數(shù)據(jù)挖掘一些面試題總結(jié)

1、數(shù)據(jù)挖掘一些面試題總結(jié)（Data Mining ） 摘錄一段企業(yè)面對海量數(shù)據(jù)應(yīng)如何具體實(shí)施數(shù)據(jù)挖掘，使之轉(zhuǎn)換成可行的結(jié)果/ 模型？首先進(jìn)行數(shù)據(jù)的預(yù)處理，主要進(jìn)行數(shù)據(jù)的清洗，數(shù)據(jù)清洗，處理空缺值，數(shù)據(jù)的集成，數(shù)據(jù)的變換和數(shù)據(jù)規(guī)約。請列舉您使用過的各種數(shù)據(jù)倉庫工具軟件（包括建模工具，ETL工具，前端展現(xiàn)工具，OLAPServer 、數(shù)據(jù)庫、數(shù)據(jù)挖掘工具）和熟悉程度。ETL 工 具 ： AscentialDataStage，IBMwarehouseMANAGER、 Informatica 公 司 的 PowerCenter 、Cognos 公司的 DecisionStream市場上的主流數(shù)據(jù)倉庫存儲

2、層軟件有：SQLSERVER、 SYBASE、 ORACLE、 DB2、 TERADATA請談一下你對元數(shù)據(jù)管理在數(shù)據(jù)倉庫中的運(yùn)用的理解。元數(shù)據(jù)能支持系統(tǒng)對數(shù)據(jù)的管理和維護(hù)，如關(guān)于數(shù)據(jù)項(xiàng)存儲方法的元數(shù)據(jù)能支持系統(tǒng)以最有效的方式訪問數(shù)據(jù)。具體來說, 在數(shù)據(jù)倉庫系統(tǒng)中，元數(shù)據(jù)機(jī)制主要支持以下五類系統(tǒng)管理功能：（1 ）描述哪些數(shù)據(jù)在數(shù)據(jù)倉庫中；（2）定義要進(jìn)入數(shù)據(jù)倉庫中的數(shù)據(jù)和從數(shù)據(jù)倉庫中產(chǎn)生的數(shù)據(jù)；（3）記錄根據(jù)業(yè)務(wù)事件發(fā)生而隨之進(jìn)行的數(shù)據(jù)抽取工作時間安排；（4）記錄并檢測系統(tǒng)數(shù)據(jù)一致性的要求和執(zhí)行情況；（5 ）衡量數(shù)據(jù)質(zhì)量。數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？（ 1 ）可伸縮性（ 2）處理不同類型屬

3、性的能力（ 3）發(fā)現(xiàn)任意形狀的聚類（ 4）使輸入?yún)?shù)的領(lǐng)域知識最小化（ 5）處理噪聲數(shù)據(jù)的能力（ 6）對于輸入順序不敏感（ 7）高維性（ 8）基于約束的聚類（ 9）可解釋性和可利用性簡述 Apriori 算法的思想，談?wù)勗撍惴ǖ膽?yīng)用領(lǐng)域并舉例。思想： 其發(fā)現(xiàn)關(guān)聯(lián)規(guī)則分兩步，第一是通過迭代，檢索出數(shù)據(jù)源中所有煩瑣項(xiàng)集，即支持度不低于用戶設(shè)定的閥值的項(xiàng)即集，第二是利用第一步中檢索出的煩瑣項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則，其中， 第一步即挖掘出所有頻繁項(xiàng)集是該算法的核心，也占整個算法工作量的大部分。在商務(wù)、金融、保險等領(lǐng)域皆有應(yīng)用。在建筑陶瓷行業(yè)中的交叉銷售應(yīng)用，主要采用了Apriori算法通過閱

4、讀該文擋，請同學(xué)們分析一下數(shù)據(jù)挖掘在電子商務(wù)領(lǐng)域的應(yīng)用情況（請深入分析并給出實(shí)例，切忌泛泛而談）？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應(yīng)哪兩種對分類算法的評價標(biāo)準(zhǔn)？(A)(a) 警察抓小偷，描述警察抓的人中有多少個是小偷的標(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, PrecisionA. Precision, ROC D. Recall, ROC3. 將原始數(shù)據(jù)進(jìn)行集成、變

5、換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務(wù)？(C)A. 頻繁模式挖掘B. 分類和預(yù)測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，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)挖掘與知識發(fā)現(xiàn)B. 領(lǐng)域知識發(fā)現(xiàn)C. 文檔知識發(fā)現(xiàn)D. 動態(tài)知識發(fā)現(xiàn)6. 使用交互式的和可視化的技術(shù)，對數(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

6、任務(wù)？(B)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測建模D. 尋找模式和規(guī)則8. 建立一個模型，通過這個模型根據(jù)已知的變量值來預(yù)測其他某個變量值屬于數(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估計遺漏值12. 假設(shè) 12 個銷售價格記錄組已經(jīng)排序如下：5, 10, 11, 13, 15,35, 50, 55,

7、72, 92, 204,215 使用如下每種方法將它們劃分成四個箱。等頻 (等深) 劃分時， 15 在第幾個箱子內(nèi)？(B)A 第 一 個B 第 二 個C 第 三 個D 第 四個 13. 上題中，等寬劃分時(寬度為50) ， 15 又在哪個箱子里？(A)A 第 一 個B 第 二 個C 第 三 個D 第 四個 14. 下面哪個不屬于數(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 計數(shù)屬性B 離散屬性C 非對稱的二元屬性D 對稱屬性17. 以下哪種方法不

8、屬于特征選擇的標(biāo)準(zhǔn)方法：(D)A 嵌 入B 過 濾C 包 裝樣 18. 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：(B)D特征構(gòu)(B)A特征提取B特征修改 C映射數(shù)據(jù)到新的空間 造19. 考慮值集1、2、3、4、5、90,其截斷均值(p=20%是 (C)A2B3C520. 下面哪個屬于映射數(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：A 1 比特 B 比特C 比特 D 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

9、至 1 的范圍內(nèi)。對屬性income 的 73600 元將被轉(zhuǎn)化為：(D)A B C D23. 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上述數(shù)據(jù)進(jìn)行平滑，箱的深度為3。 第二個箱子值為：(A)A B C D24. 考慮值集12 24 332 4 55 68 26 ，其四分位數(shù)極差是：(A)A31B24C55 D325. 一所大學(xué)內(nèi)的各年紀(jì)人

10、數(shù)分別為：一年級200 人，二年級160 人， 三年級 130 人， 四年級 110 人。則年級屬性的眾數(shù)是：(A)A 一年級B 二年級C 三年級D 四年級26. 下列哪個不是專門用于可視化時間空間數(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，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)倉庫是隨著時間變化的, 下面的描述不正確的是(C)A. 數(shù)據(jù)倉庫隨時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)

11、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)會隨著時間的變化不斷地進(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)程度和級別;B. 數(shù)據(jù)越詳細(xì), 粒度就越小, 級別也就越高;C. 數(shù)據(jù)綜合度越高, 粒度也就越大, 級別也就越高;D. 粒度

12、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, 需要對數(shù)據(jù)倉庫進(jìn)行各種測試. 測試工作中要包括單元測試和系統(tǒng)測試.B. 當(dāng)數(shù)據(jù)倉庫的每個單獨(dú)組件完成后, 就需要對他們進(jìn)行單元測試.C.

13、 系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進(jìn)行大量的功能測試和回歸測試.D. 在測試之前沒必要制定詳細(xì)的測試計劃.33. OLAP 技術(shù)的核心是: (D)A. 在線性 ;B. 對用戶的快速響應(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OLA可口 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

14、與OTAPS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OLAMTB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勺立方體和用于 OLAP勺立方體有本質(zhì)的區(qū)別.C.基于 WEB勺OLAM WE眼術(shù)與 OLA雌術(shù)的結(jié)合.D. OLAM艮務(wù)器通過用戶圖形借口接收用戶的分

15、析指令，在元數(shù)據(jù)白知道下，對超級立方體作一定的操作.37 .關(guān)于OLA可口 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)動的.38 .設(shè)*=1, 2, 3是頻繁項(xiàng)集，則可由 X產(chǎn)生_(C)_個關(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)A、頻繁項(xiàng)集頻繁閉

16、項(xiàng)集=最大頻繁項(xiàng)集日頻繁項(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， 543. 下面選項(xiàng)中t 不是 s 的子序列的是( C )A、 s=<2,4,3,5,

17、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、與同一時期其他數(shù)據(jù)對比日可視化C基于模板的方法D主觀興趣度量4

18、7. 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， DBSCAN B ， C,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)，A, 根結(jié)點(diǎn)(root node) B

19、, 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 計算公式為(其中c 是類的個數(shù))(A)A, B, C, D,( A)53. 以下哪項(xiàng)關(guān)于決策樹的說法是錯誤的(C)A. 冗余屬性不會對決策樹的準(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)量的某種度量對規(guī)則排序，保證每一個測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

20、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. 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

21、，把每條被觸發(fā)規(guī)則的后件看作是對相應(yīng)類的一次投票，然后計票確定測試記錄的類標(biāo)號，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，B, C, D,61. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)(ANN的描述錯誤的有(A)A,神經(jīng)網(wǎng)絡(luò)對訓(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一個很耗時的過程D ，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡(luò)62. 通過聚

22、集多個分類器的預(yù)測來提高分類準(zhǔn)確率的技術(shù)稱為(A)A, 組合 (ensemble) B, 聚集 (aggregate) 63. 簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，類類型稱作(B )A、層次聚類B、劃分聚類類64. 在基本 K 均值算法里，當(dāng)鄰近度函數(shù)采用( 位數(shù)。C ，合并 (combination) D ，投票 (voting)使得每個數(shù)據(jù)對象恰在一個子集中，這種聚C、非互斥聚類D、模糊聚A )的時候，合適的質(zhì)心是簇中各點(diǎn)的中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 ) 是一個觀測值，它與其他觀測值的差別如此之大，以至于懷疑它是

23、由不同的機(jī)制產(chǎn)生的。A、邊界點(diǎn)日質(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. 檢測一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測中的基于（A ）的離群點(diǎn)檢測。A 、統(tǒng)計方法B 、鄰近度C 、密度D 、聚類技術(shù)68. （ C ） 將兩個簇的鄰近度定義為不同簇的所有點(diǎn)對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。A、MIN （單鏈）B、MAX（全鏈）C、組平均方法69. （ D ） 將兩個簇的鄰近度定義為兩個簇合并時導(dǎo)致的平方誤差的增量，次聚類技術(shù)。A、MIN （單鏈）B、MAX（全鏈）C、組平均D 、 Ward它是一

24、種凝聚層D 、 Ward方法70. DBSCAN&最壞情況下的時間復(fù)雜度是（ B ）。A、 O（m）B、 O（m2）C、 O（log m）71. 在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci , C）么它的類型是（C ） 。D、 O(m*log m)mi ，那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勺比較，以下說法不正確的是（ A ）。A、K均值丟棄被它識別為噪聲的對象，而DBSCAN-般聚類所有對象。B、K均值使用簇的基于原型的概念，而DBSCAIN1用基于密度的概念。C、K均

25、值很難處理非球形的簇和不同大小的簇，DBSCANT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DBSCANT合并有重疊的簇。 73.以下是哪一個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)于相對互連性和相對接近性而言，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 、 MSTB 、 OPOSSUMC 、 ChameleonD 、 Jarvis Patrick （ JP）74. 考慮這么一種情況：一個對象碰巧與另一個對象相對接近，但屬于不同的類，因?yàn)檫@兩個對象一般不會共享許多

26、近鄰，所以應(yīng)該選擇（D ）的相似度計算方法。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. 以下哪個聚類算法不是屬于基于原型的聚類（D ） 。A、模糊 c 均值B、EIW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)，或者數(shù)據(jù)點(diǎn)近似協(xié)線性時，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

27、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)時不會存在問題。78. 以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法（D ） 。A、 STINGB、 WaveClusterC、 MAFIAD、 BIRCH79. 一個對象的離群點(diǎn)得分是該對象周圍密度的逆。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Jarvis Patrick (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、JP算法對高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強(qiáng)相關(guān)對象的緊致簇。C、JP聚類是基于SNNf似度的概念。D、J

28、P聚類的基本時間復(fù)雜度為O(m)。二、 多選題1 . 通過數(shù)據(jù)挖掘過程所推倒出的關(guān)系和摘要經(jīng)常被稱為：(A B)A. 模型B. 模式C. 模范D. 模具2 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價值地總結(jié)了數(shù)據(jù)的某一特征的表示，這個過程包括了以下哪些步驟？(A B C D)A. 決定要使用的表示的特征和結(jié)構(gòu)B. 決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞C. 選擇一個算法過程使評分函數(shù)最優(yōu)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)測建模任務(wù)主要包括哪幾大類問題？(A B)A. 分類 B. 回歸C. 模式發(fā)現(xiàn)D. 模式匹配4. 數(shù)據(jù)挖掘算法的組件包括：(AB C D

29、)A. 模型或模型結(jié)構(gòu)B. 評分函數(shù)C. 優(yōu)化和搜索方法D. 數(shù)據(jù)管理策略5. 以下哪些學(xué)科和數(shù)據(jù)挖掘有密切聯(lián)系？(A D)A. 統(tǒng)計B. 計算機(jī)組成原理C. 礦產(chǎn)挖掘D. 人工智能6. 在現(xiàn)實(shí)世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的。描述處理該問題的各種方法有：(AB CDE )A忽略元組C使用一個全局常量填充空缺值B 使用屬性的平均值填充空缺值D 使用與給定元組屬同一類的所有樣本的平均值E 使用最可能的值填充空缺值7. 下面哪些屬于可視化高維數(shù)據(jù)技術(shù)(A B C E )A 矩陣B 平行坐標(biāo)系C 星形坐標(biāo)D 散布圖E Chernoff 臉8. 對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：(A

30、BCDE )A 不一致B 重復(fù) C 不完整D 含噪聲 E 維度高9. 下列屬于不同的有序數(shù)據(jù)的有：(ABCE )A 時序數(shù)據(jù)B 序列數(shù)據(jù)C 時間序列數(shù)據(jù)D 事務(wù)數(shù)據(jù)E 空間數(shù)據(jù)10. 下面屬于數(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11. 下面屬于維歸約常用的線性代數(shù)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12. 下面列出的條目中，哪些是數(shù)據(jù)倉庫的基本特征：(ACD)A. 數(shù)據(jù)倉庫是面向主題的B. 數(shù)據(jù)倉庫的數(shù)據(jù)是集成的C. 數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的D. 數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的E. 數(shù)據(jù)倉庫是面向

31、事務(wù)的13. 以下各項(xiàng)均是針對數(shù)據(jù)倉庫的不同說法，你認(rèn)為正確的有(BCDE) 。A.數(shù)據(jù)倉庫就是數(shù)據(jù)庫B.數(shù)據(jù)倉庫是一切商業(yè)智能系統(tǒng)的基礎(chǔ)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( OLTPD.數(shù)據(jù)倉庫支持決策而非事務(wù)處理E.數(shù)據(jù)倉庫的主要目標(biāo)就是幫助分析，做長期性的戰(zhàn)略制定14. 數(shù)據(jù)倉庫在技術(shù)上的工作過程是：(ABCD)A. 數(shù)據(jù)的抽取B. 存儲和管理C. 數(shù)據(jù)的表現(xiàn)D. 數(shù)據(jù)倉庫設(shè)計E. 數(shù)據(jù)的表現(xiàn)15. 聯(lián)機(jī)分析處理包括以下哪些基本分析功能？(BCD)A. 聚類B. 切片C. 轉(zhuǎn)軸D. 切塊E. 分類16. 利用 Apriori 算法計算頻繁項(xiàng)集可以有效降低計算頻繁集的時間復(fù)雜度。在

32、以下的購物籃中產(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)ID 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A、啤酒、尿布B、啤酒、面包 C、面包、尿布 D、啤酒、牛奶17. 下表是一個購物籃，假定支持度閾值為40%，其中_(A D)_ 是頻繁閉項(xiàng)集。TID 項(xiàng)1 abc2 abcd3 bce4 acde5 deA、 abc B 、 adC、 cd D 、 de18. Apriori 算法的計算復(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1

33、9. 非頻繁模式_(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、對異常數(shù)據(jù)項(xiàng)敏感20. 以下屬于分類器評價或比較尺度的有: A, 預(yù)測準(zhǔn)確度B, 召回率 C, 模型描述的簡潔度D,計算復(fù)雜度(ACD)21. 在評價不平衡類問題分類的度量方法有如下幾種，A,F1 度量 B, 召回率(recall ) C,精度( precision ) D, 真正率(turepositive rate,TPR ) (ABCD)22. 貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)，A,構(gòu)造網(wǎng)絡(luò)費(fèi)時費(fèi)力 B,對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

34、后，添加變量相當(dāng)麻煩 ( AB)23. 如下哪些不是最近鄰分類器的特點(diǎn)，A, 它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測，不必維護(hù)源自數(shù)據(jù)的模型B,分類一個測試樣例開銷很大C,最近鄰分類器基于全局信息進(jìn)行預(yù)測D,可以生產(chǎn)任意形狀的決策邊界(C)24. 如下那些不是基于規(guī)則分類器的特點(diǎn)，A, 規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好B, 基于規(guī)則的分類器都對屬性空間進(jìn)行直線劃分，并將類指派到每個劃分C, 無法被用來產(chǎn)生更易于解釋的描述性模型D, 非常適合處理類分布不平衡的數(shù)據(jù)集（ AC）25. 以下屬于聚類算法的是（ABD ） 。A、 K 均值B 、 DBSCANC、 AprioriD、 Jarvis-Patrick（

35、 JP）26. （ 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)系數(shù)C 、熵D 、 F 度量27. 簇有效性的面向相似性的度量包括（BC ） 。A、精度B、Rand統(tǒng)計量C、Jaccard系數(shù)D、召回率28. （ ABCD ）這些數(shù)據(jù)特性都是對聚類分析具有很強(qiáng)影響的。A 、高維性B 、規(guī)模C 、稀疏性D 、噪聲和離群點(diǎn)29. 在聚類分析當(dāng)中，（ AD ）等技術(shù)可以處理任意形狀的簇。A、MIN（單鏈）B、MAX全鏈）C、組平均D、Chameleon30. （ AB ）都屬于分裂的層次聚類算法。A、二分 K均值B、MSTC、ChameleonD、組平均1. 數(shù)據(jù)挖掘的主要任務(wù)

36、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)測數(shù)據(jù)等任務(wù)。（ 對 ）2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略，而在于對于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘。（ 對）3. 圖挖掘技術(shù)在社會網(wǎng)絡(luò)分析中扮演了重要的角色。（對）4. 模式為對數(shù)據(jù)集的全局性總結(jié)，它對整個測量空間的每一點(diǎn)做出描述；模型則對變量變化空間的一個有限區(qū)域做出描述。（錯）5. 尋找模式和規(guī)則主要是對數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式。（錯）6. 離群點(diǎn)可以是合法的數(shù)據(jù)對象或者值。（對）7. 離散屬性總是具有有限個值。（錯）8. 噪聲和偽像是數(shù)據(jù)錯誤這一相同表述的兩種叫法。（錯）9. 用于分類的離散化方法之間的根本區(qū)別在于是

37、否使用類信息。（對）10. 特征提取技術(shù)并不依賴于特定的領(lǐng)域。（錯）11. 序列數(shù)據(jù)沒有時間戳。（對）12. 定量屬性可以是整數(shù)值或者是連續(xù)值。（對）13. 可視化技術(shù)對于分析的數(shù)據(jù)類型通常不是專用性的。（錯）14. DSS 主要是基于數(shù)據(jù)倉庫. 聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用。（對）15. 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）16. 商業(yè)智能系統(tǒng)與一般交易系統(tǒng)之間在系統(tǒng)設(shè)計上的主要區(qū)別在于：后者把結(jié)構(gòu)強(qiáng)加于商務(wù)之上，一旦系統(tǒng)設(shè)計完畢，其程序和規(guī)則不會輕易改變；而前者則是一個學(xué)習(xí)型系統(tǒng)，能自動適應(yīng)商務(wù)不斷變化

38、的要求。（對）17. 數(shù)據(jù)倉庫中間層 OLAP服務(wù)器只能采用關(guān)系型OLAP（錯）18數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析工具等四個部分.（錯 ）19. Web 數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的一些屬性來預(yù)測另一個屬性, 它在驗(yàn)證用戶提出的假設(shè)過程中提取信息.（錯）21. 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）22. 利用先驗(yàn)原理可以幫助減少頻繁項(xiàng)集產(chǎn)生時需要探查的候選項(xiàng)個數(shù)（對）。23. 先驗(yàn)原理可以表述為：如果一個項(xiàng)集是頻繁的，那包含它的所有項(xiàng)集也是頻繁的。（錯24. 如果規(guī)則不滿足置信度閾值，則形如的規(guī)則一定也不滿足置信度閾值，其中是X的子集。 （

39、對）25. 具有較高的支持度的項(xiàng)集具有較高的置信度。（錯）26. 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)測類標(biāo)記未知的對象類。（錯）27. 分類和回歸都可用于預(yù)測，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。（ 對 ）28. 對于SV/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分類結(jié)果沒有影響。（對）29. 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 ）30. 分類模型的誤差大致分為兩種：訓(xùn)練誤差 （ tra

40、ining error ） 和泛化誤差（ generalizationerror ） .（ 對 ）31. 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）32. SVM是這樣一個分類器，他尋找具有最小邊緣的超平面，因此它也經(jīng)常被稱為最小邊緣分類器（minimal margin classifier ）（ 錯 ）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）34. 聚類分析可以看作是一種非監(jiān)督的分類。（對）35. K 均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個數(shù)由算法自動地確

41、定。（錯36. 給定由兩次運(yùn)行K 均值產(chǎn)生的兩個不同的簇集，誤差的平方和最大的那個應(yīng)該被視為較優(yōu)。 （錯）37. 基于鄰近度的離群點(diǎn)檢測方法不能處理具有不同密度區(qū)域的數(shù)據(jù)集。（對）38. 如果一個對象不強(qiáng)屬于任何簇，那么該對象是基于聚類的離群點(diǎn)。（對）39. 從點(diǎn)作為個體簇開始，每一步合并兩個最接近的簇，這是一種分裂的層次聚類方法。（ 錯）40. DBSCAN是相對抗噪聲的，并且能夠處理任意形狀和大小的簇。（對） 普加搜索引擎面試題：一、基本問答題：1 . 冒泡和插入排序哪個快？快多少？一樣快（如果插入排序指的是直接插入排序的話）一樣快（如果插入排序指的是折半插入排序的話）一樣快（如果插入排序

42、指的是二路插入排序的話）一樣快（如果插入排序指的是表插入排序的話）插入排序快（如果插入排序指的是希爾插入排序的話）理論上快O （n2） O （n。2 . 請說明冒泡排序和插入排序的序列應(yīng)用何種數(shù)據(jù)結(jié)構(gòu)儲存更好？分別對應(yīng)著STL 中哪個Tempelate?冒泡排序用數(shù)組比較好，對應(yīng)著template 中的vector ；插入排序用鏈表比較好，對應(yīng)著template 中的deque。3 .在只有命令行的條件下，你喜歡怎樣調(diào)試程序？在linux平臺下下用gcc進(jìn)行編譯，在windows平臺下用進(jìn)行編譯，用 make工具根據(jù)目標(biāo) 文件上一次編譯的時間和所依賴的源文件的更新時間自動判斷應(yīng)當(dāng)編譯哪些源文件

43、，提高程序調(diào)試的效率。4.數(shù)據(jù)的邏輯存儲結(jié)構(gòu)(如數(shù)組，隊(duì)列，樹等)對于軟件開發(fā)具有十分重要的影響，試對你 所了解的各種存儲結(jié)構(gòu)從運(yùn)行速度、存儲效率和適用場合等方面進(jìn)行簡要地分析。運(yùn)行 強(qiáng)度存儲 效率適用場合數(shù)組快高比較適合進(jìn)行查找操作，還有像類似于矩陣等的操作昧較快較局比較適合增刪改頻繁操作，動態(tài)的分配內(nèi)存隊(duì)列較快較局比較適合進(jìn)行任務(wù)類等的調(diào)度棧一般較局比較適合遞歸類程序的改寫二叉樹 (樹)較快T一切具有層次夫系的問題都可用樹來描述圖除了像最小生成樹、最短路徑、拓?fù)渑判虻冉?jīng)典用途。還被用于 像神經(jīng)網(wǎng)絡(luò)等人工智能領(lǐng)域等等。5.什么是分布式數(shù)據(jù)庫？分布式數(shù)據(jù)庫系統(tǒng)是在集中式數(shù)據(jù)庫系統(tǒng)成熟技術(shù)的基礎(chǔ)上發(fā)展起來的，但不是簡單地把集中式數(shù)據(jù)庫分散地實(shí)現(xiàn)，它具有自己的性質(zhì)和特征。集中式數(shù)據(jù)庫系統(tǒng)的許多概念和技術(shù)，如數(shù)據(jù)獨(dú)立性、數(shù)據(jù)共享和減少冗余度、并發(fā)控制、完整性、安全性和恢復(fù)等在分布式數(shù)據(jù) 庫系統(tǒng)中都有了不同的、更加豐富的內(nèi)容。6 .寫一段代碼判斷一個單向鏈表中是否有環(huán)。給出如下結(jié)構(gòu)struct nodestruct*next;typedef stuct node Node ;算法說明：初始化兩個指針，一個每次后移1個，一個后移2個。當(dāng)?shù)谝粋€指針追上第二個指針時候就說明有環(huán)！intfind_circle(Node* sll)list fa