当前位置：文档库 › 盐城数据挖掘考试-内部选拔考题及答案

盐城数据挖掘考试-内部选拔考题及答案

数据挖掘考试-内部选拔考题

一、单选题（每题0.5分，共30题）

1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)

A. 关联规则发现

B. 聚类

C. 分类

D. 自然语言处理

2. 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)

A. 频繁模式挖掘

B. 分类和预测

C. 数据预处理

D. 数据流挖掘

3. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)

A. 分类

B. 聚类

C. 关联分析

D. 隐马尔可夫链

4. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A）

A. 探索性数据分析

B. 建模描述

C. 预测建模

D. 寻找模式和规则

5.下面哪种不属于数据预处理的方法？(D)

A变量代换B离散化 C 聚集 D 估计遗漏值

6. 假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？(B)

A 第一个

B 第二个

C 第三个

D 第四个

7. 只有非零值才重要的二元属性被称作：( C )

A 计数属性

B 离散属性C非对称的二元属性 D 对称属性

8. 以下哪种方法不属于特征选择的标准方法：(D)

A嵌入 B 过滤 C 包装 D 抽样

9.下面不属于创建新属性的相关方法的是：(B)

A特征提取B特征修改C映射数据到新的空间D特征构造

10. 假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D)

A 0.821

B 1.224

C 1.458

D 0.716

11.假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。第二个箱子值为：(A)

A 18.3

B 22.6

C 26.8

D 27.9

12. 数据仓库是随着时间变化的,下面的描述不正确的是(C)

A. 数据仓库随时间的变化不断增加新的数据内容;

B. 捕捉到的新数据会覆盖原来的快照;

C. 数据仓库随事件变化不断删去旧的数据内容;

D. 数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合.

13. 关于基本数据的元数据是指: (D)

A. 基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息;

B. 基本元数据包括与企业相关的管理方面的数据和信息;

C. 基本元数据包括日志文件和简历执行处理的时序调度信息;

D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息.

14. 下面关于数据粒度的描述不正确的是: (C)

A. 粒度是指数据仓库小数据单元的详细程度和级别;

B. 数据越详细,粒度就越小,级别也就越高;

C. 数据综合度越高,粒度也就越大,级别也就越高;

D. 粒度的具体划分将直接影响数据仓库中的数据量以及查询质量.

15. 设X={1，2，3}是频繁项集，则可由X产生__(C)__个关联规则。

A、4

B、5

C、6

D、7

16. 概念分层图是__(B)__图。

A、无向无环

B、有向无环

C、有向有环

D、无向有环

17. 频繁项集、频繁闭项集、最大频繁项集之间的关系是：(C)

A、频繁项集频繁闭项集=最大频繁项集

B、频繁项集= 频繁闭项集最大频繁项集

C、频繁项集频繁闭项集最大频繁项集

D、频繁项集= 频繁闭项集= 最大频繁项集

18. 在图集合中发现一组公共子结构，这样的任务称为( B )

A、频繁子集挖掘

B、频繁子图挖掘

C、频繁数据项挖掘

D、频繁模式挖掘

19. 决策树中不包含一下哪种结点，A,根结点（root node) B,内部结点（internal node）C,外部结点（external node）D,叶结点（leaf node）(C）

20. 以下哪项关于决策树的说法是错误的(C)

A. 冗余属性不会对决策树的准确率造成不利的影响

B. 子树可能在决策树中重复多次

C. 决策树算法对于噪声的干扰非常敏感

D. 寻找最佳决策树是NP完全问题

21. 在基于规则分类器的中，依据规则质量的某种度量对规则排序，保证每一个测试记录都是由覆盖它的“最好的”规格来分类，这种方案称为(B)

A. 基于类的排序方案

B. 基于规则的排序方案

C. 基于度量的排序方案

D. 基于规格的排序方案。

22.在SQL Server数据库中，有一个产品表products,你想按照价格从小到大的顺序显示所有产品的名称(productname)和价格(price)，可以实现该功能的T-SQL语句是( A )。(选择一项)

(A) SELECT productname,price from products order by price ASC

(B) SELECT productname,price from products order by price DESC

(D) SELECT productname and price from products order by price DESC

23.你是公司的SQL server数据库管理员。你管理一个数据库，其中有一个产品表Products，记录公司的产品信息，你想删除过期的产品信息，应该用( D )语句。(选择一项)

(A)select (B)insert (C)update (D)delete

24.下列哪条语句可以完成删除数据库中某个视图的操作：（D ）

A．Delete * from view_Name

B．Delete from view _Name

C．Delete view Table_Name

D．Drop view Table_Name

25.下列哪条语句可以完成将表xjb中的数据按Class（班级）分组统计出各个班的总人数

显示出来：( B )

A．Select * from xjb group by class

B．Select Class ,总人数=count（Class）from xjb group by class

C．Select Class,总人数=count（Class）from xjb order by class

D．Select * from xjb Order by class

26.在SQL中，建立表用的命令是( B )。

A.CREATE SCHEMA

B.CREATE TABLE

C.CREATE VIEW

D.CREATE INDEX

27.下列四项中，不正确的提法是( C )。

A.SQL语言是关系数据库的国际标准语言

B.SQL语言具有数据定义、查询、操纵和控制功能

C.SQL语言可以自动实现关系数据库的规范化

D.SQL语言称为结构查询语言

28.在SQL语言中，建立存储过程的命令是( A )

A、CREATE PROCEDURE

B、CREATE RULE

C、CREATE DURE

D、CREATE FILE

29.数据库管理系统的英文缩写是（ A ）。

A．DBMS B．DBS C．DBA D．DB

30.向用户授予操作权限的SQL语句是（ D ）。

A．CTEATE B．REVOKE C．SELECT D．GRANT

二、多选题（每题1分，共20题）

1. 通过数据挖掘过程所推倒出的关系和摘要经常被称为：(A B)

A. 模型

B. 模式

C. 模范

D. 模具

2 寻找数据集中的关系是为了寻找精确、方便并且有价值地总结了数据的某一特征的表示，这个过程包括了以下哪些步骤？(A B C D)

A. 决定要使用的表示的特征和结构

B. 决定如何量化和比较不同表示拟合数据的好坏

C. 选择一个算法过程使评分函数最优

D. 决定用什么样的数据管理原则以高效地实现算法。

3. 数据挖掘算法的组件包括：(A B C D)

A. 模型或模型结构

B. 评分函数

C. 优化和搜索方法

D. 数据管理策略

4. 以下哪些学科和数据挖掘有密切联系？(A D)

A. 统计

B. 计算机组成原理

C. 矿产挖掘

D. 人工智能

5. 在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各种方法有：(ＡＢＣＤＥ)

A忽略元组C使用一个全局常量填充空缺值

B使用属性的平均值填充空缺值D使用与给定元组属同一类的所有样本的平均值E使用最可能的值填充空缺值

6. 对于数据挖掘中的原始数据，存在的问题有：(ＡＢＣＤＥ)

A 不一致B重复C不完整 D 含噪声E 维度高

7. 下面列出的条目中，哪些是数据仓库的基本特征：(ACD)

A. 数据仓库是面向主题的

B. 数据仓库的数据是集成的

C. 数据仓库的数据是相对稳定的

D. 数据仓库的数据是反映历史变化的

E. 数据仓库是面向事务的

8. 以下各项均是针对数据仓库的不同说法，你认为正确的有（BCDE ）。

A．数据仓库就是数据库

B．数据仓库是一切商业智能系统的基础

C．数据仓库是面向业务的，支持联机事务处理（OLTP）

D．数据仓库支持决策而非事务处理

E．数据仓库的主要目标就是帮助分析，做长期性的战略制定

9. 数据仓库在技术上的工作过程是：(ABCD)

A. 数据的抽取

B. 存储和管理

C. 数据的表现

D. 数据仓库设计

E. 数据的表现

10. 联机分析处理包括以下哪些基本分析功能？(BCD)

A. 聚类

B. 切片

C. 转轴

D. 切块

E. 分类

11. 利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（BD）

ID 项集

1 面包、牛奶

2 面包、尿布、啤酒、鸡蛋

3 牛奶、尿布、啤酒、可乐

4 面包、牛奶、尿布、啤酒

5 面包、牛奶、尿布、可乐

A、啤酒、尿布

B、啤酒、面包

C、面包、尿布

D、啤酒、牛奶

12. Apriori算法的计算复杂度受__(ABCD)?__影响。

A、支持度阀值

B、项数（维度）

C、事务数

D、事务平均宽度

13. 非频繁模式__(AD)__

A、其支持度小于阈值

B、都是不让人感兴趣的

C、包含负模式和负相关模式

D、对异常数据项敏感

14. 贝叶斯信念网络(BBN)有如下哪些特点，A,构造网络费时费力B,对模型的过分问题非常鲁棒C,贝叶斯网络不适合处理不完整的数据D,网络结构确定后，添加变量相当麻烦（AB）

15.在SQL Server数据库(排序规则为默认值)中，有一个产品表products，你想按照价格从小到大的顺序显示所以产品的名称(productname)和价格(price)，可以实现该功能的T-SQL语句是( AC )。(选择二项)

(A)SELECT productname,price from products order by price ASC

(B)SELECT productname,price from products order by price DESC

(C)SELECT productname,price from products order by price

(D)SELECT productname and price from products order by price DESC

16.数据定义类语言包括（AB ）

A．CREATE B.DROP C.INSERT D.GRANT

17.数据操作类语言包括（ABC ）

A.INSERT

B.UPDATE

C.DELETE

D.REVOKE

18.PEST分析法包括（ABCD）

A.政治

B.经济

C.社会

D.技术

19.5W2H分析法包括（ABCD ）

A.Why

B. What

C.Who

D.How

20.4P营销理论包括（ABCD）

A.产品

B.价格

C.渠道

D.促销

三、判断题（每题0.5分，共15分）

1. 数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述数据、预测数据等任务。(对)

2. 数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。（对）

3. 图挖掘技术在社会网络分析中扮演了重要的角色。（对）

4. 模式为对数据集的全局性总结，它对整个测量空间的每一点做出描述；模型则对变量变化空间的一个有限区域做出描述。（错）

5. 寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。（错）

6. 离群点可以是合法的数据对象或者值。（对）

7. 离散属性总是具有有限个值。（错）

8. 噪声和伪像是数据错误这一相同表述的两种叫法。（错）

9. 用于分类的离散化方法之间的根本区别在于是否使用类信息。（对）

10. 特征提取技术并不依赖于特定的领域。（错）

11. 定量属性可以是整数值或者是连续值。（对）

12．数据仓库系统的组成部分包括数据仓库，仓库管理，数据抽取，分析工具等四个部分. (错)

13. 关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。（错）

14. 如果规则不满足置信度阈值，则形如的规则一定也不满足置信度阈值，其中是X的子集。（对）

15. 具有较高的支持度的项集具有较高的置信度。（错）

16. 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。（错）

17. 分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。(对)

18. Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。(错)

19.'在那遥远的地方' 是SQL中的字符串常量吗？Y

20. SQL Server不允许字段名为汉字？N

21. 职称in ('教授', '副教授'')与职称= '教授' or 职称= '副教授' 等价吗？Y

22. 在表中创建一个标识列(IDENTITY)，当用户向表中插入新的数据行时，系统自动为该行标识列赋值吗？Y

23. 在事务中包含create database语句吗？N

24．连接、选择和投影三种关系运算具有相同的结果。N

25．数据的安全性主要防范的对象是合法用户。N

26. 恢复是利用冗余数据来重建数据库。Y

27．创建唯一性索引的列可以有一些重复的值？N

28．存储过程的输出结果可以传递给一个变量。Y

29．视图具有与表相同的功能，在视图上也可以创建触发器。N

30．SQL Server 2000不具有数据的导入与导出功能。N

四、填空题（每空0.5分，共20题）

1.噪声数据处理的方法主要有分箱、聚类和回归。

2.数值归约的常用方法有回归和对数线性模型、直方图、聚类、选样和对数模型

等。

3.评价关联规则的2个主要指标是支持度和置信度。

4.决策树是用属性作为结点，用属性的取值作为分支的树结构。

5.关联可分为简单关联、和。

6.数据挖掘的主要功能包括概念描述、挖掘频繁模式、分类和预测、聚

类分析、趋势分析、孤立点分析和偏差分析7个方面。

7.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合类型

等。

8.聚类分析中最常用的距离计算公式有、、等。

9.基于划分的聚类算法有K均值和K中心点。

10.数据定义语言（DDL）包括：__create_____、___drop____、___alter____、___truncate____、

_______。

11.数据操作语言（DML）包括：___insert____、___update____、__delete_____。

12.数据控制语言（DCL）包括：____grant___、__revoke_____、___create synonym____。

13.EXCEL中处理重复项共有四种方法：___countif函数____、__高级筛选_____、____

条件格式___、___去除重复项____。

五、简答题（每题4分，共16分）

1.名词解释：孤立点、频繁项集、支持度、可信度、关联规则

1.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。

2.频繁项集：指满足最小支持度的项集，是挖掘关联规则的基本条件之一。

3.支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率，即P(A

∪B)，是AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。

4.可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概率

P(B|A)，是AB同时发生的次数与A发生的所有次数之比。可信度是对关联规则的

准确度的衡量。

2.在数据挖掘之前为什么要对原始数据进行预处理？

原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。

为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。

3.简述处理空缺值的方法。

①忽略该记录；

②去掉属性；

③手工填写空缺值；

④使用默认值；

⑤使用属性平均值；

⑥使用同类样本平均值；

⑦预测最可能的值。

4.请说出常用的四种数据分析方法论

PEST分析法、5W2H分析法、逻辑树分析法、4P营销理论、用户行为理论

六、计算题（每题5分，共20分）

1、设某事务项集构成如下表，填空完成其中支持度和置信度的计算。

事务ID 项集L2 支持度% 规则置信度%

T1 A, D A,B 33.3 A→B50

T2 D, E A,C 33.3 C→A 60

T3 A, C, E A,D 44.4 A→D 66.7

T4 A, B, D, E B, D 33.3 B→D 75

T5 A, B, C C, D 33.3 C→D 60

T6 A, B, D D, E 33.3 D→E 43

T7 A, C, D ……

T8 C, D, E

T9 B, C, D

2.简述K-中心点算法的输入、输出及聚类过程(流程)。

输入：结果簇的数目k，包含n个对象的数据集

输出：k个簇，使得所有对象与其最近中心点的相异度总和最小。

流程：

①随机选择k个对象作为初始中心点；

②计算其它对象与这k个中心的距离，然后把每个对象归入离它“最近”的簇；

③随机地选择一个非中心点对象Orandom，并计算用Orandom代替Oj的总代价

S；

④如果S<0,则用Orandom代替Oj，形成新的k个中心点集合；

重复迭代第3、4步，直到中心点不变为止。

3.为管理岗位业务培训信息，建立3个表:

S (S#,SN,SD,SA) S#,SN,SD,SA 分别代表学号、学员姓名、所属单位、学员年龄

C (C#,CN ) C#,CN 分别代表课程编号、课程名称

SC ( S#,C#,G ) S#,C#,G 分别代表学号、所选修的课程编号、学习成绩

1. 使用标准SQL嵌套语句查询选修课程名称为’税收基础’的学员学号和姓名

--实现代码:

Select SN,SD FROM S

Where [S#] IN(

Select [S#] FROM C,SC

Where C.[C#]=SC.[C#]

AND CN=N'税收基础')

2. 使用标准SQL嵌套语句查询选修课程编号为’C2’的学员姓名和所属单位

--实现代码:

Select S.SN,S.SD FROM S,SC

Where S.[S#]=SC.[S#]

AND SC.[C#]='C2'

3. 使用标准SQL嵌套语句查询不选修课程编号为’C5’的学员姓名和所属单位

--实现代码:

Select SN,SD FROM S

Where [S#] NOT IN(

Select [S#] FROM SC

Where [C#]='C5')

4. 使用标准SQL嵌套语句查询选修全部课程的学员姓名和所属单位

--实现代码:

Select SN,SD FROM S

Where [S#] IN(

Select [S#] FROM SC

RIGHT JOIN

C ON SC.[C#]=C.[C#] GROUP BY [S#]

HA VING COUNT(*)=COUNT([S#]))

5. 查询选修课程超过5门的学员学号和所属单位

--实现代码:

Select SN,SD FROM S

Where [S#] IN(

Select [S#] FROM SC

GROUP BY [S#]

HA VING COUNT(DISTINCT [C#])>5)

4.问题描述: 已知关系模式:

S (SNO,SNAME) 学生关系。SNO 为学号，SNAME 为姓名

C (CNO,CNAME,CTEACHER) 课程关系。CNO 为课程号，CNAME 为课程名，CTEACHER 为任课教师

SC(SNO,CNO,SCGRADE) 选课关系。SCGRADE 为成绩

1. 找出没有选修过“李明”老师讲授课程的所有学生姓名

--实现代码:

Select SNAME FROM S

Where NOT EXISTS(

Select * FROM SC,C

Where https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O

AND CNAME='李明'

AND SC.SNO=S.SNO)

2. 列出有二门以上(含两门)不及格课程的学生姓名及其平均成绩--实现代码:

Select S.SNO,S.SNAME,A VG_SCGRADE=A VG(SC.SCGRADE) FROM S,SC,(

Select SNO

FROM SC

Where SCGRADE<60

GROUP BY SNO

HA VING COUNT(DISTINCT CNO)>=2

)A Where S.SNO=A.SNO AND SC.SNO=A.SNO

GROUP BY S.SNO,S.SNAME

3. 列出既学过“1”号课程，又学过“2”号课程的所有学生姓名--实现代码:

Select S.SNO,S.SNAME

FROM S,(

Select SC.SNO

FROM SC,C

Where https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O

AND https://www.wendangku.net/doc/c016649139.html,AME IN('1','2')

GROUP BY SNO

HA VING COUNT(DISTINCT CNO)=2

)SC Where S.SNO=SC.SNO

4. 列出“1”号课成绩比“2”号同学该门课成绩高的所有学生的学号

--实现代码:

Select S.SNO,S.SNAME

FROM S,(

Select SC1.SNO

FROM SC SC1,C C1,SC SC2,C C2

Where https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O AND https://www.wendangku.net/doc/c016649139.html,='1'

AND https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O AND https://www.wendangku.net/doc/c016649139.html,='2'

AND SC1.SCGRADE>SC2.SCGRADE

)SC Where S.SNO=SC.SNO

5. 列出“1”号课成绩比“2”号课成绩高的所有学生的学号及其“1”号课和“2”号课的成绩

--实现代码:

Select S.SNO,S.SNAME,SC.[1号课成绩],SC.[2号课成绩]

FROM S,(

Select SC1.SNO,[1号课成绩]=SC1.SCGRADE,[2号课成绩]=SC2.SCGRADE

FROM SC SC1,C C1,SC SC2,C C2

Where https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O AND https://www.wendangku.net/doc/c016649139.html,='1'

AND https://www.wendangku.net/doc/c016649139.html,O=https://www.wendangku.net/doc/c016649139.html,O AND https://www.wendangku.net/doc/c016649139.html,='2'

AND SC1.SCGRADE>SC2.SCGRADE )SC Where S.SNO=SC.SNO

《数据挖掘》试题与标准答案

一、解答题（满分3０分，每小题5分) 1. 怎样理解数据挖掘和知识发现的关系?请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式;然后,调用相应的算法生成所需的知识;最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤:先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集;再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2.时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有: １)、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。２）、随机时间序列预测方法：通过建立随机模型,对随机时间序列进行分析,可以预测未来值。若时间序列是平稳的,可以用自回归(Auto Ｒegressiｖe，简称AR)模型、移动回归模型(Ｍovｉng Ａveｒage,简称ＭＡ）或自回归移动平均(Aｕto Regrｅssive Moｖiｎg Aｖeraｇe，简称AＲMＡ)模型进行分析预测。 3)、其他方法:可用于时间序列预测的方法很多,其中比较成功的是神经网络。由于大量的时间序列是非平稳的,因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型,用于时间序列的预测。

《大数据时代下的数据挖掘》试题及答案要点

《海量数据挖掘技术及工程实践》题目一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法？ (D) A.变量代换 B.离散化

C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法？ (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级

数据挖掘考试题库完整

一、名词解释 1.数据仓库：是一种新的数据处理体系结构.是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合.为企业决策支持系统提供所需的集成信息。 2.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。 3.OLAP：OLAP是在OLTP的基础上发展起来的.以数据仓库为基础的数据分析处理.是共享多维信息的快速分析.是被专门设计用于支持复杂的分析操作.侧重对分析人员和高层管理人员的决策支持。 4.粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小.同时影响数据仓库所能回答查询问题的细节程度。 5.数据规范化：指将数据按比例缩放(如更换大单位).使之落入一个特定的区域（如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。 6.关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联.那么其中一项的属性值就可以依据其他属性值进行预测。 7.数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中.提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 8.OLTP：OLTP为联机事务处理的缩写.OLAP是联机分析处理的缩写。前者是以数据库为基础的.面对的是操作人员和低层管理人员.对基本数据进行查询和增、删、改等处理。 9.ROLAP：是基于关系数据库存储方式的.在这种结构中.多维数据被映像成二维关系表.通常采用星型或雪花型架构.由一个事实表和多个维度表构成。 10.MOLAP：是基于类似于“超立方”块的OLAP存储结构.由许多经压缩的、类似于多维数组的对象构成.并带有高度压缩的索引及指针结构.通过直接偏移计算进行存取。 11.数据归约：缩小数据的取值范围.使其更适合于数据挖掘算法的需要.并且能够得到和原始数据相同的分析结果。 12.广义知识：通过对大量数据的归纳、概括和抽象.提炼出带有普遍性的、概括性的描述统计的知识。 13.预测型知识：是根据时间序列型数据.由历史的和当前的数据去推测未来的数据.也可以认为是以时间为关键属性的关联知识。 14.偏差型知识：是对差异和极端特例的描述.用于揭示事物偏离常规的异常现象.如标准类外的特例.数据聚类外的离群值等。 15.遗传算法：是一种优化搜索算法.它首先产生一个初始可行解群体.然后对这个群体通过模拟生物进化的选择、交叉、变异等遗传操作遗传到下一代群体.并最终达到全局最优。 16.聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程.使得在同一个簇中的对象之间具有较高的相似度.而不同簇中的对象差别较大。 17.决策树：是用样本的属性作为结点.用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法.可用于对新样本进行分类。 18.相异度矩阵：是聚类分析中用于表示各对象之间相异度的一种矩阵.n个对象的相异度矩阵是一个nn维的单模矩阵.其对角线元素均为0.对角线两侧元素的值相同。 19.频繁项集：指满足最小支持度的项集.是挖掘关联规则的基本条件之一。 20.支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率.即P(A∪B).是 AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。 21.可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概率P(B|A).

数据挖掘考试题目——简答题

数据挖掘考试题目——简答题（1）什么是数据挖掘？什么是知识发现？答：数据挖掘是在大型数据存储库中，自动地发现有用的信息的过程。知识发现是将未加工的数据转换为有用信息的整个过程。（2）数据挖掘要解决的问题包括哪五项？答：可伸缩、高维性、异种数据和复杂数据、数据的所有权与分布、非传统的分析。（3）数据的属性分别包括哪几种类型？分别可执行什么操作？答：标称(nomial)相异性序数(ordinal) 区间(interval) 比率(ratio) =和≠ 序<、≤、>、≥加法+、- 乘法×、÷ （4）数据中遗漏值的处理策略包括哪几种？答：1、删除数据对象或属性，如遗漏数据对象很少 2、估计遗漏值，如插值或最近邻法 3、在分析时忽略遗漏值，如忽略属性计算相似度（5）数据预处理的工作可以包括哪两类？答：1、选择分析所需要的数据对象和属性 2、创建或改变属性（6）聚集的目的是什么？答：1、数据约减 2、改变尺度 3、提高数据的稳定性（7）有效抽样的定义是什么？答：1、如果样本是有代表性的，则使用样本与使用整个数据集的效果几乎一样 2、样本具有足够的代表性的前提是它近似地具有与原数据集相同的感兴趣的性质（8）维归约的目的是什么？答：1、避免维灾难 2、减少数据挖掘算法的时间与空间开销 3、便于模型的理解与数据的可视化 4、删除无关特征并降低噪声（9）特征子集的选择方法中，除了基于领域知识和穷举法，还包括三种方法？请列举并简要说明

答：1、嵌入法：特征子集选择算法作为数据挖掘算法的一部分自然存在 2、过滤法：使用某种独立于数据挖掘任务的方法，在数据挖掘算法运行前进行特征选择 3、包装法：将目标数据挖掘算法作为黑盒，使用类似理想算法的方法，但并不枚举所有可能（10）当满足什么性质时，距离可以称为度量？答：1、非负性，d(p, q) >=0 ，当且仅当p = q时d(p, q) = 0 2、对称性，d(p, q) = d(q, p) 3、三角不等式：d(p, r) <=d(p, q) + d(q, r) 同时满足以上三个性质的距离称为度量。（11）简述Apriori算法的优点和缺点。答：Apriori算法的优点：结构简单、易于理解。 Apriori算法的缺点：产生大量的候选项集，I/O开销较大。（12）简述构造FP树时第一步通常必须要做什么，为什么？答：第一步就是扫描一次数据集，确定每个项的支持度计数。丢弃非频繁项，而将频繁项按照支持度递减排序。这样做的目的是最大限度的压缩数据，要不树就会比较茂盛，则达不到计算优化的目的。（13）簇评估的主要任务是什么。答：①确定数据集的聚类趋势。 ②确定正确的簇个数。 ③不引用附加的信息，评估聚类分析结果对数据的拟合情况。 ④将聚类分析结果与已知的客观结果比较。 ⑤比较两个簇集，确定哪个更好。（14）写出K均值算法的优缺点。答：优点：（1）可以用于各种数据类型（2）有效缺点：（1）不能处理非球形簇、不同尺寸和不同密度的簇（2）离群点的数据进行聚类时，K均值也存在一定问题

数据挖掘考试题库【最新】

一、填空题 1.Web挖掘可分为、和3大类。 2.数据仓库需要统一数据源，包括统一、统一、统一和统一数据特征 4个方面。 3.数据分割通常按时间、、、以及组合方法进行。 4.噪声数据处理的方法主要有、和。 5.数值归约的常用方法有、、、和对数模型等。 6.评价关联规则的2个主要指标是和。 7.多维数据集通常采用或雪花型架构，以表为中心，连接多个表。 8.决策树是用作为结点，用作为分支的树结构。 9.关联可分为简单关联、和。 10.B P神经网络的作用函数通常为区间的。 11.数据挖掘的过程主要包括确定业务对象、、、及知识同化等几个步骤。 12.数据挖掘技术主要涉及、和3个技术领域。 13.数据挖掘的主要功能包括、、、、趋势分析、孤立点分析和偏差分析7个方面。 14.人工神经网络具有和等特点，其结构模型包括、和自组织网络 3种。 15.数据仓库数据的4个基本特征是、、非易失、随时间变化。 16.数据仓库的数据通常划分为、、和等几个级别。 17.数据预处理的主要内容(方法)包括、、和数据归约等。 18.平滑分箱数据的方法主要有、和。 19.数据挖掘发现知识的类型主要有广义知识、、、和偏差型知识五种。 20.O LAP的数据组织方式主要有和两种。 21.常见的OLAP多维数据分析包括、、和旋转等操作。 22.传统的决策支持系统是以和驱动，而新决策支持系统则是以、建立在和技术之上。 23.O LAP的数据组织方式主要有和2种。 24.S QL Server2000的OLAP组件叫，OLAP操作窗口叫。 25.B P神经网络由、以及一或多个结点组成。 26.遗传算法包括、、3个基本算子。 27.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合类型等。 28.聚类分析中最常用的距离计算公式有、、等。 29.基于划分的聚类算法有和。

数据挖掘试题与答案

一、解答题（满分30分，每小题5分） 1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有： 1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。 2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。 3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。

数据挖掘考试复习资料

数据挖掘考试复习资料一、名词解释 1、数据仓库：面向主题的、集成的、非易失的、是随时间变化的数据集合，用来支持管理决策。 2、聚类：将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类 3、数据挖掘：从大量的数据中挖掘那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识 4、人工神经网络：人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。 5、文本挖掘：文本数据挖掘(Text Mining)是指从文本数据中抽取有价值的信息和知识的计算机处理技术 6、OLAP：又称联机分析处理，是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业为特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。定义1：OLAP是针对特定问题的联机数据访问和分析。通过对信息(维数据)的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入地观察。定义2：OLAP是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业“维”特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。） 7、概念描述：就是对目标类对象的内涵进行描述，并概括这类对象的有关特征。特征化：提供给定数据汇集的简洁汇总比较：提供两个或多个数据汇集的比较描述 8、信息熵：在信息论中，熵被用来衡量一个随机变量出现的期望值。它代表了在被接收之前，信号传输过程中损失的信息量，又被称为信息熵。信息熵也称信源熵、平均自信息量。

数据挖掘考试题

数据挖掘考试题 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】

数据挖掘考试题一．选择题 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离( ) A.分类 B.聚类 C.关联分析 D.主成分分析 2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。 (单链) (全链) C.组平均方法 3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。 A 分类 B 预测 C关联规则分析 D聚类 4.关于K均值和DBSCAN的比较，以下说法不正确的是( ) 均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇 5.下列关于Ward’s Method说法错误的是：( ) A.对噪声点和离群点敏感度比较小 B.擅长处理球状的簇 C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差 D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似 6.下列关于层次聚类存在的问题说法正确的是：( ) A.具有全局优化目标函数 B.Group Average擅长处理球状的簇

C.可以处理不同大小簇的能力 D.Max对噪声点和离群点很敏感 7.下列关于凝聚层次聚类的说法中，说法错误的事：( ) A.一旦两个簇合并，该操作就不能撤销 B.算法的终止条件是仅剩下一个簇 C.空间复杂度为()2m O D.具有全局优化目标函数 8.规则{牛奶，尿布}→{啤酒}的支持度和置信度分别为：( ) 9.下列( )是属于分裂层次聚类的方法。 Average 10.对下图数据进行凝聚聚类操作，簇间相似度使用MAX计算，第二步是哪两个簇合并：( ) A.在{3}和{l,2}合并 B.{3}和{4,5}合并 C.{2,3}和{4,5}合并 D. {2,3}和{4,5}形成簇和{3}合并二．填空题： 1.属性包括的四种类型：、、、。 2.是两个簇的邻近度定义为不同簇的所有点对邻近度的平均值。 3. 基本凝聚层次聚类算法空间复杂度，时间复杂度，如果某个簇到其他所有簇的距离存放在一个有序表或堆中，层次聚类所需要的时间复杂度将为。 4. 聚类中，定义簇间的相似度的方法有（写出四个）：、、、。 5. 层次聚类技术是第二类重要的聚类方法。两种层次聚类的基本方法：、。 6. 组平均是一种界于和之间的折中方法。

数据挖掘复习大纲答案新新

数据挖掘复习提纲分值分布一、选择题（单选10道20分多选5道20分）二、填空题（10道20分）三、名词解释（5道20分）四、解答题（4道20分）五、应用题（Apriori算法20分） 1．什么是数据挖掘？ 1答：简单地说，数据挖掘是从大量数据中提取或挖掘知识。具体地说，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 2. 什么是数据清理？ 2答：填写缺失的值，平滑噪声数据，识别、删除离群点，解决不一致性 3. 什么是数据仓库？ 3答：是一个面向主题的、集成的、随时间而变化的、不容易丢失的数据集合，支持管理部门决策的过程。（最显著特征：数据不易丢失2分选择题） 4. 什么是数据集成？ 4.数据集成:集成多个数据库、数据立方体或文件 5. 什么是数据变换？ 5答：将数据转换或统一成适合于挖掘的形式。 6. 什么是数据归约？ 6答：得到数据集的压缩表示，它小得多，但可以得到相同或相近的结果 7. 什么是数据集市？ 7答：数据集市包含企业范围数据的一个子集，对于特定的用户群是有用的。其范围限于选定的主题。 (是完整的数据仓库的一个逻辑子集，而数据仓库正是由所有的数据集市有机组合而成的) 8.在数据挖掘过程中，耗时最长的步骤是什么？ 8.答：数据清理 9.数据挖掘系统可以根据什么标准进行分类？ 9答：根据挖掘的数据库类型分类、根据挖掘的知识类型分类、根据挖掘所用的技术分类、根据应用分类 10. 多维数据模型上的OLAP 操作包括哪些？ 10.答：上卷、下钻、切片和切块、转轴 / 旋转、其他OLAP操作 11. OLAP 服务器类型有哪几种？ 11.答：关系 OLAP 服务器(ROLAP)、多维 OLAP 服务器(MOLAP)、混合 OLAP 服务器 (HOLAP)、特殊的 SQL 服务器 12. 数据预处理技术包括哪些？（选择） 12.答：聚集、抽样、维规约、特征子集选择、特征创建、离散化和二元化、变量变换。 13. 形成“脏数据”的原因有哪些？ 13. 答：滥用缩写词、数据输入错误、数据中的内嵌控制信息、不同的的惯用语、重复记录、丢失值、拼写变化、不同的计量单位、过时的编码 14. 与数据挖掘类似的术语有哪些? 14答：数据库中挖掘知识、知识提取、数据/模式分析、数据考古和数据捕捞。

数据挖掘复习章节知识点整理

数据挖掘：是从大量数据中发现有趣（非平凡的、隐含的、先前未知、潜在有用）模式，这些数据可以存放在数据库，数据仓库或其他信息存储中。挖掘流程： 1.学习应用域 2.目标数据创建集 3.数据清洗和预处理 4.数据规约和转换 5.选择数据挖掘函数（总结、分类、回归、关联、分类） 6.选择挖掘算法 7.找寻兴趣度模式 8.模式评估和知识展示 9.使用挖掘的知识概念/类描述：一种数据泛化形式，用汇总的、简洁的和精确的方法描述各个类和概念，通过（1）数据特征化：目标类数据的一般特性或特征的汇总；（2）数据区分：将目标类数据的一般特性与一个或多个可比较类进行比较；（3）数据特征化和比较来得到。关联分析：发现关联规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件，通常要满足最小支持度阈值和最小置信度阈值。分类：找出能够描述和区分数据类或概念的模型，以便能够使用模型预测类标号未知的对象类，导出的模型是基于训练集的分析。导出模型的算法：决策树、神经网络、贝叶斯、（遗传、粗糙集、模糊集）。预测：建立连续值函数模型，预测空缺的或不知道的数值数据集。孤立点：与数据的一般行为或模型不一致的数据对象。聚类：分析数据对象，而不考虑已知的类标记。训练数据中不提供类标记，对象根据最大化类内的相似性和最小化类间的原则进行聚类或分组，从而产生类标号。第二章数据仓库数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。从一个或多个数据源收集信息，存放在一个一致的模式下，并且通常驻留在单个站点。数据仓库通过数据清理、变换、继承、装入和定期刷新过程来构造。面向主题：排除无用数据，提供特定主题的简明视图。集成的：多个异构数据源。时变的：从历史角度提供信息，隐含时间信息。非易失的：和操作数据的分离，只提供初始装入和访问。联机事务处理OLTP：主要任务是执行联机事务和查询处理。联系分析处理OLAP：数据仓库系统在数据分析和决策方面为用户或‘知识工人’提供服务。这种系统可以用不同的格式和组织提供数据。OLAP是一种分析技术，具有汇总、合并和聚集功能，以及从不同的角度观察信息的能力。

数据仓库与数据挖掘考试试题

一、| 二、填空题（15分） 1.数据仓库的特点分别是面向主题、集成、相对稳定、反映历史变化。 2.元数据是描述数据仓库内数据的结构和建立方法的数据。根据元数据用途的不同可将元数据分为技术元数据和业务元数据两类。技术多维分析过程中，多维分析操作包括切片、切块、钻取、旋转等。 4.基于依赖型数据集市和操作型数据存储的数据仓库体系结构常常被称为“中心和辐射”架构，其中企业级数据仓库是中心，源数据系统和数据集市在输入和输出范围的两端。实际上是一个集成的、面向主题的、可更新的、当前值的、企业级的、详细的数据库，也叫运营数据存储。三、多项选择题（10分） 6.在数据挖掘的分析方法中，直接数据挖掘包括（ＡＣＤ）） A 分类 B 关联 C 估值 D 预言 7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ） A 数据抽取 B 数据转换 C 数据加载 D 数据稽核 8.数据分类的评价准则包括（ABCD ） A 精确度 B 查全率和查准率 C F-Measure D 几何均值 9.层次聚类方法包括（BC ） A 划分聚类方法 B 凝聚型层次聚类方法 C 分解型层次聚类方法 D 基于密度聚类方法 10.贝叶斯网络由两部分组成，分别是（ A D ） . A 网络结构 B 先验概率 C 后验概率 D 条件概率表四、计算题（30分） 11.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收款机业务中卖出的项目，假定sup min=40%，conf min=40%，使用Apriori算法计算生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）

数据挖掘考试题库

1.何谓数据挖掘？它有哪些方面的功能？从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。 2.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。按粒度组织数据的方式主要有： ①简单堆积结构 ②轮转综合结构 ③简单直接结构 ④连续结构 3.简述数据仓库设计的三级模型及其基本内容。概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。 4.在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。 5.简述数据预处理方法和内容。 ①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。 ②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。 ③数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。 ④数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 6.简述数据清理的基本内容。 ①尽可能赋予属性名和属性值明确的含义； ②统一多数据源的属性值编码； ③去除无用的惟一属性或键值(如自动增长的id)； ④去除重复属性(在某些分析中，年龄和出生日期可能就是重复的属性，但在某些时候它们可能又是同时需要的) ⑤去除可忽略字段(大部分为空值的属性一般是没有什么价值的，如果不去除可能造成错误的数据挖掘结果) ⑥合理选择关联字段(对于多个关联性较强的属性，重复无益，只需选择其中的部分用于数据挖掘即可，如价格、数据、金额) ⑦去掉数据中的噪音、填充空值、丢失值和处理不一致数据。 7.简述处理空缺值的方法。 ①忽略该记录； ②去掉属性； ③手工填写空缺值； ④使用默认值； ⑤使用属性平均值； ⑥使用同类样本平均值； ⑦预测最可能的值。 8.常见的分箱方法有哪些？数据平滑处理的方法有哪些？分箱的方法主要有： ①统一权重法(又称等深分箱法) ②统一区间法(又称等宽分箱法) ③最小熵法 ④自定义区间法数据平滑的方法主要有：平均值法、边界值法和中值法。

web数据挖掘考试重点

填空或简答： 1. 数据、信息和知识是广义数据表现的不同形式。 2. 主要知识模式类型有：广义知识，关联知识，类知识，预测型知识，特异型知识 3. web挖掘研究的主要流派有：Web结构挖掘、Web使用挖掘、Web内容挖掘 4. 一般地说，KDD是一个多步骤的处理过程，一般分为问题定义、数据抽取、数据预处理、.数据挖掘以及模式评估等基本阶段。 5. 数据库中的知识发现处理过程模型有：阶梯处理过程模型，螺旋处理过程模型，以用户为中心的处理结构模型，联机KDD模型，支持多数据源多知识模式的KDD处理模型 6. 粗略地说，知识发现软件或工具的发展经历了独立的知识发现软件、横向的知识发现工具集和纵向的知识发现解决方案三个主要阶段，其中后面两种反映了目前知识发现软件的两个主要发展方向。 7. 决策树分类模型的建立通常分为两个步骤：决策树生成，决策树修剪。 8. 从使用的主要技术上看，可以把分类方法归结为四种类型： a) 基于距离的分类方法 b) 决策树分类方法 c) 贝叶斯分类方法 d) 规则归纳方法 9. 关联规则挖掘问题可以划分成两个子问题： a) 发现频繁项目集:通过用户给定Minsupport ，寻找所有频繁项目集或者最大频繁项目集。 b) 生成关联规则:通过用户给定Minconfidence ，在频繁项目集中，寻找关联规则。 10. 数据挖掘是相关学科充分发展的基础上被提出和发展的。主要的相关技术：数据库等信息技术的发展统计学深入应用人工智能技术的研究和应用 11. 衡量关联规则挖掘结果的有效性：应该从多种综合角度来考虑： a准确性：挖掘出的规则必须反映数据的实际情况。 b实用性：挖掘出的规则必须是简洁可用的。 c新颖性：挖掘出的关联规则可以为用户提供新的有价值信息。 12. 约束的常见类型有：单调性约束；反单调性约束；可转变的约束；简洁性约束. 13. 根据规则中涉及到的层次，多层次关联规则可以分为：同层关联规则：如果一个关联规则对应的项目是同一个粒度层次，那么它是同层关联规则。层间关联规则：如果在不同的粒度层次上考虑问题，那么可能得到的是层间关联规 14. 按照聚类分析算法的主要思路，聚类方法可以被归纳为如下几种。划分法：基于一定标准构建数据的划分。属于该类的聚类方法有：k-means、k-modes、k-prototypes、k-medoids、PAM、CLARA、CLARANS等。层次法：对给定数据对象集合进行层次的分解。密度法：基于数据对象的相连密度评价。网格法：将数据空间划分成为有限个单元（Cell）的网格结构，基于网格结构进行聚类。模型法：给每一个簇假定一个模型，然后去寻找能够很好的满足这个模型的数据集。 15. 类间距离的度量主要有：最短距离法：定义两个类中最靠近的两个元素间的距离为类间距离。最长距离法：定义两个类中最远的两个元素间的距离为类间距离。中心法：定义两类的两个中心间的距离为类间距离。

数据仓库与数据挖掘考试试题

一、填空题（15分） 1.数据仓库的特点分别是面向主题、集成、相对稳定、反映历史变化。 2.元数据是描述数据仓库内数据的结构和建立方法的数据。根据元数据用途的不同可将元数据分为技术元数据和业务元数据两类。 3.OLAP技术多维分析过程中，多维分析操作包括切片、切块、钻取、旋转等。 4.基于依赖型数据集市和操作型数据存储的数据仓库体系结构常常被称为“中心和辐射”架构，其中企业级数据仓库是中心，源数据系统和数据集市在输入和输出范围的两端。 5.ODS实际上是一个集成的、面向主题的、可更新的、当前值的、企业级的、详细的数据库，也叫运营数据存储。二、多项选择题（10分） 6.在数据挖掘的分析方法中，直接数据挖掘包括（ＡＣＤ） A 分类 B 关联 C 估值 D 预言 7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ） A 数据抽取 B 数据转换 C 数据加载 D 数据稽核 8.数据分类的评价准则包括（ ABCD ） A 精确度 B 查全率和查准率 C F-Measure D 几何均值 9.层次聚类方法包括（ BC ） A 划分聚类方法 B 凝聚型层次聚类方法 C 分解型层次聚类方法 D 基于密度聚类方法 10.贝叶斯网络由两部分组成，分别是（ A D ） A 网络结构 B 先验概率 C 后验概率 D 条件概率表三、计算题（30分） 11.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收款机业务中卖出的项目，假定sup min=40%，conf min=40%，使用Apriori算法计算生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）解：（1）由I={面包、果冻、花生酱、牛奶、啤酒}的所有项目直接产生1-候选C1，计算其支持度，取出支持度小于sup min的项集，形成1-频繁集L1，如下表所示：

《数据仓库与数据挖掘》复习题

2014-2015-1《数据仓库与数据挖掘》期末考试题型一、单项选择题（每小题2分，共20分）二、填空题（每空1分，共20分）三、简答题(每题6分，共30分) 四、析题与计算题(共30分) 请同学们在考试时不要将复习资料带入考场！！！单选题 1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 2. 以下两种描述分别对应哪两种对分类算法的评价标准？(A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision, Recall B. Recall, Precision A. Precision, ROC D. Recall, ROC 3. 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 4. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 5. 什么是KDD？(A) A. 数据挖掘与知识发现 B. 领域知识发现 C. 文档知识发现 D. 动态知识发现 6. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A） A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7. 为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？(B) A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 8. 建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 9. 用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？(A)

武汉大学计算机专业数据仓库及数据挖掘期末考试题

武汉大学计算机学院 2014级研究生“数据仓库和数据挖掘”课程期末考试试题要求：所有的题目的解答均写在答题纸上，需写清楚题目的序号。每张答题纸都要写上姓名和学号。一、单项选择题（每小题2分，共20分） 1. 下面列出的条目中，（）不是数据仓库的基本特征。B A.数据仓库是面向主题的 B.数据仓库是面向事务的 C.数据仓库的数据是相对稳定的 D.数据仓库的数据是反映历史变化的 2. 数据仓库是随着时间变化的，下面的描述不正确的是（）。 A.数据仓库随时间的变化不断增加新的数据内容 B.捕捉到的新数据会覆盖原来的快照 C.数据仓库随事件变化不断删去旧的数据内容C D.数据仓库中包含大量的综合数据，这些综合数据会随着时间的变化不断地进行重新综合 3. 以下关于数据仓库设计的说法中（）是错误的。A A.数据仓库项目的需求很难把握，所以不可能从用户的需求出发来进行数据仓库的设计，只能从数据出发进行设计 B.在进行数据仓库主题数据模型设计时，应该按面向部门业务应用的方式来设计数据模型 C.在进行数据仓库主题数据模型设计时要强调数据的集成性 D.在进行数据仓库概念模型设计时，需要设计实体关系图，给出数据表的划分，并给出每个属性的定义域 4. 以下关于OLAP的描述中（）是错误的。A A.一个多维数组可以表示为（维1，维2，…，维n） B.维的一个取值称为该维的一个维成员 C.OLAP是联机分析处理 D.OLAP是数据仓库进行分析决策的基础 5. 多维数据模型中，下列（）模式不属于多维模式。D A.星型模式 B.雪花模式 C.星座模式 D.网型模式 6. 通常频繁项集、频繁闭项集和最大频繁项集之间的关系是（）。C A.频繁项集?频繁闭项集?最大频繁项集 B.频繁项集?最大频繁项集?频繁闭项集 C.最大频繁项集?频繁闭项集?频繁项集 D.频繁闭项集?频繁项集?最大频繁项集

盐城数据挖掘考试-内部选拔考题及答案

《数据挖掘》试题与标准答案

《大数据时代下的数据挖掘》试题及答案要点

数据挖掘考试题库完整

数据挖掘考试题目——简答题

数据挖掘考试题库【最新】

数据挖掘试题与答案

数据挖掘考试复习资料

数据挖掘考试题

数据挖掘复习大纲答案新新

最新数据挖掘考试题目——关联分析资料

数据挖掘复习章节知识点整理

数据仓库与数据挖掘考试试题

数据挖掘考试题库

web数据挖掘考试重点

数据仓库与数据挖掘考试试题

《数据仓库与数据挖掘》复习题

最新数据挖掘复习题

武汉大学计算机专业数据仓库及数据挖掘期末考试题