cāng)庫(kù)內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，它為訪問(wèn)數(shù)據(jù)倉(cāng)庫(kù)提供了一個(gè)信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)兩類(lèi)。3、數(shù)據(jù)處理通常分成兩大類(lèi)：聯(lián)機(jī)事務(wù)處理和聯(lián)機(jī)分析處理。4、多維分析是指以“維”形式組織起來(lái)的數(shù)據(jù)（多維數(shù)據(jù)集）采取切片、切塊、鉆取和旋轉(zhuǎn)等各種分析動(dòng)作，以求剖析數(shù)據(jù)，使擁護(hù)能從不同角度、不同側(cè)面觀察數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，從而深入理解多維數(shù)據(jù)集中的信息。5、ROLAP是基于關(guān)系數(shù)據(jù)庫(kù)的OLAP實(shí)現(xiàn)，而MOLAP是基于多維數(shù)據(jù)結(jié)構(gòu)組織的OLAP實(shí)現(xiàn)。6、數(shù)據(jù)倉(cāng)

26、庫(kù)按照其開(kāi)發(fā)過(guò)程，其關(guān)鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)存儲(chǔ)于管理和數(shù)據(jù)表現(xiàn)等。7、數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的體系結(jié)構(gòu)根據(jù)應(yīng)用需求的不同，可以分為以下4種類(lèi)型：兩層架構(gòu)、獨(dú)立型數(shù)據(jù)集合、以來(lái)型數(shù)據(jù)結(jié)合和操作型數(shù)據(jù)存儲(chǔ)和邏輯型數(shù)據(jù)集中和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)。8、操作型數(shù)據(jù)存儲(chǔ)實(shí)際上是一個(gè)集成的、面向主題的、可更新的、當(dāng)前值的（但是可“揮發(fā)”的）、企業(yè)級(jí)的、詳細(xì)的數(shù)據(jù)庫(kù)，也叫運(yùn)營(yíng)數(shù)據(jù)存儲(chǔ)。9、“實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)”以為著源數(shù)據(jù)系統(tǒng)、決策支持服務(wù)和倉(cāng)庫(kù)倉(cāng)庫(kù)之間以一個(gè)接近實(shí)時(shí)的速度交換數(shù)據(jù)和業(yè)務(wù)規(guī)則。10、從應(yīng)用的角度看，數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展演變可以歸納為5個(gè)階段：以報(bào)表為主、以分析為主、以預(yù)測(cè)模型為主、以運(yùn)營(yíng)導(dǎo)向?yàn)橹骱鸵詫?shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)和自動(dòng)決

27、策為主。第二章1、調(diào)和數(shù)據(jù)是存儲(chǔ)在企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和操作型數(shù)據(jù)存儲(chǔ)中的數(shù)據(jù)。2、抽取、轉(zhuǎn)換、加載過(guò)程的目的是為決策支持應(yīng)用提供一個(gè)單一的、權(quán)威數(shù)據(jù)源。因此，我們要求ETL過(guò)程產(chǎn)生的數(shù)據(jù)（即調(diào)和數(shù)據(jù)層）是詳細(xì)的、歷史的、規(guī)范的、可理解的、即時(shí)的和質(zhì)量可控制的。3、數(shù)據(jù)抽取的兩個(gè)常見(jiàn)類(lèi)型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉(cāng)庫(kù)，增量抽取用于進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)的維護(hù)。4、粒度是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的綜合程度高低的一個(gè)衡量。粒度越小，細(xì)節(jié)程度越高，綜合程度越低，回答查詢(xún)的種類(lèi)越多。5、使用星型模式可以從一定程度上提高查詢(xún)效率。因?yàn)樾切湍Ｊ街袛?shù)據(jù)的組織已經(jīng)經(jīng)過(guò)預(yù)處理，主要數(shù)據(jù)都在龐大的事實(shí)表中。6、維度表

28、一般又主鍵、分類(lèi)層次和描述屬性組成。對(duì)于主鍵可以選擇兩種方式：一種是采用自然鍵，另一種是采用代理鍵。7、雪花型模式是對(duì)星型模式維表的進(jìn)一步層次化和規(guī)范化來(lái)消除冗余的數(shù)據(jù)。8、數(shù)據(jù)倉(cāng)庫(kù)中存在不同綜合級(jí)別的數(shù)據(jù)。一般把數(shù)據(jù)分成4個(gè)級(jí)別：早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度綜合級(jí)和高度綜合級(jí)。第三章1、SQL Server SSAS提供了所有業(yè)務(wù)數(shù)據(jù)的同意整合試圖，可以作為傳統(tǒng)報(bào)表、在線分析處理、關(guān)鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。2、數(shù)據(jù)倉(cāng)庫(kù)的概念模型通常采用信息包圖法來(lái)進(jìn)行設(shè)計(jì)，要求將其5個(gè)組成部分（包括名稱(chēng)、維度、類(lèi)別、層次和度量）全面地描述出來(lái)。3、數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型通常采用星型圖法來(lái)進(jìn)行設(shè)計(jì)，要

29、求將星型的各類(lèi)邏輯實(shí)體完整地描述出來(lái)。4、按照事實(shí)表中度量的可加性情況，可以把事實(shí)表對(duì)應(yīng)的事實(shí)分為4種類(lèi)型：事務(wù)事實(shí)、快照事實(shí)、線性項(xiàng)目事實(shí)和事件事實(shí)。5、確定了數(shù)據(jù)倉(cāng)庫(kù)的粒度模型以后，為提高數(shù)據(jù)倉(cāng)庫(kù)的使用性能，還需要根據(jù)擁護(hù)需求設(shè)計(jì)聚合模型。6、在項(xiàng)目實(shí)施時(shí)，根據(jù)事實(shí)表的特點(diǎn)和擁護(hù)的查詢(xún)需求，可以選用時(shí)間、業(yè)務(wù)類(lèi)型、區(qū)域和下屬組織等多種數(shù)據(jù)分割類(lèi)型。7、當(dāng)維表中的主鍵在事實(shí)表中沒(méi)有與外鍵關(guān)聯(lián)時(shí)，這樣的維稱(chēng)為退化維。它于事實(shí)表并無(wú)關(guān)系，但有時(shí)在查詢(xún)限制條件（如訂單號(hào)碼、出貨單編號(hào)等）中需要用到。8、維度可以根據(jù)其變化快慢分為元變化維度、緩慢變化維度和劇烈變化維度三類(lèi)。9、數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)量通常較

30、大，且數(shù)據(jù)一般很少更新，可以通過(guò)設(shè)計(jì)和優(yōu)化索引結(jié)構(gòu)來(lái)提高數(shù)據(jù)存取性能。10、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)常見(jiàn)的存儲(chǔ)優(yōu)化方法包括表的歸并與簇文件、反向規(guī)范化引入冗余、表的物理分割（分區(qū)）。第四章1、關(guān)聯(lián)規(guī)則的經(jīng)典算法包括Apriori算法和FP-growth算法,其中FP-grownth算法的效率更高。2、如果L2=a,b,a,c,a,d,b,c,b,d,則連接產(chǎn)生的C3=a,b,c,a,b,d,a,c,d,b,c,d再經(jīng)過(guò)修剪，C3=a,b,c,a,b,d3、設(shè)定supmin=50%,交易集如則L1=A，B，C L2=A,CT1 A B CT2 A CT3 A D T4 B E F第五章1、分類(lèi)的過(guò)程包括獲

31、取數(shù)據(jù)、預(yù)處理、分類(lèi)器設(shè)計(jì)和分類(lèi)決策。2、分類(lèi)器設(shè)計(jì)階段包含三個(gè)過(guò)程：劃分?jǐn)?shù)據(jù)集、分類(lèi)器構(gòu)造和分類(lèi)器測(cè)試。3、分類(lèi)問(wèn)題中常用的評(píng)價(jià)準(zhǔn)則有精確度、查全率和查準(zhǔn)率和集合均值。4、支持向量機(jī)中常用的核函數(shù)有多項(xiàng)式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。第六章1、聚類(lèi)分析包括連續(xù)型、二值離散型、多值離散型和混合類(lèi)型4種類(lèi)型描述屬性的相似度計(jì)算方法。2、連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。3、劃分聚類(lèi)方法對(duì)數(shù)據(jù)集進(jìn)行聚類(lèi)時(shí)包含三個(gè)要點(diǎn)：選種某種距離作為數(shù)據(jù)樣本減的相似性度量、選擇評(píng)價(jià)聚類(lèi)性能的準(zhǔn)則函數(shù)和選擇某個(gè)初始分類(lèi)，之后用迭代的方法得到聚類(lèi)結(jié)果，使得評(píng)價(jià)聚類(lèi)的準(zhǔn)則函數(shù)取得最

32、優(yōu)值。4、層次聚類(lèi)方法包括凝聚型和分解型兩中層次聚類(lèi)方法。填空題20分，簡(jiǎn)答題25分，計(jì)算題2個(gè)（25分），綜合題30分1、數(shù)據(jù)倉(cāng)庫(kù)的組成？P2數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問(wèn)工具，數(shù)據(jù)集市，數(shù)據(jù)倉(cāng)庫(kù)管理，信息發(fā)布系統(tǒng)2、數(shù)據(jù)挖掘技術(shù)對(duì)聚類(lèi)分析的要求有哪幾個(gè)方面？P131可伸縮性；處理不同類(lèi)型屬性的能力；發(fā)現(xiàn)任意形狀聚類(lèi)的能力；減小對(duì)先驗(yàn)知識(shí)和用戶(hù)自定義參數(shù)的依賴(lài)性；處理噪聲數(shù)據(jù)的能力；可解釋性和實(shí)用性3、數(shù)據(jù)倉(cāng)庫(kù)在存儲(chǔ)和管理方面的特點(diǎn)與關(guān)鍵技術(shù)？P7數(shù)據(jù)倉(cāng)庫(kù)面對(duì)的是大量數(shù)據(jù)的存儲(chǔ)與管理并行處理針對(duì)決策支持查詢(xún)的優(yōu)化支持多維分析的查詢(xún)模式4、常見(jiàn)的聚類(lèi)算法可以分為幾類(lèi)？P132基于劃

33、分的聚類(lèi)算法，基于層次的聚類(lèi)算法，基于密度的聚類(lèi)算法，基于網(wǎng)格的聚類(lèi)算法，基于模型的聚類(lèi)算法 等。5、一個(gè)典型的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的組成？P12數(shù)據(jù)源、數(shù)據(jù)存儲(chǔ)與管理、OLAP服務(wù)器、前端工具與應(yīng)用6、 數(shù)據(jù)倉(cāng)庫(kù)常見(jiàn)的存儲(chǔ)優(yōu)化方法？P71表的歸并與簇文件；反向規(guī)范化，引入冗余；表的物理分割。7、 數(shù)據(jù)倉(cāng)庫(kù)發(fā)展演變的5個(gè)階段？P20以報(bào)表為主以分析為主以預(yù)測(cè)模型為主以運(yùn)行向?qū)橹饕詫?shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)、自動(dòng)決策應(yīng)用為主8、 ID3算法主要存在的缺點(diǎn)？P116（1）ID3算法在選擇根結(jié)點(diǎn)和各內(nèi)部結(jié)點(diǎn)中的分枝屬性時(shí)，使用信息增益作為評(píng)價(jià)標(biāo)準(zhǔn)。信息增益的缺點(diǎn)是傾向于選擇取值較多的屬性，在有些情況下這類(lèi)屬性可能不會(huì)提

34、供太多有價(jià)值的信息。（2）ID3算法只能對(duì)描述屬性為離散型屬性的數(shù)據(jù)集構(gòu)造決策樹(shù)。9、 簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)ETL軟件的主要功能和對(duì)產(chǎn)生數(shù)據(jù)的目標(biāo)要求。P30ETL軟件的主要功能:數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載對(duì)產(chǎn)生數(shù)據(jù)的目標(biāo)要求：詳細(xì)的、歷史的、規(guī)范化的、可理解的、即時(shí)的、質(zhì)量可控制的10、 簡(jiǎn)述分類(lèi)器設(shè)計(jì)階段包含的3個(gè)過(guò)程。劃分?jǐn)?shù)據(jù)集，分類(lèi)器構(gòu)造，分類(lèi)器測(cè)試11、 什么是數(shù)據(jù)清洗？P33數(shù)據(jù)清洗是一種使用模式識(shí)別和其他技術(shù)，在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉(cāng)庫(kù)之前來(lái)升級(jí)原始數(shù)據(jù)質(zhì)量的技術(shù)。12、 支持度和置信度的計(jì)算公式及數(shù)據(jù)計(jì)算（P90）找出所有的規(guī)則X à Y , 使支持度和置信度分別大于門(mén)限支持度： 事務(wù)中X和Y同時(shí)發(fā)生的比例,P(X Y)置信度：項(xiàng)集X發(fā)生時(shí)，Y同時(shí)發(fā)生的條件概率P(Y|X)Example: