數據挖掘智慧樹知到課后章節(jié)答案2023年下山東科技大學

數據挖掘智慧樹知到課后章節(jié)答案2023年下山東科技大學山東科技大學

第一章測試

什么是KDD？

A:D.動態(tài)知識發(fā)現B:C.文檔知識發(fā)現C:A.數據挖掘與知識發(fā)現D:B.領域知識發(fā)現

答案:A.數據挖掘與知識發(fā)現

數據挖掘的主要任務是從數據中發(fā)現潛在的規(guī)則，從而能更好的完成描述數據、預測數據等任務。

A:對B:錯

答案:對

數據挖掘的預測建模任務主要包括哪幾大類問題？

A:模式匹配B:分類C:模式發(fā)現D:回歸

答案:分類;回歸

以下哪些學科和數據挖掘有密切聯(lián)系？

A:人工智能B:計算機組成原理C:礦產挖掘D:統(tǒng)計

答案:人工智能;統(tǒng)計

離群點可以是合法的數據對象或者值。

A:錯B:對

答案:對

第二章測試

下面哪個屬于定量的屬性類型：

A:序數B:區(qū)間C:標稱D:相異

答案:區(qū)間

只有非零值才重要的二元屬性被稱作：

A:離散屬性B:對稱屬性C:計數屬性D:非對稱的二元屬性

答案:非對稱的二元屬性

定量屬性可以是整數值或者是連續(xù)值。

A:對B:錯

答案:對

中心趨勢度量模（mode）是指

A:算術平均值B:最小值C:數據集中出現頻率最高的值D:最大值

答案:數據集中出現頻率最高的值

以下哪些是屬于中心趨勢的度量

A:平均值B:標準差C:中位數D:五數概括

答案:平均值;中位數

第三章測試

數據清洗的方法不包括

A:重復數據記錄處理B:一致性檢查C:缺失值處理D:噪聲數據清除

答案:重復數據記錄處理

對數據進行數據清理、集成、變換、規(guī)約是數據挖掘哪個步驟的任務？

A:頻繁模式挖掘

B:噪聲檢測

C:數據預處理

D:分類和預測

答案:數據預處理

以下哪項不屬于數據規(guī)約的方法?

A:數據遷移B:維規(guī)約C:數值規(guī)約D:數據壓縮

答案:數據遷移

大數據預處理的方法不包含以下哪個選項?

A:數據變換B:數據清洗C:數據規(guī)約

D:數據采集

答案:數據采集

在噪聲數據中，波動數據比離群點數據偏離整體水平更大。

A:錯B:對

答案:錯

第四章測試

某超市研究銷售紀錄數據后發(fā)現，買啤酒的人很大概率也會購買尿布，這種屬于數據挖掘的哪類問題？

A:關聯(lián)規(guī)則發(fā)現B:自然語言處理C:分類D:聚類

答案:關聯(lián)規(guī)則發(fā)現

關聯(lián)規(guī)則挖掘過程是發(fā)現滿足最小支持度的所有項集代表的規(guī)則。

A:錯B:對

答案:錯

具有較高的支持度的項集具有較高的置信度。

A:錯B:對

答案:錯

給定關聯(lián)規(guī)則A→B，意味著：若A發(fā)生，B也會發(fā)生。

A:錯B:對

答案:錯

啤酒與尿布的故事是聚類分析的典型實例。

A:錯B:對

答案:錯

第五章測試

分類和回歸都可用于預測，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數值。

A:對B:錯

答案:對

決策樹方法通常用于關聯(lián)規(guī)則挖掘。

A:錯B:對

答案:錯

在決策樹中，隨著樹中結點數變得太大，即使模型的訓練誤差還在繼續(xù)減低，但是檢驗誤差開始增大，這是出現了模型擬合不足的問題。

A:錯B:對

答案:錯

對于SVM分類算法，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果沒有影響。

A:對B:錯

答案:對

下面哪種分類方法是屬于統(tǒng)計學的分類方法？

A:

后向傳播分類B:

判定樹歸納C:

基于案例的推理D:

貝葉斯分類

答案:

貝葉斯分類

第六章測試

基于劃分方法的聚類都是基于距離來判斷數據對象相似度的

A:對B:錯

答案:對

K-Means聚類過程中計算出的“質心”點是虛擬的。

A:錯B:對

答案:對

DBSCAN聚類和K-Medians聚類都需要預先指定聚類的簇的數目

A:對B:錯

答案:錯

下列屬于層次聚類方法的是

A:AGNESB:DBSCANC:DIANAD:K-Means

答案:AGNES;DIANA

衡量離群點的離群因子，計算的是

A:簇間距離B:平均絕對偏差C:簇間距離的加權平均值D:輪廓系數

答案:簇間距離的加權平均值

第七章測試

神經元節(jié)點計算什么（）

A:神經元節(jié)點計算函數g，函數g計算(Wx+b)B:神經元節(jié)點先計算線性函數（z=Wx+b），再計算激活C:在將輸出應用于激活函數之前，神經元節(jié)點計算所有特征的平均值D:神經元節(jié)點先計算激活函數，再計算線性函數(z=Wx+b)

答案:神經元節(jié)點先計算線性函數（z=Wx+b），再計算激活

在一個神經網絡里，知道每一個神經元的權重和偏差是最重要的一步。如果以某種方法知道了神經元準確的權重和偏差，你就可以近似任何函數。實現這個最佳的辦法是什么？

A:賦予一個初始值，通過檢查跟最佳值的差值，然后迭代更新權重B:隨機賦值，祈禱它們是正確的C:搜索所有權重和偏差的組合，直到得到最佳值D:都不正確

答案:賦予一個初始值，通過檢查跟最佳值的差值，然后迭代更新權重

梯度下降算法的正確步驟是什么？1.計算預測值和真實值之間的誤差

2.迭代跟新，直到找到最佳權重3.把輸入傳入網絡，得到輸出值4.初始化隨機權重和偏差5.對每一個產生誤差的神經元，改變相應的（權重）值以減小誤差

A:4,3,1,5,2

B:5,4,3,2,1

C:3,2,1,5,4

D:1,2,3,4,5

答案:4,3,1,5,2

以下什么情況下神經網絡模型被稱為深度學習模型？

A:都不正