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,ROCD.Recall,ROC3 .將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)彳1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4

2、.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

3、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)？（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

4、？（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）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)建新屬性白相關(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）A2B3C3.5D520 .下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？（A）A傅

5、立葉變換B特征加權(quán)C漸進(jìn)抽樣D維歸約21 .嫡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嫡是：（B）A1比特B2.6比特C3.2比特D3.8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）A0.821B1.224C1.458D0.71623 .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,

6、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）A18.3B22.6C26.8D27.924 .考慮值集12243324556826,其四分位數(shù)極差是：（A）A31B24C55D325 .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)

7、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

8、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)，不正確的描述是：(A)A.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)倉庫白實(shí)施過程中

9、，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

10、，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OL

11、AM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，在元數(shù)據(jù)白知道下，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、4B、5C、6D、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）

12、A、頻繁項(xiàng)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、1,2,3,4B、1,2,3,5C、1,2,4,5D、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=<2,4,3,5,6,8>t=&

13、lt;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、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

14、，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、1B、2C、3D、448 .以下哪些算法是分類算法，A,DBSCANB,C4.5C,K-MeanD,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,KNNB,SVMC,BayesD,神經(jīng)網(wǎng)絡(luò)(A)50 .決策樹中不包含一下哪種結(jié)點(diǎn)，A,根結(jié)點(diǎn)(rootnode)B,內(nèi)部結(jié)點(diǎn)(internalnode)C,外部結(jié)點(diǎn)(externalnode)D,葉結(jié)點(diǎn)(leafnode)(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)

15、)(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.C4.5B.KNNC.Na?veBayesD.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

16、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

17、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,0.75B,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)

18、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、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66.BIRCH是一一種（B）。C、離群點(diǎn)D、核心點(diǎn)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A）的離群點(diǎn)檢測(cè)。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、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)

19、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（logm）D、O（m*logm）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

20、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:不再有可以合并的簇。（C）

21、。A、MSTB、OPOSSUMC、ChameleonD、Jarvis-Patrick(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，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75 .以下屬于可伸縮聚類算法的是（A）。A、CUREB、DENCLUEC、CLIQUED、OPOSSUM76 .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土勻值B、EM算法C、SOMD、CLIQUE77 .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（B）。A、當(dāng)簇只包含少量數(shù)據(jù)點(diǎn)

22、，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。78 .以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（D）。A、STINGB、WaveClusterC、MAFIAD、BIRCH79 .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80 .下面關(guān)于JarvisPatrick（JP）聚類算法的說法不正確的是（D）。A、JP聚類擅長處理噪聲和離群點(diǎn)，并且能夠處理不同大小、形狀和密度的簇。B

23、、JP算法對(duì)高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強(qiáng)相關(guān)對(duì)象的緊致簇。C、JP聚類是基于SNN相似度的概念。D、JP聚類的基本時(shí)間復(fù)雜度為O（m）。第一章1、數(shù)據(jù)倉庫就是一個(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)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉庫提供了一個(gè)信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉庫的元數(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。3、數(shù)據(jù)處理通常分成兩大類：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)倉庫中的數(shù)據(jù)，

24、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)倉庫按照其開發(fā)過程，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)倉庫系統(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種類型：兩層架構(gòu)、獨(dú)立型數(shù)據(jù)集合、以來型數(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)倉庫。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，也叫運(yùn)營數(shù)據(jù)存儲(chǔ)。9、“實(shí)時(shí)數(shù)據(jù)倉庫”以為著源數(shù)據(jù)系統(tǒng)、決策支持服務(wù)和倉庫倉庫之間以一個(gè)接近實(shí)時(shí)的速度交換數(shù)據(jù)和業(yè)務(wù)規(guī)則。

25、10、從應(yīng)用的角度看，數(shù)據(jù)倉庫的發(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)營導(dǎo)向?yàn)橹骱鸵詫?shí)時(shí)數(shù)據(jù)倉庫和自動(dòng)決策為主。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)倉庫和操作型數(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)常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉庫，增量抽取用于進(jìn)行數(shù)據(jù)倉庫的維護(hù)。4、粒度是對(duì)數(shù)據(jù)倉庫中數(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

26、詢的種類越多。5、使用星型模式可以從一定程度上提高查詢效率。因?yàn)樾切湍Ｊ街袛?shù)據(jù)的組織已經(jīng)經(jīng)過預(yù)處理，主要數(shù)據(jù)都在龐大的事實(shí)表中。6、維度表一般又主鍵、分類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)范化來消除冗余的數(shù)據(jù)。8、數(shù)據(jù)倉庫中存在不同綜合級(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、SQLServerSSAS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)倉庫的概念模型通常采用信息包圖法來

27、進(jìn)行設(shè)計(jì)，要求將其5個(gè)組成部分（包括名稱、維度、類別、層次和度量）全面地描述出來。3、數(shù)據(jù)倉庫的邏輯模型通常采用星型圖法來進(jìn)行設(shè)計(jì)，要求將星型的各類邏輯實(shí)體完整地描述出來。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)倉庫的粒度模型以后，為提高數(shù)據(jù)倉庫的使用性能，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)的查詢需求，可以選用時(shí)間、業(yè)務(wù)類型、區(qū)域和下屬組織等多種數(shù)據(jù)分割類型。7、當(dāng)維表中的主鍵在事實(shí)表中沒有與外鍵關(guān)聯(lián)時(shí)，這樣的維稱為退化維。它于事實(shí)表并無關(guān)系，但有時(shí)在查詢限制條件（如訂

28、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。9、數(shù)據(jù)倉庫的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更新，可以通過設(shè)計(jì)和優(yōu)化索引結(jié)構(gòu)來提高數(shù)據(jù)存取性能。10、數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲(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算法淇中FP-grownth算法的效率更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)過修剪，C3=a,b,c,a,b,d3、設(shè)定supmin=50

29、%,交易集如則L1=A,B,CL2=A,CT1ABCT2ACT3ADT4BEF第五章1、分類的過程包括獲取數(shù)據(jù)、預(yù)處理、分類器設(shè)計(jì)和分類決策。2、分類器設(shè)計(jì)階段包含三個(gè)過程：劃分?jǐn)?shù)據(jù)集、分類器構(gòu)造和分類器測(cè)試。3、分類問題中常用的評(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、聚類分析包括連續(xù)型、二值離散型、多值離散型和混合類型4種類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、劃分聚類方法對(duì)數(shù)據(jù)集進(jìn)行聚類時(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、

30、選擇評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)和選擇某個(gè)初始分類，之后用迭代的方法得到聚類結(jié)果，使得評(píng)價(jià)聚類的準(zhǔn)則函數(shù)取得最優(yōu)值。4、層次聚類方法包括凝聚型和分解型兩中層次聚類方法。填空題20分，簡答題25分，計(jì)算題2個(gè)(25分)，綜合題30分1、數(shù)據(jù)倉庫的組成？P2數(shù)據(jù)倉庫數(shù)據(jù)庫，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問工具，數(shù)據(jù)集市，數(shù)據(jù)倉庫管理，信息發(fā)布系統(tǒng)2、數(shù)據(jù)挖掘技術(shù)對(duì)聚類分析的要求有哪幾個(gè)方面？P131可伸縮性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀聚類的能力；減小對(duì)先驗(yàn)知識(shí)和用戶自定義參數(shù)的依賴性；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)倉庫在存儲(chǔ)和管理方面的特點(diǎn)與關(guān)鍵技術(shù)？P7數(shù)據(jù)倉庫面對(duì)的是大量數(shù)據(jù)的存儲(chǔ)

31、與管理并行處理針對(duì)決策支持查詢的優(yōu)化支持多維分析的查詢模式4、常見的聚類算法可以分為幾類？P132基于劃分的聚類算法，基于層次的聚類算法，基于密度的聚類算法，基于網(wǎng)格的聚類算法，基于模型的聚類算法等。5、一個(gè)典型的數(shù)據(jù)倉庫系統(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)倉庫常見的存儲(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)倉庫發(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)倉庫、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)

32、，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，在有些情況下這類屬性可能不會(huì)提供太多有價(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。9、簡述數(shù)據(jù)倉庫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、簡述分類器設(shè)計(jì)階段包含的3個(gè)過程。劃分?jǐn)?shù)據(jù)集，分類器構(gòu)造，分類器測(cè)試11、伙名用*懶?“，制喊標(biāo)號(hào)用數(shù)據(jù)樣不工二（5%,為）W博是#*矍梆粵砒雌型逑摘類標(biāo)號(hào)在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉庫之前來升級(jí)原始數(shù)據(jù)質(zhì)量而技術(shù)亡,12、支持度相信流力算公立及數(shù)據(jù)計(jì)情.二P9l,三一找出所卷觸的耿姬高；使支持度和置信度分別大于門限支持度：事務(wù)中X和Y同時(shí)發(fā)生的比例，P（X?Y）置信度：科集X發(fā)生時(shí)，Y同時(shí)發(fā)生的條件概率P（Y|X）個(gè)距裔從而找出#在X皿抑k楨洛假設(shè)pm小分別是k個(gè)近Example:d（消卜£位即，以，2,"員小13、利用信息坦圖設(shè)計(jì)數(shù)據(jù)倉庫概念模型需要確定的三方面內(nèi)容。P57確定指皆Bi就!嗨N期c*樣械t15、什么是技術(shù)元數(shù)據(jù)，主要包含的內(nèi)容？P29技術(shù)元數(shù)據(jù)是描述關(guān)于數(shù)據(jù)倉庫技術(shù)細(xì)節(jié)的數(shù)據(jù)，應(yīng)用于開發(fā)、管理和維護(hù)DW包含:DW吉構(gòu)的描述，如DW的模式、視圖、維、層次結(jié)構(gòu)和