最新《大數(shù)據(jù)時(shí)代下的數(shù)據(jù)挖掘》試題和答案及解析

1、專業(yè)整理12345678910111213141516171819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)購買尿布，這種屬 于數(shù)據(jù)挖掘的哪類問題？(A)3) A.關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B.聚類4) C.分類D.自然語言處理5)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)6） (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)。7） (b)描述有多少比例的小偷給警察抓

2、了的標(biāo)準(zhǔn)。8） A. Precision, RecallB. Recall, Precision9） A. Precision, ROCD. Recall, ROC10） 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)11） A.頻繁模式挖掘 B.分類和預(yù)測(cè)20212223242526272829303132333435363738C.數(shù)據(jù)預(yù)處理D.數(shù)據(jù)流挖掘12） 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）13） A.分類B.聚類C.關(guān)聯(lián)分析D.隱馬爾可夫鏈14） 建立一個(gè)模型，通過這個(gè)模型根據(jù)已知的變量值來預(yù)測(cè)

3、其他某個(gè)變量值屬 于數(shù)據(jù)挖掘的哪一類任務(wù)？（C）15） A.根據(jù)內(nèi)容檢索 B.建模描述16） C.預(yù)測(cè)建模D.尋找模式和規(guī)則17） 下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？ （D）18） A.變量代換B.離散化C.聚集D.估計(jì)遺漏值19） 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）20） A.第一個(gè)B.第二個(gè)C.第三個(gè)D.第四個(gè)21） 下面哪個(gè)不屬于數(shù)據(jù)的屬性類型：（D）22)A.標(biāo)稱B.序數(shù)394041424344454647

4、484950515253545556D.相異C.區(qū)間23) 只有非零值才重要的二元屬性被稱作：(C )24) 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25) 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法：(D)26) A.嵌入B.過濾C.包裝D.抽樣27) 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：(B)28) 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29) 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？ (A)30) A.傅立葉變換B.特征加權(quán)C.漸進(jìn)抽樣D.維歸約31) 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

5、0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化 為：(D)32) A. 0.821B. 1.224C. 1. 458D. 0. 7165758596061626364656667686970717273747533) 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)34) A. 一年級(jí)B.二年級(jí)C.三年級(jí)D.四年級(jí)35) 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)36) A.等高線圖B.餅圖C.曲面圖D.矢量場(chǎng)圖37) 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)38) A.有

6、放回的簡(jiǎn)單隨機(jī)抽樣B.無放回的簡(jiǎn)單隨機(jī)抽樣C.分層抽樣D漸進(jìn)抽樣39) 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40) 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41) B.捕捉到的新數(shù)據(jù)會(huì)覆蓋原來的快照42) 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43) 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)行重新綜合44) 下面關(guān)于數(shù)據(jù)粒度的描述不正確的是：（C）45) 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46) B.數(shù)據(jù)越詳細(xì),粒度就越小,級(jí)別也就越高47) C.數(shù)據(jù)綜合度越高,粒度也就越大,級(jí)別也就越高48) D.粒度的具體劃分將直接影響數(shù)據(jù)倉庫中

7、的數(shù)據(jù)量以及查詢質(zhì)量49) 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點(diǎn),不正確的描述是：（A）50) A.數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā)51) B.數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確52) 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)53) 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54) 關(guān)于0LAP的特性,下面正確的是：（D）55) （1）快速性（2）可分析性（3）多維性（4）信息性（5）共享性56) A. (1) (2)57) B. (2) (3) (4)58) C. (1) (2) (3) (4)767778798081828

8、38485868788899091929359)D. (1) (2) (3) (4) (5)50WORD格式60) 關(guān)于OLAP和OLTP的區(qū)別描述,不正確的是：（C）94959697989910010110210310410510610710810911011111261) 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62) 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)63) 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64) 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),

9、兩者面對(duì)的用戶是相同的65) 關(guān)于OLAP和OLTP的說法,下列不正確的是：(A)66) 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67) B. OLAP的最終數(shù)據(jù)來源與OLTP不一樣68) C. OLTP面對(duì)的是決策人員和高層管理人員69) D. OLTP以應(yīng)用為核心,是應(yīng)用驅(qū)動(dòng)的70) 設(shè)X=L 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。71) A.4B.5C.6 D. 772) 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

10、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 )73) A. 1, 2, 3, 4 B. 1, 2, 3, 5C. 1, 2, 4, 5 D. 1, 3, 4, 574) 下面選項(xiàng)中t不是s的子序列的是(C )75) A. s=<2, 4,35, 6, 8> t=<2,3,6, 8>76) B. s=<2, 4,3,5, 6, 8> t=<2,8>77) C. s=<1,2,3,4> t=<l, 2>78) D. s=< 2, 4,2,4> t=< 2, 4>79) 在圖集合中

11、發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)稱為(B )80) 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81)下列度量不具有反演性的是(D)82) A.系數(shù)B.幾率C. Cohen度量 D.興趣因子83) 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。84) A.與同一時(shí)期其他數(shù)據(jù)對(duì)比85) B.可視化86) C.基于模板的方法87) D.主觀興趣度量11311411511611711811912012112212312412512612712812988)下面購物藍(lán)能夠提取的3-項(xiàng)集的最大數(shù)量是多少(C)130TID項(xiàng)集1牛奶,啤酒,尿布2面包,黃油,牛奶3牛奶,尿布,餅

12、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131 A. 1B.2C.3D.4132 89）以下哪些算法是分類算法（B）133134135136137138139140141142143144145146147148149150A. DBSCAN B. C4. 5 C. K-Mean D. EM90) 以下哪些分類方法可以較好地避免樣本的不平衡問題(A)A.KNN B. SVM C. BayesD.神經(jīng)網(wǎng)絡(luò)91)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

13、node)C.外部結(jié)點(diǎn)(external node)D.葉結(jié)點(diǎn)(leaf node)92)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B(tài).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93) 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,這種方案稱為(B)94) A.基于類的排序方案95) B.基于規(guī)則的排序方案96) C.基于度量的排序方案1511521531541551561571581591601611621631641651661671

14、6897) D.基于規(guī)格的排序方案。98) 以下哪些算法是基于規(guī)則的分類器（A）99) A. C4.5B. KNNC. Naive Bayes D. ANN100）可用作數(shù)據(jù)挖掘分析中的關(guān)聯(lián)規(guī)則算法有（C）o101） A.決策樹、對(duì)數(shù)回歸、關(guān)聯(lián)模式B. K均值法、S0M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102）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103）用于分類與回歸應(yīng)用的主要算法有：（D ）A. Apriori 算法、HotSpot 算法

15、B.RBF神經(jīng)網(wǎng)絡(luò)、K均值法、決策樹C.K均值法、S0M神經(jīng)網(wǎng)絡(luò)D.決策樹、BP神經(jīng)網(wǎng)絡(luò)、貝葉斯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)。和隊(duì)1。假設(shè)65%的比賽隊(duì)。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. 573842）以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（

16、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）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169170171172173174175176177178179180181182183184185186187

17、45）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188189190191192193194195196197198199200201202203204205206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。B.質(zhì)心A.邊界點(diǎn)C.離群點(diǎn)D.核心點(diǎn)C.關(guān)聯(lián)分析算法D.特征選擇算法47) BIRCH 是一種A.分類器B.聚類算法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.

18、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，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)。207208209210211212213214215216217218219220221222223224A. 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 ）oA.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：（CA.均方

19、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。54）從研究現(xiàn)狀上看，下面不屬于云計(jì)算特點(diǎn)的是（C ）2252262272282292302312322332

20、34235236237238239240241242B.虛擬化A.超大規(guī)模C.私有化D.高可靠性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（DA.模糊C均值B. EM算法C. SOMD. CLIQUE58）關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn)，下面說法正確的是（BA

21、.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群點(diǎn)時(shí)不會(huì)存在問題。59）以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（D243244245246247248249250251252253254255256257258259260A. STINGB. WaveClusterC. MAFIAD. 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

22、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. keyB.valueC. <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26126226326426526626726826927027127227327427527627727827

23、9C.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)頁賦予一個(gè)實(shí)數(shù)值。它的意圖在 于網(wǎng)頁的PageRank越氤那么它就（D ）。A.相關(guān)性越高B.越不重要C.相關(guān)性越低D.越重要XA. 一對(duì)一B. 一對(duì)多C.多對(duì)多D.多對(duì)一65） 協(xié)同過濾分析用戶興趣,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oA.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)模巨大到無法透過目前主流軟件工具,在合理時(shí)間內(nèi)達(dá)到擷取、

24、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)過程中（D ）大數(shù)據(jù)的規(guī)律及280281282283284285286287288289290291292293294295296297298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.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 ）,通過深入挖掘這些

25、數(shù)據(jù)來了解用戶,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oA.地址B.行為C.情緒D.來源70） 通過數(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.第二步B.第三步C.第一步D.最后一步2993003013023033043053063073083093103113123133143153163177

26、2)發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的算法通常要經(jīng)過以下三個(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的購物籃中同時(shí)包含J的購物籃的比例，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咄苿?dòng)，大數(shù)據(jù)的使用將成為未來提高競(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)

27、B.提高GDPC.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 ）為其顧客購物提供完全個(gè)性化的決策支持和信息服務(wù)。A.公司B.各單位C.跨國企業(yè) D.電子商務(wù)網(wǎng)站云計(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31831932032177)322323324325326327328329330331332 二、333334335C.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. GFSB.MapReduceC. ChubbyD.BitT

28、able79) 在Bigtable中，(A )主要用來存儲(chǔ)子表數(shù)據(jù)以及一些日志文件A. GFSB.ChubbyC.SSTableD.MapReduce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)）3363373383393403413423433443453463473483493503513523533543553563）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

29、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 程。（對(duì)）8）決策樹方法通常用于關(guān)聯(lián)規(guī)則挖掘。（錯(cuò)）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）

30、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、零一均值 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)來自多個(gè)數(shù)據(jù)庫或數(shù)據(jù)倉庫，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)）35735835936036136236336436536636736836937037137237337437512） 分類規(guī)則的

31、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、無用數(shù)據(jù)而丟棄。（錯(cuò)）15） 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)的過程。（錯(cuò)）20）定量屬性可以是整數(shù)值或者是連續(xù)

32、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)庫技術(shù)發(fā)展之后迅猛發(fā)展起來的一種新技術(shù)。（對(duì)）23） Web數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的一些屬性來預(yù)測(cè)另一個(gè)屬性，它在驗(yàn)證用戶提出的假設(shè)過程中提取信息。（錯(cuò)）24） 關(guān)聯(lián)規(guī)則挖掘過程是發(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)。376377378379380381382383384385386387388389390391392393394395（對(duì)）26） 先驗(yàn)原理可以表述為：如

33、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)）27）回歸分析通常用于挖掘關(guān)聯(lián)規(guī)則。（錯(cuò)）28）具有較高的支持度的項(xiàng)集具有較高的置信度。（錯(cuò)）29） 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)）30） 聚類（clustering）是這樣的過程：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)）31） 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)果沒有影響。（對(duì)）32） 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

34、的分類結(jié)果取決于各類域中樣本的全體。（錯(cuò)）33） 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題。（錯(cuò)）34） 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)）35）聚類分析可以看作是一種非監(jiān)督的分類。（對(duì)）36） 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)39639739839940040140240340440540640740840941041141241337） 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)）38） 如果一個(gè)對(duì)象不強(qiáng)屬于

35、任何簇，那么該對(duì)象是基于聚類的離群點(diǎn)。（對(duì)）39） 大數(shù)據(jù)的 4V 特點(diǎn)是 Volume、Velocity、Variety> Veracity。（對(duì)）40） 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)備有問題B.在數(shù)據(jù)錄入過程中發(fā)生了人為或計(jì)算機(jī)錯(cuò)誤C.數(shù)據(jù)傳輸過程中發(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)過程包括了以下哪些步驟？ （A B C D）A.選擇一個(gè)算法過

36、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4144154164174184194204214224234244254264274284294304313)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)下面屬于數(shù)據(jù)集的一般特性的有：(BCD)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)

37、432433434435436437438439440441442443444445446447448449A.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C.關(guān)聯(lián)分析D.回歸ABCD ）等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（ 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)倉庫的不同說法，你認(rèn)為正確的有（BCD10） A.數(shù)據(jù)倉庫就是數(shù)據(jù)庫11） B,數(shù)據(jù)倉庫是一切商業(yè)智能系統(tǒng)的基礎(chǔ)12） C.數(shù)據(jù)倉庫是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（0LTP）13） D.數(shù)據(jù)倉

38、庫支持決策而非事務(wù)處理10）聯(lián)機(jī)分析處理包括（BCD ）基本分析功能。450A.聚類B .切片451 C.轉(zhuǎn)軸D.切塊45211）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453的購物籃中產(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4面包、牛奶、尿布、啤酒5面包、牛奶、尿布、可樂454455 A.啤酒、尿布 B.啤酒、面包456 C.面包、尿布 D.啤酒、牛奶45712）下表是一個(gè)購物籃，假定支持度閾值為4（%其中（AD ）是頻繁閉項(xiàng)集。458ID項(xiàng)集1面包、牛奶

39、、尿布2面包、牛奶、尿布、啤酒3牛奶、尿布、雞蛋4面包、尿布、啤酒、雞蛋5啤酒、雞蛋45946046146246346446514)466467A.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)平均寬度以下關(guān)于非頻繁模式說法，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46846947047147247347447547647747847948048148248348448515）以下屬于分類器評(píng)價(jià)或比較尺度的

40、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)模型的過分問題非常魯棒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（ABA. K-MeansB. DBSCANC. AprioriD. 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)