《基于大數(shù)據(jù)挖掘技術(shù)及工程實(shí)踐》試題及答案24

1、海量數(shù)據(jù)據(jù)挖掘技術(shù)術(shù)及工程實(shí)實(shí)踐題目目一、單選題題（共800題）( D )的目的縮縮小數(shù)據(jù)的的取值范圍圍，使其更更適合于數(shù)數(shù)據(jù)挖掘算算法的需要要，并且能能夠得到和和原始數(shù)據(jù)據(jù)相同的分分析結(jié)果。A.數(shù)據(jù)清清洗 B.數(shù)據(jù)集集成C.數(shù)據(jù)變變換 D.數(shù)據(jù)歸歸約某超市研究究銷售紀(jì)錄錄數(shù)據(jù)后發(fā)發(fā)現(xiàn)，買啤啤酒的人很很大概率也也會(huì)購(gòu)買尿尿布，這種種屬于數(shù)據(jù)據(jù)挖掘的哪哪類問題？(A) A. 關(guān)聯(lián)規(guī)規(guī)則發(fā)現(xiàn) B. 聚類 C. 分類 D. 自然語語言處理以下兩種描描述分別對(duì)對(duì)應(yīng)哪兩種種對(duì)分類算算法的評(píng)價(jià)價(jià)標(biāo)準(zhǔn)？ (A) (a)警察抓小小偷，描述述警察抓的的人中有多多少個(gè)是小小偷的標(biāo)準(zhǔn)準(zhǔn)。 (b)描述述有多少比比例的

2、小偷偷給警察抓抓了的標(biāo)準(zhǔn)準(zhǔn)。 AA. Prrecission,Recaall B. RRecalll,Prrecission A. Preccisioon,ROOC DD. Reecalll,ROCC將原始數(shù)據(jù)據(jù)進(jìn)行集成成、變換、維度規(guī)約約、數(shù)值規(guī)規(guī)約是在以以下哪個(gè)步步驟的任務(wù)務(wù)？(C) A. 頻繁模模式挖掘 B. 分類和預(yù)預(yù)測(cè) C. 數(shù)據(jù)據(jù)預(yù)處理 D. 數(shù)數(shù)據(jù)流挖掘掘當(dāng)不知道數(shù)數(shù)據(jù)所帶標(biāo)標(biāo)簽時(shí)，可可以使用哪哪種技術(shù)促促使帶同類類標(biāo)簽的數(shù)數(shù)據(jù)與帶其其他標(biāo)簽的的數(shù)據(jù)相分分離？(BB) AA. 分類類 BB. 聚類類 C. 關(guān)聯(lián)聯(lián)分析 D. 隱馬爾可可夫鏈建立一個(gè)模模型，通過過這個(gè)模型型根據(jù)已知知

3、的變量值值來預(yù)測(cè)其其他某個(gè)變變量值屬于于數(shù)據(jù)挖掘掘的哪一類類任務(wù)？(C) A. 根根據(jù)內(nèi)容檢檢索 B. 建建模描述 C. 預(yù)測(cè)建模模 DD. 尋找找模式和規(guī)規(guī)則下面哪種不不屬于數(shù)據(jù)據(jù)預(yù)處理的的方法？ (D) A.變量代換換 B.離散化 C.聚集 DD.估計(jì)遺漏漏值 假設(shè)12個(gè)個(gè)銷售價(jià)格格記錄組已已經(jīng)排序如如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 2044, 2115 使用用如下每種種方法將它它們劃分成成四個(gè)箱。等頻（等等深）劃分分時(shí)，155在第幾個(gè)個(gè)箱子內(nèi)？ (B) A.第一個(gè) B.第二個(gè) C.第三個(gè)個(gè) D.第四個(gè) 下面哪個(gè)不不屬于數(shù)據(jù)據(jù)的屬性類類型：

4、(DD) A.標(biāo)稱 B.序數(shù) C.區(qū)間 D.相異 只有非零值值才重要的的二元屬性性被稱作：( C ) A.計(jì)數(shù)屬性性 BB.離散屬性性 C.非對(duì)稱稱的二元屬屬性 D.對(duì)稱屬性性 以下哪種方方法不屬于于特征選擇擇的標(biāo)準(zhǔn)方方法： (DD) A.嵌入 B.過濾 C.包裝 D.抽樣 下面不屬于于創(chuàng)建新屬屬性的相關(guān)關(guān)方法的是是： (BB) A.特征提取取 B.特征修改改 C.映射數(shù)數(shù)據(jù)到新的的空間 D.特征構(gòu)造造 下面哪個(gè)屬屬于映射數(shù)數(shù)據(jù)到新的的空間的方方法？ (A) A.傅立葉變變換 BB.特征加權(quán)權(quán) C.漸進(jìn)抽抽樣 D.維歸約 假設(shè)屬性iincomme的最大大最小值分分別是122000元元和9800

5、00元。利用最大大最小規(guī)范范化的方法法將屬性的的值映射到到0至1的的范圍內(nèi)。對(duì)屬性iincomme的733600元元將被轉(zhuǎn)化化為：(DD) A.0.8221 B.1.2224 C.1.4458 D.0.7116 一所大學(xué)內(nèi)內(nèi)的各年紀(jì)紀(jì)人數(shù)分別別為：一年年級(jí)2000人，二年年級(jí)1600人，三年年級(jí)1300人，四年年級(jí)1100人。則年年級(jí)屬性的的眾數(shù)是： (A) A.一年級(jí) B.二年級(jí) C.三年級(jí)級(jí) D.四年級(jí) 下列哪個(gè)不不是專門用用于可視化化時(shí)間空間間數(shù)據(jù)的技技術(shù)： (B) A.等高線圖圖 B.餅圖 C.曲面圖圖 D.矢量場(chǎng)圖圖 在抽樣方法法中，當(dāng)合合適的樣本本容量很難難確定時(shí)，可可以使用的的抽

6、樣方法法是： (D) A.有放回的的簡(jiǎn)單隨機(jī)機(jī)抽樣 B.無放回回的簡(jiǎn)單隨隨機(jī)抽樣 C.分層抽抽樣 D 漸進(jìn)抽抽樣數(shù)據(jù)倉(cāng)庫是是隨著時(shí)間間變化的,下面的描描述不正確確的是 (C)A.數(shù)據(jù)倉(cāng)庫庫隨時(shí)間的的變化不斷斷增加新的的數(shù)據(jù)內(nèi)容容B.捕捉捉到的新數(shù)數(shù)據(jù)會(huì)覆蓋蓋原來的快快照C.數(shù)數(shù)據(jù)倉(cāng)庫隨隨事件變化化不斷刪去去舊的數(shù)據(jù)據(jù)內(nèi)容D.數(shù)據(jù)倉(cāng)庫庫中包含大大量的綜合合數(shù)據(jù),這這些綜合數(shù)數(shù)據(jù)會(huì)隨著著時(shí)間的變變化不斷地地進(jìn)行重新新綜合下面關(guān)于數(shù)數(shù)據(jù)粒度的的描述不正正確的是: (C)A.粒度度是指數(shù)據(jù)據(jù)倉(cāng)庫小數(shù)數(shù)據(jù)單元的的詳細(xì)程度度和級(jí)別BB.數(shù)據(jù)越越詳細(xì),粒粒度就越小小,級(jí)別也也就越高CC.數(shù)據(jù)綜綜合度越高高,

7、粒度也也就越大,級(jí)別也就就越高D.粒度的具具體劃分將將直接影響響數(shù)據(jù)倉(cāng)庫庫中的數(shù)據(jù)據(jù)量以及查查詢質(zhì)量有關(guān)數(shù)據(jù)倉(cāng)倉(cāng)庫的開發(fā)發(fā)特點(diǎn),不不正確的描描述是: (A)AA.數(shù)據(jù)倉(cāng)倉(cāng)庫開發(fā)要要從數(shù)據(jù)出出發(fā)B.數(shù)數(shù)據(jù)倉(cāng)庫使使用的需求求在開發(fā)出出去就要明明確C.數(shù)數(shù)據(jù)倉(cāng)庫的的開發(fā)是一一個(gè)不斷循循環(huán)的過程程,是啟發(fā)發(fā)式的開發(fā)發(fā)D.在數(shù)數(shù)據(jù)倉(cāng)庫環(huán)環(huán)境中,并并不存在操操作型環(huán)境境中所固定定的和較確確切的處理理流,數(shù)據(jù)據(jù)倉(cāng)庫中數(shù)數(shù)據(jù)分析和和處理更靈靈活,且沒沒有固定的的模式關(guān)于OLAAP的特性性,下面正正確的是: (D)(1)快快速性 (2)可分分析性 (3)多維維性 (44)信息性性 (5)共享性AA.(1) (2

8、) (3)B.(22) (33) (44)C.(1) (2) (3) (4)D.(1) (2) (3) (4) (5)關(guān)于OLAAP和OLLTP的區(qū)區(qū)別描述,不正確的的是: (C)A.OLAPP主要是關(guān)關(guān)于如何理理解聚集的的大量不同同的數(shù)據(jù).它與OTTAP應(yīng)用用程序不同同B.與OOLAP應(yīng)應(yīng)用程序不不同,OLLTP應(yīng)用用程序包含含大量相對(duì)對(duì)簡(jiǎn)單的事事務(wù)C.OOLAP的的特點(diǎn)在于于事務(wù)量大大,但事務(wù)務(wù)內(nèi)容比較較簡(jiǎn)單且重重復(fù)率高DD.OLAAP是以數(shù)數(shù)據(jù)倉(cāng)庫為為基礎(chǔ)的,但其最終終數(shù)據(jù)來源源與OLTTP一樣均均來自底層層的數(shù)據(jù)庫庫系統(tǒng),兩兩者面對(duì)的的用戶是相相同的關(guān)于OLAAP和OLLTP的說說法,

9、下列列不正確的的是: (A)A.OLAPP事務(wù)量大大,但事務(wù)務(wù)內(nèi)容比較較簡(jiǎn)單且重重復(fù)率高BB.OLAAP的最終終數(shù)據(jù)來源源與OLTTP不一樣樣C.OLLTP面對(duì)對(duì)的是決策策人員和高高層管理人人員D.OOLTP以以應(yīng)用為核核心,是應(yīng)應(yīng)用驅(qū)動(dòng)的的設(shè)X=11，2，33是頻繁繁項(xiàng)集，則則可由X產(chǎn)產(chǎn)生( C )個(gè)關(guān)聯(lián)聯(lián)規(guī)則。AA.4 B.5 C.6 D.7 考慮下面的的頻繁3-項(xiàng)集的集集合：11,2,3,1,2,4,1,2,5,1,3,4,1,3,5,2,3,4,2,3,5,3,4,5假定定數(shù)據(jù)集中中只有5個(gè)個(gè)項(xiàng),采用 合合并策略,由候選產(chǎn)產(chǎn)生過程得得到4-項(xiàng)項(xiàng)集不包含含（ C ）A.1,2,3,4 B

10、.1,2,3,5 C.1,22,4,5 D.1,3,4,5下面選項(xiàng)中中t不是ss的子序列列的是 ( C )A.s= t=BB.s= t=C.s= t=DD.s= t=在圖集合中中發(fā)現(xiàn)一組組公共子結(jié)結(jié)構(gòu),這樣的任任務(wù)稱為 ( B )A.頻繁子集集挖掘 B.頻繁子圖圖挖掘 C.頻繁數(shù)數(shù)據(jù)項(xiàng)挖掘掘 D.頻繁模式式挖掘下列度量不不具有反演演性的是 (D)AA.系數(shù) B.幾率 C.Cohhen度量量 D.興趣因子子下列 ( A )不是將主主觀信息加加入到模式式發(fā)現(xiàn)任務(wù)務(wù)中的方法法。A.與同一時(shí)時(shí)期其他數(shù)數(shù)據(jù)對(duì)比BB.可視化C.基于模板板的方法DD.主觀興趣趣度量下面購(gòu)物藍(lán)藍(lán)能夠提取取的3-項(xiàng)項(xiàng)集的最大大

11、數(shù)量是多多少（C）TID項(xiàng)集1牛奶,啤酒酒,尿布2面包,黃油油,牛奶3牛奶,尿布布,餅干4面包,黃油油,餅干5啤酒,餅干干,尿布6牛奶,尿布布,面包,黃油7面包,黃油油,尿布8啤酒,尿布布9牛奶,尿布布,面包,黃油10啤酒,餅干干A.1 B.2 C.3 D.4以下哪些算算法是分類類算法 （B）A.DBSSCAN B.CC4.5 C.KK-Meaan D.EMM以下哪些分分類方法可可以較好地地避免樣本本的不平衡衡問題（AA）A.KNNN B.SSVM C.BBayess D.神神經(jīng)網(wǎng)絡(luò) 決策樹中不不包含一下下哪種結(jié)點(diǎn)點(diǎn) ( C )根結(jié)點(diǎn)（rroot nodee)內(nèi)部結(jié)點(diǎn)（iinterrnal n

12、odee） 外部結(jié)點(diǎn)（eexterrnal nodee） 葉結(jié)點(diǎn)（lleaf nodee）以下哪項(xiàng)關(guān)關(guān)于決策樹樹的說法是是錯(cuò)誤的 (C)A. 冗余余屬性不會(huì)會(huì)對(duì)決策樹樹的準(zhǔn)確率率造成不利利的影響 B. 子子樹可能在在決策樹中中重復(fù)多次次 C. 決策樹樹算法對(duì)于于噪聲的干干擾非常敏敏感 DD. 尋找找最佳決策策樹是NPP完全問題題在基于規(guī)則則分類器的的中,依據(jù)規(guī)則則質(zhì)量的某某種度量對(duì)對(duì)規(guī)則排序序,保證每一一個(gè)測(cè)試記記錄都是由由覆蓋它的的“最好的的”規(guī)格來來分類,這種方案案稱為 (B)A. 基于類類的排序方方案 BB. 基于于規(guī)則的排排序方案 C. 基于度量量的排序方方案 DD. 基于于規(guī)格的排排

13、序方案。 以下哪些算算法是基于于規(guī)則的分分類器 (A) AA. CC4.5 B. KNN C. Naaive BBayess D. AANN可用作數(shù)據(jù)據(jù)挖掘分析析中的關(guān)聯(lián)聯(lián)規(guī)則算法法有（C）。A. 決策樹樹、對(duì)數(shù)回回歸、關(guān)聯(lián)聯(lián)模式 B. K均均值法、SSOM神經(jīng)經(jīng)網(wǎng)絡(luò) C. Appriorri算法、FP-TTree算算法 D. RBBF神經(jīng)網(wǎng)網(wǎng)絡(luò)、K均均值法、決決策樹如果對(duì)屬性性值的任一一組合,R中都存存在一條規(guī)規(guī)則加以覆覆蓋,則稱規(guī)則則集R中的的規(guī)則為( B )A.無序規(guī)規(guī)則 BB.窮舉規(guī)則則 C.互斥規(guī)則則 D.有序規(guī)則則用于分類與與回歸應(yīng)用用的主要算算法有: ( D )A.Aprrior

14、ii算法、HHotSppot算法法 B.RBFF神經(jīng)網(wǎng)絡(luò)絡(luò)、K均值值法、決策策樹 C.K均值值法、SOOM神經(jīng)網(wǎng)網(wǎng)絡(luò) D.決策樹樹、BP神神經(jīng)網(wǎng)絡(luò)、貝葉斯40)如果果允許一條條記錄觸發(fā)發(fā)多條分類類規(guī)則,把每條被被觸發(fā)規(guī)則則的后件看看作是對(duì)相相應(yīng)類的一一次投票,然后計(jì)票票確定測(cè)試試記錄的類類標(biāo)號(hào),稱為（AA） AA.無序規(guī)則則 B.窮舉規(guī)則則 C.互斥規(guī)則則 D.有序規(guī)則則41)考慮慮兩隊(duì)之間間的足球比比賽：隊(duì)00和隊(duì)1。假設(shè)655%的比賽賽隊(duì)0勝出出,剩余的比比賽隊(duì)1獲獲勝。隊(duì)00獲勝的比比賽中只有有30%是是在隊(duì)1的的主場(chǎng),而隊(duì)1取取勝的比賽賽中75%是主場(chǎng)獲獲勝。如果果下一場(chǎng)比比賽在隊(duì)11

15、的主場(chǎng)進(jìn)進(jìn)行隊(duì)1獲獲勝的概率率為 (CC) A.0.755 B.0.355 C.0.46678 D.0.5773842)以下下關(guān)于人工工神經(jīng)網(wǎng)絡(luò)絡(luò)（ANNN）的描述述錯(cuò)誤的有有 (A)A.神經(jīng)網(wǎng)絡(luò)絡(luò)對(duì)訓(xùn)練數(shù)數(shù)據(jù)中的噪噪聲非常魯魯棒 B.可以處處理冗余特特征 C.訓(xùn)練AANN是一一個(gè)很耗時(shí)時(shí)的過程 D.至少含含有一個(gè)隱隱藏層的多多層神經(jīng)網(wǎng)網(wǎng)絡(luò)43)通過過聚集多個(gè)個(gè)分類器的的預(yù)測(cè)來提提高分類準(zhǔn)準(zhǔn)確率的技技術(shù)稱為 (A) A.組合(enseemblee) B.聚集(aaggreegatee) C.合并(combbinattion) D.投票(vvotinng)44)簡(jiǎn)單單地將數(shù)據(jù)據(jù)對(duì)象集劃劃分成不重

16、重疊的子集集,使得每個(gè)個(gè)數(shù)據(jù)對(duì)象象恰在一個(gè)個(gè)子集中,這種聚類類類型稱作作（ B ） A.層次次聚類 B.劃分聚類類 C.非互互斥聚類 DD.模糊聚類類45)在基基本K均值值算法里,當(dāng)鄰近度度函數(shù)采用用（ A ）的時(shí)候候,合適的質(zhì)質(zhì)心是簇中中各點(diǎn)的中中位數(shù)。 A.曼哈頓距距離 B.平方歐幾幾里德距離離 C.余弦距距離 DD.Breggman散散度 446)（ C ）是是一個(gè)觀測(cè)測(cè)值,它與其他他觀測(cè)值的的差別如此此之大,以至于懷懷疑它是由由不同的機(jī)機(jī)制產(chǎn)生的的。 A.邊界點(diǎn) BB.質(zhì)心 C.離群點(diǎn)點(diǎn) D.核心點(diǎn)477)BIRRCH是一一種（ BB ）。 A.分類器 BB.聚類算法法 C.關(guān)聯(lián)分分析

17、算法 D.特征選擇擇算法488)檢測(cè)一一元正態(tài)分分布中的離離群點(diǎn),屬于異常常檢測(cè)中的的基于（ A ）的的離群點(diǎn)檢檢測(cè)。 A.統(tǒng)統(tǒng)計(jì)方法 B.鄰近度 C.密度 D.聚類技術(shù)術(shù)49)（ C ）將將兩個(gè)簇的的鄰近度定定義為不同同簇的所有有點(diǎn)對(duì)的平平均逐對(duì)鄰鄰近度，它是一種種凝聚層次次聚類技術(shù)術(shù)。 A.MIN（單單鏈） B.MAX（全全鏈） C.組平均均 D.Wardd方法500)（ DD ）將兩兩個(gè)簇的鄰鄰近度定義義為兩個(gè)簇簇合并時(shí)導(dǎo)導(dǎo)致的平方方誤差的增增量,它是一種種凝聚層次次聚類技術(shù)術(shù)。 A.MIN（單單鏈） B.MAX（全全鏈） C.組平均均 D.Wardd方法511) 下列列算法中，不不屬于

18、外推推法的是（ B ）。 A.移動(dòng)平均均法 B.回歸分析析法 C.指數(shù)平平滑法 D.季節(jié)指數(shù)數(shù)法52) 關(guān)聯(lián)規(guī)規(guī)則的評(píng)價(jià)價(jià)指標(biāo)是：（ C ）。 A. 均方誤誤差、均方方根誤差 B. Kaappa統(tǒng)統(tǒng)計(jì)、顯著著性檢驗(yàn) C. 支持持度、置信信度 D. 平均均絕對(duì)誤差差、相對(duì)誤誤差53)關(guān)于K均均值和DBBSCANN的比較,以下說法法不正確的的是（ AA ）。 A.K均值丟丟棄被它識(shí)識(shí)別為噪聲聲的對(duì)象,而DBSSCAN一一般聚類所所有對(duì)象。 BB.K均值使使用簇的基基于原型的的概念,而DBSSCAN使使用基于密密度的概念念。 C.K均值很很難處理非非球形的簇簇和不同大大小的簇,DBSCCAN可以以處

19、理不同同大小和不不同形狀的的簇。 D.K均值可可以發(fā)現(xiàn)不不是明顯分分離的簇,即便簇有有重疊也可可以發(fā)現(xiàn),但是DBBSCANN會(huì)合并有有重疊的簇簇。54）從研研究現(xiàn)狀上上看，下面面不屬于云云計(jì)算特點(diǎn)點(diǎn)的是（ C ）A.超大規(guī)規(guī)模 B.虛擬擬化 C.私有化化 D.高高可靠性55)考慮慮這么一種種情況：一一個(gè)對(duì)象碰碰巧與另一一個(gè)對(duì)象相相對(duì)接近,但屬于不不同的類,因?yàn)檫@兩兩個(gè)對(duì)象一一般不會(huì)共共享許多近近鄰,所以應(yīng)該該選擇（ D ）的的相似度計(jì)計(jì)算方法。 A.平方歐幾幾里德距離離 B.余弦距離離 C.直接相相似度 DD.共享最近近鄰56) 分析顧顧客消費(fèi)行行業(yè)，以便便有針對(duì)性性的向其推推薦感興趣趣的服務(wù)

20、，屬屬于（ AA）問題。A.關(guān)聯(lián)規(guī)規(guī)則挖掘 B.分類與回回歸 C.聚類分分析 D.時(shí)序預(yù)測(cè)測(cè)57)以下下哪個(gè)聚類類算法不是是屬于基于于原型的聚聚類（ DD ）。 A.模糊C均值 B.EM算法法 C.SOMM D.CLIQQUE588)關(guān)于混混合模型聚聚類算法的的優(yōu)缺點(diǎn),下面說法法正確的是是（ B ）。 A.當(dāng)簇只包包含少量數(shù)數(shù)據(jù)點(diǎn),或者數(shù)據(jù)據(jù)點(diǎn)近似協(xié)協(xié)線性時(shí),混合模型型也能很好好地處理。 BB.混合模型型比K均值值或模糊cc均值更一一般,因?yàn)樗煽梢允褂酶鞲鞣N類型的的分布。 C.混合模型型很難發(fā)現(xiàn)現(xiàn)不同大小小和橢球形形狀的簇。 DD.混合模型型在有噪聲聲和離群點(diǎn)點(diǎn)時(shí)不會(huì)存存在問題。59)以下下

21、哪個(gè)聚類類算法不屬屬于基于網(wǎng)網(wǎng)格的聚類類算法（ D ）。 A.STINNG BB.WaveCClustter C.MAFFIA D.BIRCCH60)一個(gè)對(duì)象象的離群點(diǎn)點(diǎn)得分是該該對(duì)象周圍圍密度的逆逆。這是基基于（ CC ）的離離群點(diǎn)定義義。 A概率率 B鄰近度 C密度 D聚類輿情研判，信息科學(xué)學(xué)側(cè)重（ C ）,社會(huì)和管管理科學(xué)側(cè)側(cè)重突發(fā)群群體事件管管理中的群群體心理行行為及輿論論控制研究究，新聞傳播播學(xué)側(cè)重對(duì)對(duì)輿論的本本體進(jìn)行規(guī)規(guī)律性的探探索和研究究。 A.輿論的的本體進(jìn)行行規(guī)律性的的探索和研研究B.輿論控控制研究C.互聯(lián)網(wǎng)網(wǎng)文本挖掘掘和分析技技術(shù)D.用戶行行為分析MapReeducee的M

22、app函數(shù)產(chǎn)生生很多的（ C ）A.keyy B.vallue C. D.HasshMapreeducee適用于 （ DD ）A.任意應(yīng)應(yīng)用程序 B. 任意意可在wiindowws seervett20088上運(yùn)行的的程序C.可以串串行處理的的應(yīng)用程序序 D. 可以以并行處理理的應(yīng)用程程序PageRRank是是一個(gè)函數(shù)數(shù),它對(duì)Weeb中的每每個(gè)網(wǎng)頁賦賦予一個(gè)實(shí)實(shí)數(shù)值。它它的意圖在在于網(wǎng)頁的的PageeRankk越高,那么它就就（ D ）。 A.相關(guān)性性越高 B.越不不重要 C.相關(guān)性性越低 D.越重重要A.一對(duì)對(duì)一 B.一對(duì)對(duì)多 C. 多對(duì)對(duì)多 D. 多多對(duì)一協(xié)同過濾分分析用戶興興趣,在用戶群

23、群中找到指指定用戶的的相似(興興趣)用戶戶,綜合這些些用戶對(duì)某某一信息的的評(píng)價(jià),形成系統(tǒng)統(tǒng)對(duì)該指定定用戶對(duì)此此信息的喜喜好程度（ D ）,并將這些些用戶喜歡歡的項(xiàng)推薦薦給有相似似興趣的用用戶。A. 相似似 BB.相同 C.推薦 DD. 預(yù)測(cè)測(cè)大數(shù)據(jù)指的的是所涉及及的資料量量規(guī)模巨大大到無法透透過目前主主流軟件工工具,在合理時(shí)時(shí)間內(nèi)達(dá)到到擷取、管管理、處理理、并（ B ）成為幫幫助企業(yè)經(jīng)經(jīng)營(yíng)決策更更積極目的的的信息。A.收集 BB.整理 C.規(guī)劃 DD.聚集大數(shù)據(jù)科學(xué)學(xué)關(guān)注大數(shù)數(shù)據(jù)網(wǎng)絡(luò)發(fā)發(fā)展和運(yùn)營(yíng)營(yíng)過程中（ D ）大數(shù)據(jù)據(jù)的規(guī)律及及其與自然然和社會(huì)活活動(dòng)之間的的關(guān)系。A.大數(shù)據(jù)據(jù)網(wǎng)絡(luò)發(fā)展展和運(yùn)營(yíng)

24、過過程 B.規(guī)劃建建設(shè)運(yùn)營(yíng)管管理C.規(guī)律和和驗(yàn)證D.發(fā)現(xiàn)和和驗(yàn)證大數(shù)據(jù)的價(jià)價(jià)值是通過過數(shù)據(jù)共享享、（ D ）后獲取取最大的數(shù)數(shù)據(jù)價(jià)值A(chǔ).算法共共享 B.共享應(yīng)用用 C. 數(shù)據(jù)據(jù)交換 D. 交叉復(fù)復(fù)用社交網(wǎng)絡(luò)產(chǎn)產(chǎn)生了海量量用戶以及及實(shí)時(shí)和完完整的數(shù)據(jù)據(jù),同時(shí)社交交網(wǎng)絡(luò)也記記錄了用戶戶群體的（ C ）,通過深入入挖掘這些些數(shù)據(jù)來了了解用戶,然后將這這些分析后后的數(shù)據(jù)信信息推給需需要的品牌牌商家或是是微博營(yíng)銷銷公司。A.地址 BB.行為 C.情緒 DD.來源 通過數(shù)據(jù)收收集和展示示數(shù)據(jù)背后后的（ D ）,運(yùn)用豐富富的、具有有互動(dòng)性的的可視化手手段,數(shù)據(jù)新聞聞學(xué)成為新新聞學(xué)作為為一門新的的分支進(jìn)入入主

25、流媒體體,即用數(shù)據(jù)據(jù)報(bào)道新聞聞。A.數(shù)據(jù)收收集 B.數(shù)據(jù)挖挖掘 C.真相 DD. 關(guān)聯(lián)聯(lián)與模式CRISPP-DM 模型中EEvaluuatioon表示對(duì)對(duì)建立的模模型進(jìn)行評(píng)評(píng)估,重點(diǎn)具體體考慮得出出的結(jié)果是是否符合（ C ）的商業(yè)業(yè)目的。A.第二步步 BB.第三步步C.第一步步 DD.最后一一步發(fā)現(xiàn)關(guān)聯(lián)規(guī)規(guī)則的算法法通常要經(jīng)經(jīng)過以下三三個(gè)步驟：連接數(shù)據(jù)據(jù),作數(shù)據(jù)準(zhǔn)準(zhǔn)備；給定定最小支持持度和（ DD ）,利用數(shù)據(jù)據(jù)挖掘工具具提供的算算法發(fā)現(xiàn)關(guān)關(guān)聯(lián)規(guī)則；可視化顯顯示、理解解、評(píng)估關(guān)關(guān)聯(lián)規(guī)則A. 最小小興趣度 B. 最小小置信度C. 最大大支持度D. 最最小可信度度規(guī)則I-j,“有可能”,等于所有有

26、包含I的的購(gòu)物籃中中同時(shí)包含含J的購(gòu)物物籃的比例例,為（ B ）。A. 置信信度 B.可信度度 C. 興趣趣度 D. 支持度如果一個(gè)匹匹配中,任何一個(gè)個(gè)節(jié)點(diǎn)都不不同時(shí)是兩兩條或多條條邊的端點(diǎn)點(diǎn),也稱作（ C ）A. 極大大匹配 B.二分匹匹配 C完美匹配配 D.極小匹匹配只要具有適適當(dāng)?shù)恼卟咄苿?dòng),大數(shù)據(jù)的的使用將成成為未來提提高競(jìng)爭(zhēng)力力、生產(chǎn)力力、創(chuàng)新能能力以及（ D ）的的關(guān)鍵要素素。A.提高消消費(fèi) B.提高GGDP C.提高生生活水平 D. 創(chuàng)造造消費(fèi)者盈盈余個(gè)性化推薦薦系統(tǒng)是建建立在海量量數(shù)據(jù)挖掘掘基礎(chǔ)上的的一種高級(jí)級(jí)商務(wù)智能能平臺(tái),以幫助（ DD ）為為其顧客購(gòu)購(gòu)物提供完完全個(gè)性化化

27、的決策支支持和信息息服務(wù)。 A.公司 B.各單位位 C.跨國(guó)企企業(yè) D. 電子子商務(wù)網(wǎng)站站云計(jì)算是對(duì)對(duì)（ DD ）技技術(shù)的發(fā)展展與運(yùn)用A.并行計(jì)計(jì)算 B.網(wǎng)格計(jì)算算 C.分布式式計(jì)算 D.三個(gè)選項(xiàng)項(xiàng)都是（ B ）是Goooglee提出的用用于處理海海量數(shù)據(jù)的的并行編程程模式和大大規(guī)模數(shù)據(jù)據(jù)集的并行行運(yùn)算的軟軟件架構(gòu)。A.GFSS B.MapRReducce C.Chuubby D.BitTTablee在Bigttablee中，（ A ）主主要用來存存儲(chǔ)子表數(shù)數(shù)據(jù)以及一一些日志文文件A. GFFS B. Chubbby C.SSTTablee D.MMapReeducee二、判斷題題（共400題

28、）分類是預(yù)測(cè)測(cè)數(shù)據(jù)對(duì)象象的離散類類別，預(yù)測(cè)是用用于數(shù)據(jù)對(duì)對(duì)象的連續(xù)續(xù)取值。 (對(duì))時(shí)序預(yù)測(cè)回回歸預(yù)測(cè)一一樣，也是是用已知的的數(shù)據(jù)預(yù)測(cè)測(cè)未來的值值，但這些些數(shù)據(jù)的區(qū)區(qū)別是變量量所處時(shí)間間的不同。(錯(cuò))數(shù)據(jù)挖掘的的主要任務(wù)務(wù)是從數(shù)據(jù)據(jù)中發(fā)現(xiàn)潛潛在的規(guī)則則，從而能更更好的完成成描述數(shù)據(jù)據(jù)、預(yù)測(cè)數(shù)數(shù)據(jù)等任務(wù)務(wù)。 (對(duì)對(duì))對(duì)遺漏數(shù)據(jù)據(jù)的處理方方法主要有有：忽略該該條記錄；手工填補(bǔ)補(bǔ)遺漏值；利用默認(rèn)認(rèn)值填補(bǔ)遺遺漏值；利利用均值填填補(bǔ)遺漏值值；利用同同類別均值值填補(bǔ)遺漏漏值；利用用最可能的的值填充遺遺漏值。(對(duì))神經(jīng)網(wǎng)絡(luò)對(duì)對(duì)噪音數(shù)據(jù)據(jù)具有高承承受能力，并能對(duì)未未經(jīng)過訓(xùn)練練的數(shù)據(jù)具具有分類能能力，但其需要要很

29、長(zhǎng)的訓(xùn)訓(xùn)練時(shí)間，因而對(duì)于于有足夠長(zhǎng)長(zhǎng)訓(xùn)練時(shí)間間的應(yīng)用更更合適。(對(duì))數(shù)據(jù)分類由由兩步過程程組成：第第一步，建立一個(gè)個(gè)聚類模型，描述指定定的數(shù)據(jù)類類集或概念念集；第二二步，使用模型型進(jìn)行分類類。(錯(cuò))聚類是指將將物理或抽抽象對(duì)象的的集合分組組成為由類類似的對(duì)象象組成的多多個(gè)類的過過程。 (對(duì))決策樹方法法通常用于于關(guān)聯(lián)規(guī)則則挖掘。 (錯(cuò))數(shù)據(jù)規(guī)范化化指將數(shù)據(jù)據(jù)按比例縮縮放(如更更換大單位位)，使之之落入一個(gè)個(gè)特定的區(qū)區(qū)域（如00-1）以提提高數(shù)據(jù)挖挖掘效率的的方法。規(guī)規(guī)范化的常常用方法有有：最大-最小規(guī)范范化、零-均值規(guī)范范化、小數(shù)數(shù)定標(biāo)規(guī)范范化。(對(duì)對(duì))原始業(yè)務(wù)數(shù)數(shù)據(jù)來自多多個(gè)數(shù)據(jù)庫庫或數(shù)據(jù)倉(cāng)

30、倉(cāng)庫，它們們的結(jié)構(gòu)和和規(guī)則可能能是不同的的，這將導(dǎo)導(dǎo)致原始數(shù)數(shù)據(jù)非常的的雜亂、不不可用，即即使在同一一個(gè)數(shù)據(jù)庫庫中，也可可能存在重重復(fù)的和不不完整的數(shù)數(shù)據(jù)信息，為為了使這些些數(shù)據(jù)能夠夠符合數(shù)據(jù)據(jù)挖掘的要要求，提高高效率和得得到清晰的的結(jié)果，必必須進(jìn)行數(shù)數(shù)據(jù)的預(yù)處處理。(對(duì)對(duì))數(shù)據(jù)取樣時(shí)時(shí)，除了要要求抽樣時(shí)時(shí)嚴(yán)把質(zhì)量量關(guān)外，還還要求抽樣樣數(shù)據(jù)必須須在足夠范范圍內(nèi)有代代表性。(對(duì))分類規(guī)則的的挖掘方法法通常有：決策樹法法、貝葉斯斯法、人工工神經(jīng)網(wǎng)絡(luò)絡(luò)法、粗糙糙集法和遺遺傳算法。(對(duì))可信度是對(duì)對(duì)關(guān)聯(lián)規(guī)則則的準(zhǔn)確度度的衡量。 (錯(cuò))孤立點(diǎn)在數(shù)數(shù)據(jù)挖掘時(shí)時(shí)總是被視視為異常、無用數(shù)據(jù)據(jù)而丟棄。 (錯(cuò))A

31、prioori算法法是一種典典型的關(guān)聯(lián)聯(lián)規(guī)則挖掘掘算法。 (對(duì))用于分類的的離散化方方法之間的的根本區(qū)別別在于是否否使用類信信息。（對(duì)對(duì)）特征提取技技術(shù)并不依依賴于特定定的領(lǐng)域。（錯(cuò)錯(cuò)）模型的具體體化就是預(yù)預(yù)測(cè)公式，公公式可以產(chǎn)產(chǎn)生與觀察察值有相似似結(jié)構(gòu)的輸輸出，這就就是預(yù)測(cè)值值。（對(duì)對(duì)）文本挖掘又又稱信息檢檢索，是從大量量文本數(shù)據(jù)據(jù)中提取以以前未知的的、有用的的、可理解解的、可操操作的知識(shí)識(shí)的過程。 （錯(cuò)）定量屬性可可以是整數(shù)數(shù)值或者是是連續(xù)值。（對(duì)對(duì)）可視化技術(shù)術(shù)對(duì)于分析析的數(shù)據(jù)類類型通常不不是專用性性的。（錯(cuò)錯(cuò)）OLAP技技術(shù)側(cè)重于于把數(shù)據(jù)庫庫中的數(shù)據(jù)據(jù)進(jìn)行分析析、轉(zhuǎn)換成成輔助決策策信息

32、，是繼數(shù)據(jù)據(jù)庫技術(shù)發(fā)發(fā)展之后迅迅猛發(fā)展起起來的一種種新技術(shù)。 （對(duì)）Web數(shù)據(jù)據(jù)挖掘是通通過數(shù)據(jù)庫庫仲的一些些屬性來預(yù)預(yù)測(cè)另一個(gè)個(gè)屬性，它在驗(yàn)證證用戶提出出的假設(shè)過過程中提取取信息。 （錯(cuò)錯(cuò)）關(guān)聯(lián)規(guī)則挖挖掘過程是是發(fā)現(xiàn)滿足足最小支持持度的所有有項(xiàng)集代表表的規(guī)則。 （錯(cuò)）利用先驗(yàn)原原理可以幫幫助減少頻頻繁項(xiàng)集產(chǎn)產(chǎn)生時(shí)需要要探查的候候選項(xiàng)個(gè)數(shù)數(shù)。 （對(duì)）先驗(yàn)原理可可以表述為為：如果一一個(gè)項(xiàng)集是是頻繁的，那包含它它的所有項(xiàng)項(xiàng)集也是頻頻繁的。（錯(cuò)錯(cuò)）回歸分析通通常用于挖挖掘關(guān)聯(lián)規(guī)規(guī)則。（錯(cuò)）具有較高的的支持度的的項(xiàng)集具有有較高的置置信度。（錯(cuò)錯(cuò)）維歸約可以以去掉不重重要的屬性性，減少數(shù)數(shù)據(jù)立方體體的維

33、數(shù)，從從而減少數(shù)數(shù)據(jù)挖掘處處理的數(shù)據(jù)據(jù)量，提高高挖掘效率率。（對(duì)）聚類（cllusteeringg）是這樣樣的過程：它找出描描述并區(qū)分分?jǐn)?shù)據(jù)類或或概念的模模型(或函函數(shù))，以便能夠夠使用模型型預(yù)測(cè)類標(biāo)標(biāo)記未知的的對(duì)象類。 （錯(cuò)錯(cuò)）對(duì)于SVMM分類算法法，待分樣本本集中的大大部分樣本本不是支持持向量，移去或者者減少這些些樣本對(duì)分分類結(jié)果沒沒有影響。 （對(duì)）Bayess法是一種種在已知后后驗(yàn)概率與與類條件概概率的情況況下的模式式分類方法法，待分樣本本的分類結(jié)結(jié)果取決于于各類域中中樣本的全全體。 (錯(cuò))在決策樹中中，隨著樹中中結(jié)點(diǎn)數(shù)變變得太大，即使模型型的訓(xùn)練誤誤差還在繼繼續(xù)減低，但是檢驗(yàn)驗(yàn)誤差開始

34、始增大，這是出現(xiàn)現(xiàn)了模型擬擬合不足的的問題。 （錯(cuò)）在聚類分析析當(dāng)中，簇內(nèi)的相相似性越大大，簇間的差差別越大，聚類的效效果就越差差。（錯(cuò)）聚類分析可可以看作是是一種非監(jiān)監(jiān)督的分類類。（對(duì)）K均值是一一種產(chǎn)生劃劃分聚類的的基于密度度的聚類算算法，簇的個(gè)數(shù)數(shù)由算法自自動(dòng)地確定定。（錯(cuò)基于鄰近度度的離群點(diǎn)點(diǎn)檢測(cè)方法法不能處理理具有不同同密度區(qū)域域的數(shù)據(jù)集集。（對(duì)）如果一個(gè)對(duì)對(duì)象不強(qiáng)屬屬于任何簇簇，那么該對(duì)對(duì)象是基于于聚類的離離群點(diǎn)。（對(duì)對(duì)）大數(shù)據(jù)的44V特點(diǎn)是是Voluume、VVeloccity、Variiety、Veraacityy。（對(duì)）聚類分析的的相異度矩矩陣是用于于存儲(chǔ)所有有對(duì)象兩兩兩之間

35、相異異度的矩陣陣，為一個(gè)個(gè)nn維的的單模矩陣陣。（對(duì)）三、多選題題（共300題）噪聲數(shù)據(jù)的的產(chǎn)生原因因主要有：（ABCCD）數(shù)據(jù)采集設(shè)設(shè)備有問題題在數(shù)據(jù)錄入入過程中發(fā)發(fā)生了人為為或計(jì)算機(jī)機(jī)錯(cuò)誤數(shù)據(jù)傳輸過過程中發(fā)生生錯(cuò)誤由于命名規(guī)規(guī)則或數(shù)據(jù)據(jù)代碼不同同而引起的的不一致尋找數(shù)據(jù)集集中的關(guān)系系是為了尋尋找精確、方便并且且有價(jià)值地地總結(jié)出數(shù)據(jù)的某某一特征的的表示,這個(gè)過程程包括了以以下哪些步步驟？ (A B C D)A.選擇一一個(gè)算法過過程使評(píng)分分函數(shù)最優(yōu)優(yōu)B.決定定如何量化化和比較不不同表示擬擬合數(shù)據(jù)的的好壞C.決定要使使用的表示示的特征和和結(jié)構(gòu)D.決定用什什么樣的數(shù)數(shù)據(jù)管理原原則以高效效地實(shí)現(xiàn)算算

36、法數(shù)據(jù)挖掘的的預(yù)測(cè)建模模任務(wù)主要要包括哪幾幾大類問題題？ (AA B)A. 分類類 B. 回歸歸 C. 聚類類 D. 關(guān)聯(lián)聯(lián)規(guī)則挖掘掘4) 下列列屬于不同同的有序數(shù)數(shù)據(jù)的有：(A BB C DD)A.時(shí)序數(shù)據(jù)據(jù) B.序列數(shù)數(shù)據(jù) C.時(shí)間序序列數(shù)據(jù)D.事務(wù)數(shù)數(shù)據(jù)E.空間數(shù)數(shù)據(jù) 5) 下面面屬于數(shù)據(jù)據(jù)集的一般般特性的有有：( BB C DD)A.連續(xù)性B.維度 C.稀疏性性D.分辨率率E.相異性性6）下面屬屬于維歸約約常用的處處理技術(shù)的的有： (A C)A.主成分分分析B.特征提提取 C.奇異值值分解D.特征加加權(quán)E.離散化化噪聲數(shù)據(jù)處處理的方法法主要有：（ ABBD ）A.分箱 B.聚類C.關(guān)聯(lián)

37、分分析 D.回歸數(shù)據(jù)挖掘的的主要功能能包括概念念描述、趨趨勢(shì)分析、孤立點(diǎn)分分析及（ ABCCD ）等方面。A.挖掘頻頻繁模式 B.分類和預(yù)預(yù)測(cè) C.聚類分分析 D.偏差分析析以下各項(xiàng)均均是針對(duì)數(shù)數(shù)據(jù)倉(cāng)庫的的不同說法法,你認(rèn)為正正確的有（BBCD ）。 A數(shù)數(shù)據(jù)倉(cāng)庫就就是數(shù)據(jù)庫庫 B數(shù)數(shù)據(jù)倉(cāng)庫是是一切商業(yè)業(yè)智能系統(tǒng)統(tǒng)的基礎(chǔ) C數(shù)數(shù)據(jù)倉(cāng)庫是是面向業(yè)務(wù)務(wù)的,支持聯(lián)機(jī)機(jī)事務(wù)處理理（OLTTP） D數(shù)據(jù)據(jù)倉(cāng)庫支持持決策而非非事務(wù)處理理10）聯(lián)機(jī)機(jī)分析處理理包括( BCDD )基基本分析功功能。A.聚類類 B.切片 C.轉(zhuǎn)軸 D.切切塊11）利用用Apriiori算算法計(jì)算頻頻繁項(xiàng)集可可以有效降降低計(jì)算頻

38、頻繁集的時(shí)時(shí)間復(fù)雜度度。在以下下的購(gòu)物籃籃中產(chǎn)生支支持度不小小于3的候候選3-項(xiàng)項(xiàng)集，在候選22-項(xiàng)集中中需要剪枝枝的是( BD )TID項(xiàng)集1面包、牛奶奶2面包、尿布布、啤酒、雞蛋3牛奶、尿布布、啤酒、可樂4面包、牛奶奶、尿布、啤酒5面包、牛奶奶、尿布、可樂A.啤酒、尿布 B.啤酒、面面包C.面包、尿布 D.啤酒、牛牛奶12）下表表是一個(gè)購(gòu)購(gòu)物籃,假定支持持度閾值為為40%,其中( AD )是頻頻繁閉項(xiàng)集集。ID項(xiàng)集1面包、牛奶奶、尿布2面包、牛奶奶、尿布、啤酒3牛奶、尿布布、雞蛋4面包、尿布布、啤酒、雞蛋5啤酒、雞蛋蛋A.面包、牛奶、尿布 B.面包、啤酒C.尿布、啤酒 DD.啤酒、雞蛋13

39、）Appriorri算法的的計(jì)算復(fù)雜雜度受( ABCCD )影響。A.支持度度閥值 B.項(xiàng)數(shù)（維維度）C.事務(wù)數(shù)數(shù) D.事務(wù)平均均寬度14）以下下關(guān)于非頻頻繁模式說說法,正確的是是（ AAD ）A.其支持持度小于閾閾值 B.都是不讓讓人感興趣趣的C.包含負(fù)負(fù)模式和負(fù)負(fù)相關(guān)模式式 D.對(duì)異常數(shù)數(shù)據(jù)項(xiàng)敏感感15）以下下屬于分類類器評(píng)價(jià)或或比較尺度度的有: ( ACD )A.預(yù)測(cè)準(zhǔn)準(zhǔn)確度 B.召回率C.模型描描述的簡(jiǎn)潔潔度 D.計(jì)算復(fù)雜雜度16）貝葉葉斯信念網(wǎng)網(wǎng)絡(luò)(BBBN)有如如下哪些特特點(diǎn)。 （ABB）A.構(gòu)造網(wǎng)網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)費(fèi)力 B.對(duì)模型型的過分問問題非常魯魯棒 C.貝葉斯斯網(wǎng)絡(luò)不適適合處理不不完整的數(shù)數(shù)據(jù) D.網(wǎng)絡(luò)結(jié)結(jié)構(gòu)確定后后,添加變量量相當(dāng)麻煩煩17）如下下哪些不是是最近鄰分分類器的特特點(diǎn)。 (CC)A.它使用用具體的訓(xùn)訓(xùn)練實(shí)例進(jìn)進(jìn)行預(yù)測(cè)，不必維護(hù)護(hù)源自數(shù)據(jù)據(jù)的模型 B.分類一一個(gè)測(cè)試樣樣例開銷很很大 C.最近鄰鄰分類器基基于全局信信息進(jìn)行預(yù)預(yù)測(cè) D.可以生生產(chǎn)任意形形狀的決策策邊界18）以下下屬于聚類類算法的是是（ ABB ）。 A.K-Meaans BB.DBSCCAN C.Aprriorii D.KNN19)（ CD ）都都屬于簇有有