數(shù)據(jù)挖掘智慧樹知到期末考試答案章節(jié)答案2024年青島大學

數(shù)據(jù)挖掘智慧樹知到期末考試答案+章節(jié)答案2024年青島大學k-means算法對同一個數(shù)據(jù)集，如果初始中心選擇不同，其聚類結(jié)果也可能不一樣。（）

答案:對一個頻繁閉合項目集的所有閉合子集一定是頻繁的。（）

答案:對FP-Growth算法將提供頻繁項集的數(shù)據(jù)集壓縮到一棵頻繁模式樹上，但仍保留項集的關聯(lián)信息，通過不斷地迭代FP-tree的構(gòu)造和投影過程來發(fā)現(xiàn)頻繁模式。（）

答案:對即使是同一個數(shù)據(jù)集，如果k選擇不同，k-means算法聚類結(jié)果可能完全不一樣。（）

答案:對給定全局項集I和交易數(shù)據(jù)集D，對于I的非空項集I1，若其支持度小于或等于最小支持度閾值，則稱I1為頻繁項集。（）

答案:錯密度聚類算法中，若Y為噪聲點，則只要讓ε足夠大，或適當減小MinPts，就可以使Y不再是噪聲點。（）

答案:對聚類發(fā)現(xiàn)的離群點一定沒有用處。（）

答案:錯聚類分析是有監(jiān)督的學習過程。（）

答案:錯所謂閉項集，就是指一個項集X，它所有超集的支持度計數(shù)都小于它本身的支持度計數(shù)。（）

答案:對噪聲和離群點給聚類過程帶來的影響之一，是會產(chǎn)生空簇。（）

答案:對AprioriSome算法可以看作是AprioriAll算法的改進，具體過程分為兩個階段：（）。

答案:前推階段###回溯階段數(shù)據(jù)不一致性的成因：（）。

答案:不同的數(shù)據(jù)源###違反了函數(shù)依賴性CF樹存儲了層次聚類的簇的特征，有三個參數(shù)：（）。

答案:枝平衡因子β###葉平衡因子λ###空間閾值τ數(shù)據(jù)預處理（DataPreprocessing）是指：為達到挖掘算法進行知識獲取研究所要求的最低規(guī)范和標準，在對數(shù)據(jù)進行數(shù)據(jù)挖掘的主要處理以前，先對原始數(shù)據(jù)進行必要的一系列的處理工作，具體包括（）。

答案:離散###集成###歸約###清理###轉(zhuǎn)換經(jīng)典的規(guī)則歸納算法有（）。

答案:FOIL###AQ###CN2KDD是一個多步驟的處理過程，一般分為哪些階段（）。

答案:數(shù)據(jù)抽取###數(shù)據(jù)預處理###模式評估###問題定義###數(shù)據(jù)挖掘PAM算法的優(yōu)點為（）。

答案:消除了k-平均算法對于孤立點的敏感性，方法更加健壯。###對小的數(shù)據(jù)集非常有效GSP算法中產(chǎn)生候選序列模式主要分兩步（）。

答案:連接階段###剪枝階段統(tǒng)計學中常用的預測方法是（）。

答案:回歸聚類特征CF有個特性，即可以（）。

答案:求和BIRCH算法的核心（）。

答案:聚類特征k-means算法中，簇中心不再發(fā)生變化就等價于簇內(nèi)差異函數(shù)w(C)的值達到（）。

答案:最小下列哪個算法屬于基于劃分的聚類算法？（）。

答案:K-means大數(shù)據(jù)的特征有（）。

答案:Variety###Volume###Value###Velocity數(shù)據(jù)挖掘是在沒有明確假設的前提下去挖掘信息、發(fā)現(xiàn)知識。（）

答案:對同時滿足最小支持度閾值和最小置信度閾值的關聯(lián)規(guī)則稱為強關聯(lián)規(guī)則，是有意義有價值的。（）

答案:對AGNES算法僅可用于規(guī)模相對較小的數(shù)據(jù)集。（）

答案:對CF樹是一棵高度平衡樹，用來存儲層次聚類的聚類特征。（）

答案:對凝聚的層次聚類算法是一種自底向上的策略，初始時先將每個對象作為一個簇，然后合并這些原子簇為越來越大的簇，直到某個終結(jié)條件被滿足。（）

答案:對學習階段的任務是挖掘分類規(guī)則。（）

答案:對k-prototype算法可以對離散與數(shù)值屬性兩種混合的數(shù)據(jù)進行聚類。（）

答案:對可以把數(shù)據(jù)分析分為以下4個層次：數(shù)據(jù)統(tǒng)計，OLAP，數(shù)據(jù)挖掘，大數(shù)據(jù)。（）

答案:對DBSCAN算法對噪聲和離群點非常敏感。（）

答案:對數(shù)據(jù)挖掘?qū)崿F(xiàn)了用其他方法不可能實現(xiàn)的方法來發(fā)現(xiàn)信息，但它必須受到規(guī)范，應當在適當?shù)恼f明下使用。（）

答案:對CF樹的構(gòu)造過程實際上是一個數(shù)據(jù)對象的插入過程。（）

答案:對k-modes算法實現(xiàn)了對離散數(shù)據(jù)的快速聚類。（）

答案:對DBSCAN算法是一種部分聚類算法，即聚類中所有簇的并集不一定能覆蓋數(shù)據(jù)集的全部。（）

答案:對分裂的層次聚類算法采用自頂向下的策略，它首先將所有對象置于一個簇中，然后逐漸細分為越來越小的簇，直到達到了某個終結(jié)條件。（）

答案:對分類屬于一種無指導的學習方法。（）

答案:錯數(shù)據(jù)挖掘的對象可以是任何類型的數(shù)據(jù)源。（）

答案:對數(shù)據(jù)挖掘是一種決策支持過程。（）

答案:對OLAP就是數(shù)據(jù)挖掘。（）

答案:錯數(shù)據(jù)挖掘技術可以應用于大數(shù)據(jù)分析。（）

答案:對數(shù)據(jù)挖掘的任務有關聯(lián)分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等。（）

答案:對基本的Apriori算法產(chǎn)生頻繁項集的過程主要分為（）。

答案:連接步###剪枝步KNN算法的優(yōu)缺點（）。

答案:KNN對于樣本不均衡的數(shù)據(jù)效果不好，需要進行改進###K值的選取非常重要###KNN算法是最簡單有效的分類算法，且容易實現(xiàn)###KNN對于隨機分布的數(shù)據(jù)集分類效果較差，對于類內(nèi)間距小，類間間距大的數(shù)據(jù)集分類效果好，而且對于邊界不規(guī)則的數(shù)據(jù)效果較好。數(shù)據(jù)歸約的策略有（）。

答案:數(shù)據(jù)壓縮###數(shù)據(jù)立方體聚集###維歸約###數(shù)值歸約多維數(shù)據(jù)模型最典型的數(shù)據(jù)模式包括（）。

答案:星型模式###事實星座模式###雪花模式從宏觀上看，數(shù)據(jù)挖掘過程主要由三個部分組成，即（）。

答案:數(shù)據(jù)挖掘###數(shù)據(jù)整理###結(jié)果的解釋評估k-means的改進算法在使用時，還存在如下問題：（）

答案:k-prototype中權重a的確立###k條初始記錄的選取###K值的確立壓縮算法分為（）。

答案:有損壓縮###無損壓縮關聯(lián)規(guī)則挖掘算法有（）。

答案:Close###FP-Growth###Apriori規(guī)范化常用的方法有（）。

答案:z-score規(guī)范化###最小-最大規(guī)范化###小數(shù)定標規(guī)范化為了提高Apriori算法的效率，研究人員們提出了一系列的改進算法，這些算法中主要采用的改進方法有：（）。

答案:采樣###使用分割技術###動態(tài)項集計數(shù)###基于Hash的項集計數(shù)###減少交易記錄存放數(shù)據(jù)歸約表示的無參方法包括（）。

答案:聚類###直方圖###取樣決策樹分類模型的建立通常分為哪些步驟（）。

答案:決策樹修剪###決策樹生成分類器的構(gòu)造方法有（）。

答案:神經(jīng)網(wǎng)絡方法###機器學習方法###粗糙集###統(tǒng)計方法BIRCH算法的主要優(yōu)點有（）。

答案:可以識別噪音數(shù)據(jù)###聚類速度快###節(jié)約內(nèi)存決策樹的剪枝策略有：（）。

答案:后剪枝###預先剪枝BIRCH算法的主要缺點有（）。

答案:BIRCH算法在整個過程中一旦中斷，一切必須從頭再來###聚類的結(jié)果可能和真實的類別分布不同###對高維特征的數(shù)據(jù)聚類效果不好貝葉斯分類方法都有：（）。

答案:NBC###BAN###GBN###TAN時間序列合適的建模方法有：（）。

答案:一元時間序列###序列的分布規(guī)律###離散型時間序列###連續(xù)型時間序列###多元時間序列下列哪個算法不屬于基于劃分的聚類算法？（）。

答案:Agnes###BIRCH###CUREk-means算法中，每個簇由（）

答案:簇的中心點來表示下列哪個算法屬于密度聚類算法？（）。

答案:DBSCAN下列哪個算法屬于K中心點算法？（）。

答案:PAMk-means算法在實際計算中可能會出現(xiàn)空簇的主要原因是（）。

答案:存在離群點關聯(lián)規(guī)則挖掘算法最為著名的是Agrawal等人提出的：（）

答案:Apriori人臉識別中的主要技術就是來自于數(shù)據(jù)挖掘中的（）。

答案:分類算法如果某天共有1000個顧客到商場購買物品，其中有100個顧客同時購買了鐵錘和鐵釘，那么上述的關聯(lián)規(guī)則的支持度就是（）

答案:10％如果購買鐵錘的顧客中有70％的人購買了鐵釘,那么置信度是（）。

答案:70％FPGrowth的算法只進行幾次數(shù)據(jù)集掃描，就可以找出所有的頻繁項集。（）。

答案:2BIRCH算法中使用什么結(jié)構(gòu)來幫助我們快速的聚類，（）。

答案:樹型結(jié)構(gòu)數(shù)據(jù)挖掘是面向應用的。（）

答案:對數(shù)據(jù)挖掘就是從數(shù)據(jù)集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。（）

答案:對數(shù)據(jù)挖掘所得到的信息應具有先知，有效和實用三個特征。（）

答案:對序列模式挖掘經(jīng)典算法有：（）。

答案:PrefixSpan###AprioriSome###GSP###AprioriAllAprioriSome算法的優(yōu)缺點（）。

答案:AprioriSome跳躍式計算候選，會在某種程度上減少遍歷數(shù)據(jù)集次數(shù)###對于較低的支持度，數(shù)據(jù)集中有較長的大序列的情況下，采用AprioriSome比較好。###AprioriSome會產(chǎn)生比較多的候選，可能在回溯階段前就占滿內(nèi)存。AprioriAll算法存在的問題（）。

答案:在轉(zhuǎn)換階段產(chǎn)生巨大的開銷###很難找到長序列模式###需要對數(shù)據(jù)庫進行多次掃描###容易生成大量的候選項集GSP算法存在的問題（）。

答案:需要對序列數(shù)據(jù)集進行多次掃描###當序列數(shù)據(jù)集比較大時，容易生成龐大的候選序列###對長序列模式的處理效率比較低（）是對關聯(lián)規(guī)則重要性的衡量，反映關聯(lián)是否是普遍存在的規(guī)律。（）

答案:支持度關聯(lián)規(guī)則挖掘最為著名的是Agrawal等人提出的（）及其改進算法。（）

答案:Apriori給定全局項集I和交易數(shù)據(jù)集D，對于I的非空項集I1，若其支持度（）最小支持度閾值min_sup，則稱I1為頻繁項集。（）

答案:大于或等于（）是對關聯(lián)規(guī)則準確度的衡量，度量關聯(lián)規(guī)則的強度。（）

答案:置信度樸素貝葉斯分類器對（）數(shù)據(jù)具有較好的分類效果（）。

答案:完全獨立的數(shù)據(jù)###函數(shù)依賴的數(shù)據(jù)下列哪些是決策樹分類算法？（）。

答案:C4.5###CART###ID3下列哪些是分類算法？（）。

答案:ID3###KNN###C4.5分類分析的兩個階段分別為：（）。

答案:分類階段###學習階段下列哪個選項不是DBSCAN算法的缺點？（）。

答案:能夠識別出噪聲點下列哪個算法屬于層次聚類算法？（）。

答案:DIANA聚類分析中，通常使用（）來衡量兩個對象之間的相異度。（）。

答案:距離下列哪個算法不屬于層次聚類算法？（）。

答案:K-means處理空缺值的主要方法有（）。

答案:使用與給定元組屬同一類的所有樣本的平均值。###使用一個全局常量填補空缺值###使用屬性的平均值填補空缺值。###忽略元組常用的數(shù)據(jù)轉(zhuǎn)換方法有（）。

答案:聚集###數(shù)據(jù)概化###屬性構(gòu)造###平滑不完整數(shù)據(jù)的成因有（）。

答案:數(shù)據(jù)收集時和數(shù)據(jù)分析時的不同考慮因素###數(shù)據(jù)收集的時候就缺乏合適的值###人為/硬件/軟件問題數(shù)據(jù)集成時需解決的三個基本問題為（）。

答案:冗余問題###模式集成的過程中涉及到的實體識別問題###數(shù)據(jù)集成過程中數(shù)值沖突的檢測與處理給定一個數(shù)值屬性，怎樣才能平滑數(shù)據(jù)，去掉噪聲？（）。

答案:分箱（binning）###計算機和人工檢查結(jié)合###聚類###回歸