數(shù)據(jù)挖掘模擬卷

1、數(shù)據(jù)挖掘模擬卷一、填空題(每格1分，共20分)1、在數(shù)據(jù)挖掘中，常用的聚類(lèi)算法包括：劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。2、數(shù)據(jù)倉(cāng)庫(kù)的多維數(shù)據(jù)模型可以有三種不同的形式，分別是：星型模式、雪花模式和事實(shí)星座模式。3、從數(shù)據(jù)分析的角度看，數(shù)據(jù)挖掘可以分為兩類(lèi)：描述性的數(shù)據(jù)挖掘和預(yù)測(cè)性的數(shù)據(jù)挖掘。4、給定基本方體，方體的物化有三種選擇：不物化、全物化和部分物化。5、當(dāng)前的數(shù)據(jù)挖掘研究中，最主要的三個(gè)研究方向是：數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)。6、概念分層有四種類(lèi)型，分別是：模式分層、集合分組分層、操作導(dǎo)出的分層和基于規(guī)則的分層。7、兩種常用的大數(shù)據(jù)集的數(shù)據(jù)概化方法是：數(shù)

2、據(jù)立方體方法(或)和面向?qū)傩缘臍w纟內(nèi)方法。二、單選題(請(qǐng)選擇一個(gè)正確答案填入括號(hào)內(nèi)，每題2分，共20分)面哪種分類(lèi)方法是屬于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法？()判定樹(shù)歸納貝葉斯分類(lèi)2D置信度(confidence)判定樹(shù)歸納貝葉斯分類(lèi)2D置信度(confidence)是衡量興趣度度量A、簡(jiǎn)潔性B、確定性孤立點(diǎn)挖掘適用于下列哪種場(chǎng)合？A、目標(biāo)市場(chǎng)分析B、購(gòu)物籃分析存放最低層匯總的方體稱為：A、頂點(diǎn)方體B、方體的格數(shù)據(jù)歸約的目的是()A、填補(bǔ)數(shù)據(jù)種的空缺值C、得到數(shù)據(jù)集的壓縮表示后向傳播分類(lèi)()的指標(biāo)。C.、實(shí)用性基于案例的推理D、新穎性C、模式識(shí)別D、信用卡欺詐檢測(cè)C、基本方體D、維B、集成多個(gè)數(shù)據(jù)源的數(shù)據(jù)D

3、、規(guī)范化數(shù)據(jù)面哪種數(shù)據(jù)預(yù)處理技術(shù)可以用來(lái)平滑數(shù)據(jù)，消除數(shù)據(jù)噪聲？數(shù)據(jù)清理數(shù)據(jù)集成數(shù)據(jù)變換數(shù)據(jù)歸約()通過(guò)將屬性域劃分為區(qū)間，從而減少給定連續(xù)值的個(gè)數(shù)。A.概念分層B.離散化C.分箱D.直方圖下面的數(shù)據(jù)操作中，()操作不是多維數(shù)據(jù)模型上的OLAP操作。A、上卷(roll-up)B、選擇(select)C、切片(slice)D、轉(zhuǎn)軸(pivot)假設(shè)現(xiàn)在的數(shù)據(jù)挖掘任務(wù)是解析數(shù)據(jù)庫(kù)中關(guān)于客戶的一般特征的描述，通常所使用的數(shù)據(jù)挖掘功能是()A.關(guān)聯(lián)分析B.分類(lèi)和預(yù)測(cè)C.孤立點(diǎn)分析D.演變分析E.概念描述下列哪個(gè)描述是正確的？()A、分類(lèi)和聚類(lèi)都是有指導(dǎo)的學(xué)習(xí)B、分類(lèi)和聚類(lèi)都是無(wú)指導(dǎo)的學(xué)習(xí)C、分類(lèi)是有指

4、導(dǎo)的學(xué)習(xí)，聚類(lèi)是無(wú)指導(dǎo)的學(xué)習(xí)D、分類(lèi)是無(wú)指導(dǎo)的學(xué)習(xí)，聚類(lèi)是有指導(dǎo)的學(xué)習(xí)三、多選題（請(qǐng)選擇兩個(gè)或兩個(gè)以上正確答案填入括號(hào)內(nèi)，每題3分，共15分）1根據(jù)關(guān)聯(lián)分析中所涉及的數(shù)據(jù)維，可以將關(guān)聯(lián)規(guī)則分類(lèi)為：（）D、多層關(guān)聯(lián)規(guī)則D、規(guī)范化A、布爾關(guān)聯(lián)規(guī)則BD、多層關(guān)聯(lián)規(guī)則D、規(guī)范化下列哪些是數(shù)據(jù)變換可能涉及的內(nèi)容？A、數(shù)據(jù)壓縮B、數(shù)據(jù)概化C、維歸約說(shuō)明任務(wù)相關(guān)的數(shù)據(jù)時(shí)，涉及說(shuō)明（）A、包含相關(guān)數(shù)據(jù)的數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)名B、選擇相關(guān)數(shù)據(jù)的條件C、相關(guān)的屬性或維D、關(guān)于檢索數(shù)據(jù)的排序和分組指令4從結(jié)構(gòu)的角度看，數(shù)據(jù)倉(cāng)庫(kù)模型包括以下幾類(lèi)：企業(yè)倉(cāng)庫(kù)數(shù)據(jù)集市虛擬倉(cāng)庫(kù)信息倉(cāng)庫(kù)5.數(shù)據(jù)倉(cāng)庫(kù)的主要特征包括（）A、面向主題的

5、B、集成的C、時(shí)變的D、非易失的四、簡(jiǎn)答題（共25分）簡(jiǎn)述面向?qū)傩詺w納的基本思想，并說(shuō)明什么時(shí)候使用屬性刪除，什么時(shí)候使用屬性概化。（7分）答：面向?qū)傩詺w納的基本思想是：首先使用關(guān)系數(shù)據(jù)庫(kù)查詢收集任務(wù)相關(guān)的數(shù)據(jù)；然后通過(guò)考察任務(wù)相關(guān)數(shù)據(jù)中每個(gè)屬性的不同值的個(gè)數(shù)，進(jìn)行概化（通過(guò)屬性刪除或者屬性概化）。聚集通過(guò)合并相等的廣義元組，并累計(jì)他們相應(yīng)的計(jì)數(shù)值進(jìn)行。這壓縮了概化后的數(shù)據(jù)集合。結(jié)果廣義關(guān)系可以映射到不同形式，如圖表或規(guī)則，提供用戶。（分使用屬性刪除的情況：如果初始工作關(guān)系的一個(gè)屬性上有大量的不同值，但是（）在此屬性上沒(méi)有概化操作符，或（）它的較高層概念用其他屬性表示；（分）使用屬性概化的情況

6、：如果初始工作關(guān)系的一個(gè)屬性上有大量的不同值，并且該屬性上存在著概化操作符。（分）為什么在進(jìn)行聯(lián)機(jī)分析處理（OLAP）時(shí)，我們需要一個(gè)獨(dú)立的數(shù)據(jù)倉(cāng)庫(kù)，而不是直接在日常操作的數(shù)據(jù)庫(kù)上進(jìn)行。（6分）答：使用一個(gè)獨(dú)立的數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行處理是為了以下目的：提咼兩個(gè)系統(tǒng)的性能操作數(shù)據(jù)庫(kù)是為而設(shè)計(jì)的，沒(méi)有為操作優(yōu)化，同時(shí)在操作數(shù)據(jù)庫(kù)上處理查.詢，會(huì)大大降低操作任務(wù)的性能；而數(shù)據(jù)倉(cāng)庫(kù)是為而設(shè)計(jì)，為復(fù)雜的查詢多.維視圖，匯總等功能提供了優(yōu)化。兩者有著不同的功能操作數(shù)據(jù)庫(kù)支持多事務(wù)的并行處理，而數(shù)據(jù)倉(cāng)庫(kù)往往只是對(duì)數(shù)據(jù)記錄進(jìn)行只讀訪問(wèn)；這時(shí)如果將事務(wù)處理的并行機(jī)制和恢復(fù)機(jī)制用于這種操作，就會(huì)顯著降低的性能。兩者有著不

7、同的數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)中存放歷史數(shù)據(jù)；日常操作數(shù)據(jù)庫(kù)中存放的往往只是最新的數(shù)據(jù)。對(duì)于具有遞減支持度的多層關(guān)聯(lián)規(guī)則挖掘，分別都有哪些搜索策略？各有什么特點(diǎn)？（6分）答：具有遞減支持度的多層關(guān)聯(lián)規(guī)則挖掘中使用的搜索策略包括：逐層獨(dú)立：完全的寬度搜索，沒(méi)有頻繁項(xiàng)集的背景知識(shí)用于剪枝?？疾烀恳粋€(gè)節(jié)點(diǎn)，不管其父節(jié)點(diǎn)是否頻繁。特點(diǎn)是條件很松，可能導(dǎo)致在低層考察大量非頻繁的項(xiàng)，找出一些不重要的關(guān)聯(lián)；（分）層交叉項(xiàng)集過(guò)濾：一個(gè)第層的項(xiàng)集被考察，當(dāng)且僅當(dāng)它在第層的對(duì)應(yīng)父節(jié)點(diǎn).的項(xiàng)集是頻繁的。特點(diǎn)是限制太強(qiáng)，有些有價(jià)值的模式可能被該方法過(guò)濾掉；（分）層交叉單項(xiàng)過(guò)濾：一個(gè)第層的項(xiàng)被考察，當(dāng)且僅當(dāng)它在第層的父節(jié)點(diǎn)是頻繁的。

8、它是上述兩個(gè)極端策略的折中。（分）4跟其他應(yīng)用領(lǐng)域相比，在電子商務(wù)中進(jìn)行數(shù)據(jù)挖掘有哪些優(yōu)勢(shì)？（6分）答：跟其他應(yīng)用領(lǐng)域相比，在電子商務(wù)中進(jìn)行數(shù)據(jù)挖掘的優(yōu)勢(shì)包括：電子商務(wù)提供海量的數(shù)據(jù)：點(diǎn)擊流（）將會(huì)產(chǎn)生電子商務(wù)挖掘的大量數(shù)據(jù)；豐富的記錄信息：良好的站點(diǎn)設(shè)計(jì)將有助于獲得豐富的關(guān)于商品、分類(lèi)、訪客等等信息；干凈的數(shù)據(jù)：從電子商務(wù)站點(diǎn)收集的都是電子數(shù)據(jù)，無(wú)需人工輸入或者是從歷史系統(tǒng)進(jìn)行整合；研究成果容易轉(zhuǎn)化：在電子商務(wù)中，很多知識(shí)發(fā)現(xiàn)都可以進(jìn)行直接應(yīng)用；投資收益容易衡量：所有數(shù)據(jù)都是電子化的，可以非常方便的生成各種報(bào)表和計(jì)算各種收益。五、算法題（共20分）1.Apriori算法是從事務(wù)數(shù)據(jù)庫(kù)中挖掘單

9、維布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識(shí)，從候選項(xiàng)集中找到頻繁項(xiàng)集。（1）Aprior算法包括哪兩個(gè)基本步驟（2分）；連接與剪枝（2）對(duì)下圖中所示的事務(wù)數(shù)據(jù)記錄D,（IDI=4）,請(qǐng)用圖示與說(shuō)明解釋如何使用Apriori算法尋找D中的頻繁項(xiàng)集。（假設(shè)最小事務(wù)支持計(jì)數(shù)為2）（10分）TID項(xiàng)ID的列表T100A,C,DT200B,C,ET300A,B,C,ET400B,E使用性質(zhì)由產(chǎn)生連接：使用性質(zhì)剪枝：頻繁項(xiàng)集的所有子集必須是頻繁的，對(duì)候選項(xiàng)，我們可以刪除其子集為非頻繁的選項(xiàng)：的項(xiàng)子集是，其中不是的元素，所以刪除這個(gè)選項(xiàng)；的項(xiàng)子集是，其中不是的元素，所以刪除這個(gè)選項(xiàng)；的項(xiàng)子集

10、是，它的所有一項(xiàng)子集都是的元素，因此保留這個(gè)選項(xiàng)。這樣，剪枝后得到枝后得到2判定樹(shù)歸納算法是一種常用的分類(lèi)算法（1）請(qǐng)簡(jiǎn)述判定樹(shù)歸納算法的基本策略（4分）；（）使用判定樹(shù)歸納算法，根據(jù)顧客年齡（分為個(gè)年齡段：，）3收入（取值為，），是否為（取值為和），信用等級(jí)（取值為和）來(lái)判定用戶是否會(huì)購(gòu)買(mǎi)，即構(gòu)建判定樹(shù)，假設(shè)現(xiàn)有的數(shù)據(jù)經(jīng)過(guò)第一次劃分之后得到如下圖所示結(jié)果，并根據(jù)該結(jié)果對(duì)每一個(gè)劃分中的各個(gè)屬性計(jì)算信息增益TOC o 1-5 h z對(duì)的顧客：，對(duì)的顧客：，請(qǐng)根據(jù)以上結(jié)果繪制出判定樹(shù)，（分）答:（）判定樹(shù)歸納算法的基本策略如下：樹(shù)以代表單個(gè)訓(xùn)練樣本的節(jié)點(diǎn)開(kāi)始。如果樣本都在同一個(gè)類(lèi)，則該節(jié)點(diǎn)成為樹(shù)葉，并用該類(lèi)標(biāo)記。否則，算法使用成為信息增益的基于熵的度量作為啟發(fā)信息，選擇能夠最好的將樣本分類(lèi)的屬性。對(duì)測(cè)試屬性每個(gè)已知的值，創(chuàng)建一個(gè)分枝，并據(jù)此劃分樣本。算法使用同樣的過(guò)程，遞歸的形成每個(gè)劃分上的樣本