【MOOC】《數據倉庫與數據挖掘》(北京理工大學)章節(jié)作業(yè)中國大學慕課答案

【MOOC】《數據倉庫與數據挖掘》(北京理工大學)章節(jié)作業(yè)中國大學慕課答案

有些題目順序不一致，下載后按鍵盤ctrl+F進行搜索1IntroductionTest11.單選題：當不知道數據所帶標簽時，可以使用哪種技術促使帶同類標簽的數據與帶其他標簽的數據相分離？

選項：

A、分類

B、聚類

C、關聯分析

D、異常檢測

答案：【聚類】2.單選題：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？

選項：

A、關聯規(guī)則發(fā)現

B、聚類

C、分類

D、自然語言處理

答案：【關聯規(guī)則發(fā)現】3.單選題：判斷以下行為是否屬于數據挖掘任務：預測擲骰子的結果

選項：

A、正確

B、錯誤

答案：【錯誤】4.單選題：判斷以下行為是否屬于數據挖掘任務：提取聲波的頻率

選項：

A、正確

B、錯誤

答案：【錯誤】5.單選題：判斷以下行為是否屬于數據挖掘任務：監(jiān)測患者的心率是否異常

選項：

A、正確

B、錯誤

答案：【正確】6.單選題：判斷以下行為是否屬于數據挖掘任務：根據顧客的購物記錄預測顧客感興趣的商品

選項：

A、正確

B、錯誤

答案：【正確】7.單選題：判斷以下行為是否屬于數據挖掘任務：根據顧客的職業(yè)將顧客進行分組

選項：

A、正確

B、錯誤

答案：【錯誤】8.數據挖掘任務主要包括描述性和______任務

答案：【預測性】9.從數據倉庫的角度可以將數據挖掘過程劃分為數據清理、數據集成、數據選擇與變換、數據挖掘及_______等階段。

答案：【知識評估】10.數據挖掘是從大量數據中挖掘重要、隱含的、以前未知、______的模式或知識。

答案：【潛在有用】2DataTest21.單選題：下面不屬于數據集特征的是（）

選項：

A、連續(xù)性

B、維度

C、稀疏性

D、分辨率

答案：【連續(xù)性】2.單選題：屬性Hair_color={auburn,black,blond,brown,grey,red,white}，該屬性屬于（）類型

選項：

A、標稱

B、二分

C、序數

D、數值

答案：【標稱】3.單選題：假設屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內。對屬性income的73600元將被轉化為：（）

選項：

A、0.821

B、1.224

C、1.458

D、0.716

答案：【0.716】4.單選題：一所大學內的各年紀人數分別為：一年級200人，二年級160人，三年級130人，四年級110人。則年級屬性的眾數是：（）

選項：

A、一年級

B、二年級

C、三年級

D、四年級

答案：【一年級】5.單選題：age值（以遞增序）為：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70。使用z-score規(guī)范化將age值35變換到[0.0，1.0]區(qū)間，變換后的值為（）

選項：

A、0.4

B、0.1

C、0.9

D、0.3

答案：【0.4】6.兩個向量d1=(1，1，2，1，1，1，0，0，0)d2=(1,1,1,0,1,1,1,1,1)的余弦相似度為（）

答案：【[0.8,0.83]】7.數據集的屬性可以劃分為____和連續(xù)型兩種。

答案：【離散型】8.考慮值集{12243324556826}，其四分位數極差是：___

答案：【31】9.定用于分析的數據包含屬性age。age值（以遞增序）為：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70。則數據的第一個四分位數的值為__，第三個四分位數的值為35

答案：【20】10.一個數據集的分布的五數概括由最小值、第一個四分位數、_______、第三個四分位數、和最大值構成。

答案：【中位數】3DataPreprocessingTest31.單選題：假定用于分析的數據包含屬性age。數據元組中age的值如下（按遞增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70,問題：使用按箱平均值平滑方法對上述數據進行平滑，箱的深度為3。第二個箱子值為：（）

選項：

A、18.3

B、22.6

C、26.8

D、27.9

答案：【18.3】2.單選題：以下哪種方法不是常用的數據約減方法（）

選項：

A、抽樣

B、回歸

C、聚類

D、關聯規(guī)則挖掘

答案：【關聯規(guī)則挖掘】3.單選題：假設12個銷售價格記錄組已經排序如下：5,10,11,13,15,35,50,55,72,92,204,215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內？（）

選項：

A、第一個

B、第二個

C、第三個

D、第四個

答案：【第二個】4.單選題：特征提取技術并不依賴于特定的領域。

選項：

A、正確

B、錯誤

答案：【錯誤】5.單選題：離散屬性總是具有有限個值。

選項：

A、正確

B、錯誤

答案：【錯誤】6.單選題：主成分分析法是一種有參的數據約減方法

選項：

A、正確

B、錯誤

答案：【正確】7.單選題：可以將異常視為缺失值，利用缺失值處理的方法處理也可以用前后倆個觀測值的平均值修正該異常值

選項：

A、正確

B、錯誤

答案：【正確】8.單選題：通過數據集成可以維護數據源整體上的數據一致性

選項：

A、正確

B、錯誤

答案：【正確】9.單選題：通過離散化操作可以將連續(xù)屬性轉化為序數屬性

選項：

A、正確

B、錯誤

答案：【正確】10.單選題：可以通過創(chuàng)造新的屬性并加入到現有屬性集中實現更有效的挖掘

選項：

A、正確

B、錯誤

答案：【正確】4AssociationRuleMiningTest41.單選題：下面購物籃能夠提取的3-項集的最大數量是多少（）ID購買項1牛奶，啤酒，尿布2面包，黃油，牛奶3牛奶，尿布，餅干4面包，黃油，餅干5啤酒，餅干，尿布6牛奶，尿布，面包，黃油7面包，黃油，尿布8啤酒，尿布9牛奶，尿布，面包，黃油10啤酒，餅干

選項：

A、1

B、2

C、3

D、4

答案：【3】2.單選題：設X={1，2，3}是頻繁項集，則可由X產生（）個關聯規(guī)則。

選項：

A、4

B、5

C、6

D、7

答案：【6】3.單選題：考慮下面的頻繁3-項集的集合：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}假定數據集中只有5個項，采用合并策略，由候選產生過程得到4-項集不包含（）

選項：

A、1，2，3，4

B、1，2，3，5

C、1，2，4，5

D、1，3，4，5

答案：【1，2，4，5】4.多選題：下表是一個購物籃，假定支持度閾值為40%，其中（）是頻繁閉項集。TID項1abc2abcd3bce4acde5de

選項：

A、abc

B、ad

C、cd

D、de

答案：【abc;de】5.多選題：利用Apriori算法計算頻繁項集可以有效降低計算頻繁集的時間復雜度。在以下的購物籃中產生支持度不小于3的候選3-項集，在候選2-項集中需要剪枝的是（）ID購買項1面包、牛奶2面包、尿布、啤酒、雞蛋3牛奶、尿布、啤酒、可樂4面包、牛奶、尿布、啤酒5面包、牛奶、尿布、可樂

選項：

A、啤酒、尿布

B、啤酒、面包

C、面包、尿布

D、啤酒、牛奶

答案：【啤酒、面包;啤酒、牛奶】6.多選題：非頻繁模式（）

選項：

A、其支持度小于閾值

B、都是不讓人感興趣的

C、包含負模式和負相關模式

D、對異常數據項敏感

答案：【其支持度小于閾值;對異常數據項敏感】7.多選題：Apriori算法的計算復雜度受（）影響。

選項：

A、支持度閥值

B、項數（維度）

C、事務數

D、事務平均寬度

答案：【支持度閥值;項數（維度）;事務數;事務平均寬度】8.單選題：如果一個項集是頻繁的，那包含它的所有項集也是頻繁的。

選項：

A、正確

B、錯誤

答案：【錯誤】9.單選題：具有較高的支持度的項集具有較高的置信度。

選項：

A、正確

B、錯誤

答案：【錯誤】10.單選題：關聯規(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。

選項：

A、正確

B、錯誤

答案：【錯誤】5ClassificationTest51.單選題：以下哪些算法是基于規(guī)則的分類器（）

選項：

A、C4

B、KNN

C、NaiveBayes

D、ANN

答案：【C4】2.單選題：以下兩種描述分別對應哪兩種對分類算法的評價標準？（）(a)警察抓小偷，描述警察抓的人中有多少個是小偷的標準。(b)描述有多少比例的小偷給警察抓了的標準。

選項：

A、Precision,Recall

B、Recall,Precision

C、Precision,ROC

D、Recall,ROC

答案：【Precision,Recall】3.單選題：通過聚集多個分類器的預測來提高分類準確率的技術稱為（）

選項：

A、組合(ensemble)

B、聚集(aggregate)

C、合并(combination)

D、投票(voting)

答案：【組合(ensemble)】4.單選題：以下哪項關于決策樹的說法是錯誤的

選項：

A、冗余屬性不會對決策樹的準確率造成不利的影響

B、子樹可能在決策樹中重復多次

C、決策樹算法對于噪聲的干擾非常敏感

D、尋找最佳決策樹是NP完全問題

答案：【決策樹算法對于噪聲的干擾非常敏感】5.單選題：假定你現在訓練了一個線性SVM并推斷出這個模型出現了欠擬合現象。在下一次訓練時，應該采取下列什么措施？

選項：

A、增加數據點

B、減少數據點

C、增加特征

D、減少特征

答案：【增加特征】6.單選題：下面哪一項關于CART的說法是錯誤的

選項：

A、分類回歸樹CART是一種典型的二叉決策樹。

B、CART輸出變量只能是離散型

C、CART用“成本復雜性”標準（cost-complexitypruning）來剪枝。

D、CART使用的分裂準則是Gini系數

答案：【CART輸出變量只能是離散型】7.單選題：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。

選項：

A、正確

B、錯誤

答案：【錯誤】8.單選題：KNN算法是一種典型的消極學習器。

選項：

A、正確

B、錯誤

答案：【正確】9.單選題：FP表示被錯誤地劃分為負例的個數，即實際為正例但被分類器劃分為負例的實例數；

選項：

A、正確

B、錯誤

答案：【錯誤】10.單選題：KNN算法不僅可以用于分類，還可以用于回歸

選項：

A、正確

B、錯誤

答案：【正確】6ClusterAnalysisTest61.單選題：DBSCAN在最壞情況下的時間復雜度是（）

選項：

A、O(n)

B、O(n^2)

C、O(logn)

D、O(n*logn)

答案：【O(n^2)】2.單選題：（）將兩個簇的鄰近度定義為不同簇的所有點對的平均逐對鄰近度，它是一種凝聚層次聚類技術。

選項：

A、組平均

B、MIN（單鏈）

C、MAX（全鏈）

D、Ward方法

答案：【組平均】3.單選題：在基本K均值算法里，當鄰近度函數采用（）的時候，合適的質心是簇中各點的中位數。

選項：

A、曼哈頓距離

B、平方歐幾里德距離

C、余弦距離

D、Bregman散度

答案：【曼哈頓距離】4.單選題：簡單地將數據對象集劃分成不重疊的子集，使得每個數據對象恰在一個子集中，這種聚類類型稱作（）

選項：

A、層次聚類

B、劃分聚類

C、非互斥聚類

D、模糊聚類

答案：【劃分聚類】5.單選題：基于K-均值的聚類中可以使用肘線圖輔助確定k值

選項：

A、正確

B、錯誤

答案：【正確】6.單選題：聚類中，當對象o的輪廓系數值接近0時，意味著包含o的簇是緊湊的，并且o遠離其他簇

選項：

A、正確

B、錯誤

答案：【錯誤】7.單選題：聚類中把小簇劃分成更小簇比把大簇劃分為小簇的危害更大

選項：

A、正確

B、錯誤

答案：【正確】8.單選題：DBSCAN中密度相連關系滿足對稱性

選項：

A、正確

B、錯誤

答案：【正確】9.單選題：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。

選項：

A、正確

B、錯誤

答案：【錯誤】10.單選題：K均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不同形狀的簇

選項：

A、正確

B、錯誤

答案：【正確】7OutlierAnalysisTest71.單選題：以下不屬于異常的是（）

選項：

A、噪聲

B、全局離群點

C、情境離群點

D、群體異常

答案：【噪聲】2.單選題：以下（）屬于無參數的異常檢測方法

選項：

A、卡方檢驗

B、最大標準殘差檢驗Grubb’sTest

C、直方圖

D、3σ原則

答案：【直方圖】3.單選題：樣本p的局部異常因子值接近1，說明p與其鄰域點密度差不多，p可能和鄰域點屬于同一簇。

選項：

A、正確

B、錯誤

答案：【正確】4.單選題：異常檢測前不需要剔除噪聲點

選項：

A、正確

B、錯誤

答案：【錯誤】5.單選題：聚類中不屬于任何簇的數據對象可以被認為是異常點

選項：

A、正確

B、錯誤

答案：【正確】6.單選題：在異常檢測評價中，召回率比精度更重要

選項：

A、正確

B、錯誤

答案：【正確】7.單選題：局部異常因子計算中，將樣本的局部密度與其鄰居的局部密度進行比較，被密度明顯低于其鄰居的樣本被認為是異常點。

選項：

A、正確

B、錯誤

答案：【正確】8.單選題：樣本p的局部異常因子接近1意味樣本p為異常點的概率較高

選項：

A、正確

B、錯誤

答案：【錯誤】9.單選題：局部異常因子計算中，將樣本的局部密度與其鄰居的局部密度進行比較，被密度明顯低于其鄰居的樣本被認為是異常點。

選項：

A、正確

B、錯誤

答案：【正確】10.局部異常因子計算中，樣本p的第k鄰域內點到p的平均可達距離的倒數成為樣本p的________

答案：【局部可達密度】8DatavisualizationTest81.單選題：在圖的簡化中，通過()可減少點的數目

選項：

A、節(jié)點聚類

B、報表

C、圖合并

D、邊綁定

答案：【節(jié)點聚類】2.單選題：文本可視化將文本中蘊含的語義特征直觀展示出來。以下()不屬于文本可視化方式。

選項：

A、文本內容可視化

B、語義結構可視化

C、文本動態(tài)可視

D、時空數據可視化

答案：【時空數據可視化】3.單選題：面向應用場景的可視化交互式數據挖掘方法是以數據挖掘算法和模型為主，并不針對具體應用場景或數據類型

選項：

A、正確

B、錯誤

答案：【錯誤】4.單選題：數據挖掘和可視化都是知識提取的方式。

選項：

A、正確

B、錯誤

答案：【正確】5.單選題：主成分分析法（PCA）是一種有監(jiān)督的降維方法。

選項：

A、正確

B、錯誤

答案：【錯誤】6.單選題：數據的可視化是將數據以各種圖表的形式展現在用戶的面前，使用戶能觀察數據，并在較高的層次上找出數據間可能的關系

選項：

A、正確

B、錯誤

答案：【正確】7.單選題：報表和統(tǒng)計圖形是傳統(tǒng)的統(tǒng)計數據可視化方法。

選項：

A、正確

B、錯誤

答案：【正確】8.單選題：圖是一種數據結構，可以用鄰接矩陣表達。

選項：

A、正確

B、錯誤

答案：【正確】9.___是使用線性或非線性變換把高維數據投影到低維空間。常用的方法有主成分分析法、線性判別分析、多維定標等。

答案：【降維】10.將時間事件流與地圖進行融合,反映信息對象隨時間進展與空間位置所發(fā)生的行為變化，可以用______來表示。

答案：【流式地圖】9DatawarehouseTest91.單選題：將原始數據進行集成、變換、維度規(guī)約、數值規(guī)約是以下哪個步驟的任務？（）

選項：

A、數據流挖掘

B、數據預處理

C、分類和預測

D、數據加載

答案：【數據預處理】2.多選題：數據倉庫的數據ETL過程中，ETL軟件的主要功能包括（）

選項：

A、數據抽取

B、數據稽核

C、數據加載

D、數據轉換

答案：【數據抽取;數據加載;數據轉換】3.單選題：數據挖掘的主要任務是從數據中發(fā)現潛在規(guī)則，從而能更好的完成描述數據、預測數據的任務。

選項：

A、正確

B、錯誤

答案：【正確】4.數據整理的任務主要有：、數據質量評估與清洗、數據規(guī)范化、和數據的融合與摘取。

答案：【數據結構化處理】5.數據倉庫的數據模型分為概念模型、邏輯模型、三個層