2023年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師考試歷年真摘選題含答案

2023年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師考試歷年真摘選題含答案（圖片大小可自由調(diào)整）第1卷一.參考題庫(共100題)1.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)？（）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2.數(shù)據(jù)挖掘處理的對象有哪些？請從實際生活中舉出至少三種。3.對于下圖所示的正傾斜數(shù)據(jù)，中位數(shù)、平均值、眾數(shù)三者之間的關(guān)系是（）A、中位數(shù)=平均值=眾數(shù)；B、中位數(shù)＞平均值＞眾數(shù)；C、平均值＞中位數(shù)＞眾數(shù)；D、眾數(shù)＞中位數(shù)＞平均值4.先驗原理可以表述為：如果一個項集是頻繁的，那包含它的所有項集也是頻繁的。5.簡述雪花模型。6.為什么要關(guān)注離群點？7.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（minimalmarginclassifier）。8.聚類分析包括連續(xù)型、二值離散型、（）和混合類型4種類型描述屬性的相似度計算方法。9.根據(jù)關(guān)聯(lián)分析中所涉及的抽象層，可以將關(guān)聯(lián)規(guī)則分類為（）。A、布爾關(guān)聯(lián)規(guī)則B、單層關(guān)聯(lián)規(guī)則C、多維關(guān)聯(lián)規(guī)則D、多層關(guān)聯(lián)規(guī)則10.關(guān)于OLAP和OLTP的區(qū)別描述，不正確的是（）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簡單的事務(wù)C、OLAP的特點在于事務(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11.在聚類分析當中，（）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、Chameleon12.什么是決策節(jié)點？13.OLAP14.考慮值集{1、2、3、4、5、90}，其截斷均值（p=20%）是（）。A、2B、3C、3.5D、515.以下兩種描述分別對應(yīng)哪兩種對分類算法的評價標準？（） （1）警察抓小偷，描述警察抓的人中有多少個是小偷的標準。 （2）描述有多少比例的小偷給警察抓了的標準。A、Precision，RecallB、Recall，PrecisionC、Precision，ROCD、Recall，ROC16.在多維關(guān)聯(lián)規(guī)則挖掘中，我們搜索的不是頻繁項集，而是（）17.簡述數(shù)據(jù)倉庫設(shè)計的三級模型的基本內(nèi)容。18.ROLAP是基于（）的OLAP實現(xiàn)，而MOLAP是基于多維數(shù)據(jù)結(jié)構(gòu)組織的OLAP實現(xiàn)。19.設(shè)X={1，2，3}是頻繁項集，則可由X產(chǎn)生（）個關(guān)聯(lián)規(guī)則。A、4B、5C、6D、720.規(guī)則：age（X，”19-25”）∧buys（X，“popcorn”）=>buys（X，“coke”）是一個（）。A、單維關(guān)聯(lián)規(guī)則B、多維關(guān)聯(lián)規(guī)則C、混合維關(guān)聯(lián)規(guī)則D、不是一個關(guān)聯(lián)規(guī)則21.以下是哪一個聚類算法的算法流程（）。 ①構(gòu)造k－最近鄰圖。 ②使用多層圖劃分算法劃分圖。 ③repeat：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。 ④until：不再有可以合并的簇。A、MSTB、OPOSSUMC、ChameleonD、Jarvis－Patrick（JP）22.從信息處理角度看，神經(jīng)元具有哪些基本特征？寫出描述神經(jīng)元狀態(tài)的M-P方程并說明其含義。23.聚類分析常作為一個獨立的工具來獲得（）24.數(shù)據(jù)立方體度量可以根據(jù)其所使用的聚集函數(shù)分為三類，分別是：（）、（）和（）25.下面關(guān)于數(shù)據(jù)粒度的描述不正確的是（）A、粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別B、數(shù)據(jù)越詳細，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26.從點作為個體簇開始，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。27.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個階段：以報表為主、（）、以預(yù)測模型為主、以運營導(dǎo)向為主和以實時數(shù)據(jù)倉庫和自動決策為主。28.數(shù)據(jù)聚合需要考慮的問題有哪些？29.下面關(guān)于Jarvis－Patrick（JP）聚類算法的說法不正確的是（）。A、JP聚類擅長處理噪聲和離群點，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)強相關(guān)對象的緊致簇C、JP聚類是基于SNN相似度的概念D、JP聚類的基本時間復(fù)雜度為O（m）30.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，它在驗證用戶提出的假設(shè)過程中提取信息。31.孤立點32.數(shù)據(jù)挖掘33.簡述數(shù)據(jù)挖掘的過程。34.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（）。A、無序規(guī)則B、窮舉規(guī)則C、互斥規(guī)則D、有序規(guī)則35.下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：（）。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36.分類的過程包括獲取數(shù)據(jù)、預(yù)處理、分類器設(shè)計和（）37.通過聚集多個分類器的預(yù)測來提高分類準確率的技術(shù)稱為（）。A、組合（ensemble）B、聚集（aggregate）C、合并（combination）D、投票（voting）38.簡述數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系？39.當前的數(shù)據(jù)挖掘研究中，最主要的三個研究方向是：（）、（）和（）40.Bayes法是一種在已知后驗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。41.某超市研究銷售紀錄數(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、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B、聚類C、分類D、自然語言處理42.孤立點是指：（）43.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。44.在現(xiàn)實世界的數(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。45.數(shù)據(jù)集分為三類：（）。46.數(shù)據(jù)從集結(jié)區(qū)加載到數(shù)據(jù)倉庫中的主要方法是什么？47.序列數(shù)據(jù)沒有時間戳。48.什么是ETL？49.在項目實施時，根據(jù)事實表的特點和擁護的查詢需求，可以選用（）、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。50.列舉操作型數(shù)據(jù)與分析型數(shù)據(jù)的主要區(qū)別。51.為什么說數(shù)據(jù)倉庫具有隨時間而變化的特征？52.評估分類模型的性能的方法有哪些？53.比較統(tǒng)計學(xué)與數(shù)據(jù)挖掘的異同？54.請談一下你對元數(shù)據(jù)管理在數(shù)據(jù)倉庫中的運用的理解。55.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，因為這兩個對象一般不會共享許多近鄰，所以應(yīng)該選擇（）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56.使用星型模式可以從一定程度上（）查詢效率。因為星型模式中數(shù)據(jù)的組織已經(jīng)經(jīng)過預(yù)處理，主要數(shù)據(jù)都在龐大的事實表中。57.簡述K-平均算法的輸入、輸出及聚類過程（流程）。58.下面屬于定量的屬性類型是：（）。A、標稱B、序數(shù)C、區(qū)間D、相異59.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)報表、（）、關(guān)鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。60.項集的頻率是指（）61.如何提高Apriori算法的有效性？有哪些常見方法？62.定量屬性可以是整數(shù)值或者是連續(xù)值。63.數(shù)據(jù)挖掘要解決的問題是什么？64.試述對于多個異種信息源的集成，為什么許多公司寧愿使用更新驅(qū)動的方法（update-driven），而不愿使用查詢驅(qū)動（query-driven）的方法？65.頻繁項集66.什么是數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程？67.以下哪些是數(shù)據(jù)倉庫的主要應(yīng)用？（）A、信息處理B、互聯(lián)網(wǎng)搜索C、分析處理D、數(shù)據(jù)挖掘68.Aprior算法包括（）和（）兩個基本步驟69.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）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70。 （a）使用按箱平均值平滑對以上數(shù)據(jù)進行平滑，箱的深度為3。解釋你的步驟。評論對于給定的數(shù)據(jù)，該技術(shù)的效果。 （b）對于數(shù)據(jù)平滑，還有哪些其它方法？70.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)？（）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71.數(shù)據(jù)挖掘?qū)垲惖牡湫鸵笥心男?2.根據(jù)規(guī)則中所處理的值類型，關(guān)聯(lián)規(guī)則可分為：（）和（）73.簡述基于劃分的聚類方法。劃分的準則是什么？74.（）都屬于分裂的層次聚類算法。A、二分K均值B、MSTC、ChameleonD、組平均75.常用的數(shù)值屬性概念分層的方法有哪些？76.關(guān)于數(shù)據(jù)倉庫的設(shè)計，四種不同的視圖必須考慮，分別是：（）、（）、（）、（）77.已知數(shù)據(jù)元組中age的值如下（按遞增序）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70。 （a）使用min-max規(guī)范化，將age值35轉(zhuǎn)換到[0.0，1.0]區(qū)間。 （b）使用z-score規(guī)范化轉(zhuǎn)換age值35，其中，age的標準偏差為12.94年。 （c）使用小數(shù)定標規(guī)范化轉(zhuǎn)換age值35。78.使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？（）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79.下面選項中t不是s的子序列的是（）。A、s=，t=B、s=，t=C、s=，t=D、s=，t=80.何謂粒度？它對數(shù)據(jù)倉庫有什么影響？按粒度組織數(shù)據(jù)的方式有哪些？81.按照事實表中度量的可加性情況，可以把事實表對應(yīng)的事實分為4種類型：（）、快照事實、線性項目事實和事件事實。82.調(diào)和數(shù)據(jù)是存儲在（）數(shù)據(jù)倉庫和操作型數(shù)據(jù)存儲中的數(shù)據(jù)。83.比較OLAP的數(shù)據(jù)模型MOLAP與ROLAP？84.進行數(shù)據(jù)預(yù)處理時所使用的主要方法包括：（）、（）、（）和（）85.數(shù)據(jù)分類模型的常用表示形式包括（）、（）等。86.什么是用戶信息需求表（信息包圖法）？它為什么適用于數(shù)據(jù)倉庫的概念模型的設(shè)計？87.簡述數(shù)據(jù)倉庫4種體系結(jié)構(gòu)的異同點以其適用性。88.根據(jù)顧客的收入和職業(yè)情況，預(yù)測他們在計算機設(shè)備上的花費，所使用的相應(yīng)數(shù)據(jù)挖掘功能是（）。A、關(guān)聯(lián)分析B、分類和預(yù)測C、演變分析D、概念描述89.簡述Apriori算法的思想，談?wù)勗撍惴ǖ膽?yīng)用領(lǐng)域。90.求和函數(shù)sum（）是一個（）的函數(shù)。91.下面的數(shù)據(jù)挖掘的任務(wù)中，（）將決定所使用的數(shù)據(jù)挖掘功能。A、選擇任務(wù)相關(guān)的數(shù)據(jù)B、選擇要挖掘的知識類型C、模式的興趣度度量D、模式的可視化表示92.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)由算法自動地確定。93.簡述數(shù)據(jù)倉庫的組成。94.下列度量不具有反演性的是（）。A、系數(shù)B、幾率C、Cohen度量D、興趣因子95.為什么在進行聯(lián)機分析處理（OLAP）時，我們需要一個獨立的數(shù)據(jù)倉庫，而不是直接在日常操作的數(shù)據(jù)庫上進行。96.關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指（）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97.數(shù)據(jù)處理通常分成兩大類：聯(lián)機事務(wù)處理和（）98.考慮兩隊之間的足球比賽：隊0和隊1。假設(shè)65%的比賽隊0勝出，剩余的比賽隊1獲勝。隊0獲勝的比賽中只有30%是在隊1的主場，而隊1取勝的比賽中75%是主場獲勝。如果下一場比賽在隊1的主場進行隊1獲勝的概率為（）。A、0.75B、0.35C、0.4678D、0.573899.數(shù)據(jù)倉庫中間層OLAP服務(wù)器只能采用關(guān)系型OLAP。100.數(shù)據(jù)庫中的知識挖掘（KDD）包括以下七個步驟：（）、（）、（）、（）、（）、（）和（）第1卷參考答案一.參考題庫1.正確答案:C2.正確答案:數(shù)據(jù)挖掘處理的對象是某一專業(yè)領(lǐng)域中積累的數(shù)據(jù)，對象既可以來自社會科學(xué)，又可以來自自然科學(xué)產(chǎn)生的數(shù)據(jù)，還可以是衛(wèi)星觀測得到的數(shù)據(jù)。數(shù)據(jù)形式和結(jié)構(gòu)也各不相同，可以是傳統(tǒng)的關(guān)系數(shù)據(jù)庫，可以是面向?qū)ο蟮母呒墧?shù)據(jù)庫系統(tǒng)，也可以是面向特殊應(yīng)用的數(shù)據(jù)庫，如空間數(shù)據(jù)庫、時序數(shù)據(jù)庫、文本數(shù)據(jù)庫和多媒體數(shù)據(jù)庫等，還可以是Web數(shù)據(jù)信息。 實際生活的例子： ①電信行業(yè)中利用數(shù)據(jù)挖掘技術(shù)進行客戶行為分析，包含客戶通話記錄、通話時間、所開通的服務(wù)等，據(jù)此進行客戶群體劃分以及客戶流失性分析。 ②天文領(lǐng)域中利用決策樹等數(shù)據(jù)挖掘方法對上百萬天體數(shù)據(jù)進行分類與分析，幫助天文學(xué)家發(fā)現(xiàn)其他未知星體。 ③制造業(yè)中應(yīng)用數(shù)據(jù)挖掘技術(shù)進行零部件故障診斷、資源優(yōu)化、生產(chǎn)過程分析等。 ④市場業(yè)中應(yīng)用數(shù)據(jù)挖掘技術(shù)進行市場定位、消費者分析、輔助制定市場營銷策略等。3.正確答案:C4.正確答案:錯誤5.正確答案:雪花模式中某些維表是規(guī)范化的，因而把數(shù)據(jù)進一步分解到附加的表中，模式圖形成了類似雪花的形狀。通過最大限度地減少數(shù)據(jù)存儲量以及聯(lián)合較小的維表來改善查詢性能。雪花模型增加了用戶必須處理的表數(shù)量，增加了某些查詢的復(fù)雜性，但同時提高了處理的靈活性，可以回答更多的商業(yè)問題，特別適合系統(tǒng)的逐步建設(shè)要求。6.正確答案:在一些應(yīng)用領(lǐng)域中，識別離群點是許多工作的基礎(chǔ)和前提。一般地，離群點可能對應(yīng)于稀有事件或異常行為，所以，離群點的挖掘會給我們帶來新的視角和發(fā)現(xiàn)，離群點往往具有特殊的意義和很高的實用價值，需要對其進行認真審視和研究，因為它們表示一種偏差或新的模式的開始，這可能會對用戶帶來危害，或造成巨大損失。7.正確答案:錯誤8.正確答案:多值離散型9.正確答案:B,D10.正確答案:C11.正確答案:A,D12.正確答案:代表某個測試，通常對應(yīng)帶分類對象的某個屬性。該屬性上的不同測試結(jié)果對應(yīng)一個分支。13.正確答案:OLAP是在OLTP的基礎(chǔ)上發(fā)展起來的，以數(shù)據(jù)倉庫為基礎(chǔ)的數(shù)據(jù)分析處理，是共享多維信息的快速分析，是被專門設(shè)計用于支持復(fù)雜的分析操作，側(cè)重對分析人員和高層管理人員的決策支持。14.正確答案:C15.正確答案:A16.正確答案:頻繁謂詞集17.正確答案: （1）概念模型設(shè)計是在較高的抽象層次上的設(shè)計，其主要內(nèi)容包括：界定系統(tǒng)邊界和確定主要的主題域。 （2）邏輯模型設(shè)計的主要內(nèi)容包括：分析主題域、確定粒度層次劃分、確定數(shù)據(jù)分割策略、定義關(guān)系模式、定義記錄系統(tǒng)。 （3）物理數(shù)據(jù)模型設(shè)計的主要內(nèi)容包括：確定數(shù)據(jù)存儲結(jié)構(gòu)、確定數(shù)據(jù)存放位置、確定存儲分配以及確定索引策略等。18.正確答案:關(guān)系數(shù)據(jù)庫19.正確答案:C20.正確答案:B21.正確答案:C22.正確答案: 基本特征： ①多輸入、單輸出； ②突觸兼有興奮和抑制兩種性能； ③可時間加權(quán)和空間加權(quán)； ④可產(chǎn)生脈沖； ⑤脈沖可進行傳遞； ⑥非線性，有閾值。 M-P方程：，Wij是神經(jīng)元之間的連接強度，是閾值，f（x）是階梯函數(shù)。23.正確答案:數(shù)據(jù)分布的情況24.正確答案:分布的；代數(shù)的；整體的25.正確答案:C26.正確答案:錯誤27.正確答案:以分析為主28.正確答案:（1）模式識別：這主要是實體識別問題； （2）冗余：一個屬性是冗余的，即它能由另一個表導(dǎo)出，如果屬性或維的命名不一致，也可能導(dǎo)致冗余，可以用相關(guān)分析來檢測； （3）數(shù)據(jù)值沖突的檢測與處理：有些屬性因表示比例或編碼不同，會導(dǎo)致屬性不同。29.正確答案:D30.正確答案:錯誤31.正確答案:指數(shù)據(jù)庫中包含的一些與數(shù)據(jù)的一般行為或模型不一致的異常數(shù)據(jù)。32.正確答案:從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。33.正確答案:數(shù)據(jù)清洗，數(shù)據(jù)集成（考慮數(shù)據(jù)一致性和冗余），數(shù)據(jù)選擇，數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)挖掘，模式評估，知識表示。34.正確答案:D35.正確答案:B36.正確答案:分類決策37.正確答案:A38.正確答案:數(shù)據(jù)倉庫與數(shù)據(jù)挖掘都是決策支持新技術(shù)。但它們有著完全不同的輔助決策方式。在數(shù)據(jù)倉庫系統(tǒng)的前端的分析工具中，數(shù)據(jù)挖掘是其中重要工具之一。它可以幫助決策用戶挖掘數(shù)據(jù)倉庫的數(shù)據(jù)中隱含的規(guī)律性。39.正確答案:統(tǒng)計學(xué)；數(shù)據(jù)路技術(shù)；機器學(xué)習(xí)40.正確答案:錯誤41.正確答案:A42.正確答案:一些與數(shù)據(jù)的一般行為或模型不一致的孤立數(shù)據(jù)43.正確答案:錯誤44.正確答案: 1，忽略元組。當類標號缺少是通常這么做，當每個屬性缺省值的百分比變化很大時，他的效果非常差。 2，人工填寫空缺值。這種方法工作量大，可行性低。 3，使用一個全局變量填充空缺值。 4，使用屬性的平均值填充空缺值。 5，使用與給定元組屬同一類的所有樣本的平均值。 6，使用最可能的值填充空缺值。45.正確答案:記錄數(shù)據(jù)，基于圖形的數(shù)據(jù)和有序的數(shù)據(jù)集46.正確答案:SQL命令（如Insert或Update） 由DW供應(yīng)商或第三方提供專門的加載工具 由DW管理員編寫自定義程序47.正確答案:正確48.正確答案: E.TL用來描述將數(shù)據(jù)從來源端經(jīng)過抽?。╡xtract）、轉(zhuǎn)換（transform）、加載（load）至目的端的過程。ETL一詞較常用在數(shù)據(jù)倉庫，但其對象并不限于數(shù)據(jù)倉庫。 E.TL是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗，最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。49.正確答案:時間50.正確答案:51.正確答案: 1，數(shù)據(jù)倉庫的時間范圍比操作數(shù)據(jù)庫系統(tǒng)要長的多。操作數(shù)據(jù)庫系統(tǒng)主要保存當前數(shù)據(jù)，而數(shù)據(jù)倉庫從歷史的角度提供信息。 2，數(shù)據(jù)倉庫中的每一個關(guān)鍵結(jié)構(gòu)都隱式或顯式的包含時間元素，而操作數(shù)據(jù)庫中的關(guān)鍵結(jié)構(gòu)可能就不包含時間元素。52.正確答案:（1）保持方法：以無放回抽樣方式把數(shù)據(jù)集分為兩個相互獨立的子集，訓(xùn)練集（2/3）和測試集（1/3）； （2）隨機子抽樣：保持方法的多次迭代； （3）k-折交叉驗證。53.正確答案: 統(tǒng)計學(xué)主要是對數(shù)量數(shù)據(jù)（數(shù)值）或連續(xù)值數(shù)據(jù)（如年齡、工資等），進行數(shù)值計算（如初等運算）的定量分析，得到數(shù)量信息。 數(shù)據(jù)挖掘主要對離散數(shù)據(jù)（如職稱、病癥等）進行定性分析（覆蓋、歸納等），得到規(guī)則知識。 統(tǒng)計學(xué)與數(shù)據(jù)挖掘是有區(qū)別的。但是，它們之間是相互補充的。54.正確答案: 元數(shù)據(jù)能支持系統(tǒng)對數(shù)據(jù)的管理和維護，如關(guān)于數(shù)據(jù)項存儲方法的元數(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。55.正確答案:D56.正確答案:提高57.正確答案:58.正確答案:C59.正確答案:在線分析處理60.正確答案:包含項集的事務(wù)數(shù)61.正確答案: 可以使用一下幾個思路來提升Apriori算法：減少對數(shù)據(jù)的掃描次數(shù)；縮小產(chǎn)生的候選項集；改進對候選項集的支持度計算方法。 常見方法包括： 1，基于hash表的項集計數(shù)； 2，事務(wù)壓縮； 3，劃分； 4，選樣； 5，動態(tài)項集計數(shù)。62.正確答案:正確63.正確答案:面對高維，復(fù)雜，異構(gòu)的海量數(shù)據(jù)，如何集中獲取有用的信息和知識。64.正確答案:因為對于多個異種信息源的集成慢查詢驅(qū)動方法需要負責的信息過濾盒集成處理，并且與局部數(shù)據(jù)源上的處理競爭資源，是一種低效的方法，并且對于頻繁的查詢，特別是需要聚集操作的查詢，開銷很大，而更新驅(qū)動方法為集成的異種數(shù)據(jù)庫系統(tǒng)帶來了高性能，因為數(shù)據(jù)被處理和重新組織到一個語義一致的數(shù)據(jù)存儲中，進行查詢的同時并不影響局部數(shù)據(jù)源上進行的處理。此外，數(shù)據(jù)倉庫存儲并集成歷史信息，支持復(fù)雜的多維查詢。65.正確答案:指滿足最小支持度的項集，是挖掘關(guān)聯(lián)規(guī)則的基本條件之一。66.正確答案: 數(shù)據(jù)的ETL過程就是負責將操作型數(shù)據(jù)轉(zhuǎn)換成調(diào)和數(shù)據(jù)的過程。數(shù)據(jù)調(diào)和是構(gòu)建一個數(shù)據(jù)倉庫中最難的和最具技術(shù)挑戰(zhàn)性的部分。在為企業(yè)級數(shù)據(jù)倉庫填充數(shù)據(jù)的過程中，數(shù)據(jù)調(diào)和可分為兩個階段：一是企業(yè)級數(shù)據(jù)倉庫（EDW）首次創(chuàng)建時的原始加載；二是接下來的定期修改，以保持EDW的當前有效性和擴展性。 整個過程由四個步驟組成：抽取、清洗、轉(zhuǎn)換、加載和索引。事實上，這些步驟可以進行不同的組合，如，可以將數(shù)據(jù)抽取與清洗組合為一個過程，或者將清洗和轉(zhuǎn)換組合在一起。67.正確答案:A,C,D68.正確答案:連接；剪枝69.正確答案:（a）已知數(shù)據(jù)元組中age的值如下（按遞增序）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70，且箱的深度為3，劃分為（等頻）箱： （b）對于數(shù)據(jù)平滑，其它方法有： （1）回歸：可以用一個函數(shù)（如回歸函數(shù)）擬合數(shù)據(jù)來光滑數(shù)據(jù)； （2）聚類：可以通過聚類檢測離群點，將類似的值組織成群或簇。直觀地，落在簇集合之外的值視為離群點。70.正確答案:B71.正確答案:1）可伸縮性 2）處理不同類型屬性的能力 3）發(fā)現(xiàn)任意形狀的聚類 4）用于決定輸入?yún)?shù)的領(lǐng)域知識最小化 5）處理噪聲數(shù)據(jù)的能力 6）對輸入記錄的順序不敏感 7）高維度 8）基于約束的聚類 9）可解釋性和可用性72.正確答案:布爾關(guān)聯(lián)規(guī)則；量化關(guān)聯(lián)規(guī)則73.正確答案: 基于劃分的聚類方法：給頂一個n個對象或元組的數(shù)據(jù)庫，一個劃分方法構(gòu)建數(shù)據(jù)的k個劃分，每個劃分表示一個簇，丙炔k《=n。劃分方法要求每個組至少包含一個對象并且每個對象屬于且僅數(shù)以一個組。聚類目標可以是最優(yōu)化某種量度，比如最小化數(shù)據(jù)點與類中心的距離平方和等。 劃分準則是同一個聚類中的對象盡可能的接近或相關(guān)，不同聚類中的對象盡可能的遠離或不同。74.正確答案:A,B75.正確答案:分箱、直方圖分析，聚類分析，基于熵的離散化和通過自然劃分分段。76.正確答案:自上向下視圖；數(shù)據(jù)源視圖；數(shù)據(jù)倉庫視圖；商務(wù)查詢視圖77.正確答案:（a）已知最大值為70，最小值為13，則可將35規(guī)范化為： （b）已知均值為30，標準差為12.94，則可將35規(guī)范化為： （c）使用小數(shù)定標規(guī)范化可將35規(guī)范化為：35/100=0.3578.正確答案:A79.正確答案:C80.正確答案: 粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細化或綜合程度的級別。 粒度影響存放在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同時影響數(shù)據(jù)倉庫所能回答查詢問題的細節(jié)程度。 按粒度組織數(shù)據(jù)的方式主要有： ①簡單堆積結(jié)構(gòu) ②輪轉(zhuǎn)綜合結(jié)構(gòu) ③簡單直接結(jié)構(gòu) ④連續(xù)結(jié)構(gòu)81.正確答案:事務(wù)事實82.正確答案:企業(yè)級83.正確答案: MOLAP是事先生成多維立方體，供以后查詢分析用，而ROLAP是通過動態(tài)的生成Sql，去做查詢關(guān)系型數(shù)據(jù)庫，如果沒有做性能優(yōu)化，數(shù)據(jù)量很大的時候，性能問題就會顯得比較突出了。 84.正確答案:數(shù)據(jù)清理；數(shù)據(jù)集成；數(shù)據(jù)變換；數(shù)據(jù)規(guī)約85.正