>>多選題部分

1. 通過(guò)數(shù)據(jù)挖掘過(guò)程所推倒出的關(guān)系和摘要經(jīng)常被稱(chēng)為：(A B)

A. 模型  

B. 模式  

C. 模范   

D. 模具

2 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價(jià)值地總結(jié)了數(shù)據(jù)的某一特征的表示,，這個(gè)過(guò)程包括了以下哪些步驟,？ (A B C D)

A. 決定要使用的表示的特征和結(jié)構(gòu)

B. 決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞

C. 選擇一個(gè)算法過(guò)程使評(píng)分函數(shù)最優(yōu)

D. 決定用什么樣的數(shù)據(jù)管理原則以高效地實(shí)現(xiàn)算法。

3. 數(shù)據(jù)挖掘的預(yù)測(cè)建模任務(wù)主要包括哪幾大類(lèi)問(wèn)題,？ (A B)

A. 分類(lèi)

B. 回歸

C. 模式發(fā)現(xiàn)

D. 模式匹配

4. 數(shù)據(jù)挖掘算法的組件包括：(A B C D)

A. 模型或模型結(jié)構(gòu)

B. 評(píng)分函數(shù)

C. 優(yōu)化和搜索方法

D. 數(shù)據(jù)管理策略

5. 以下哪些學(xué)科和數(shù)據(jù)挖掘有密切聯(lián)系,？(A D)

A. 統(tǒng)計(jì)   

B. 計(jì)算機(jī)組成原理

C. 礦產(chǎn)挖掘  

D. 人工智能

6. 在現(xiàn)實(shí)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(wèn)題的各種方法有： (ＡＢＣＤＥ)

A忽略元組   

B使用屬性的平均值填充空缺值

C使用一個(gè)全局常量填充空缺值

D使用與給定元組屬同一類(lèi)的所有樣本的平均值   

E使用最可能的值填充空缺值

7.下面哪些屬于可視化高維數(shù)據(jù)技術(shù) (ＡＢＣＥ)

A 矩陣

B 平行坐標(biāo)系

C星形坐標(biāo) D散布圖

E Chernoff臉

8. 對(duì)于數(shù)據(jù)挖掘中的原始數(shù)據(jù),，存在的問(wèn)題有： (ＡＢＣＤＥ)

A 不一致  

B重復(fù)

C不完整

D 含噪聲

E 維度高

9.下列屬于不同的有序數(shù)據(jù)的有：(ＡＢＣＥ)

A 時(shí)序數(shù)據(jù)  

B 序列數(shù)據(jù)  

C時(shí)間序列數(shù)據(jù)  

D事務(wù)數(shù)據(jù)  

E空間數(shù)據(jù)

10.下面屬于數(shù)據(jù)集的一般特性的有：( B C D)

A 連續(xù)性

B 維度  

C 稀疏性

D 分辨率

E 相異性

11. 下面屬于維歸約常用的線性代數(shù)技術(shù)的有： (A C)

A 主成分分析

B 特征提取

C 奇異值分解

D 特征加權(quán)

E 離散化

12. 下面列出的條目中，哪些是數(shù)據(jù)倉(cāng)庫(kù)的基本特征： (ACD)

A. 數(shù)據(jù)倉(cāng)庫(kù)是面向主題的     

B. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的

C. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是相對(duì)穩(wěn)定的   

D. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是反映歷史變化的

E. 數(shù)據(jù)倉(cāng)庫(kù)是面向事務(wù)的

13. 以下各項(xiàng)均是針對(duì)數(shù)據(jù)倉(cāng)庫(kù)的不同說(shuō)法,，你認(rèn)為正確的有（BCDE   ）,。

A．?dāng)?shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)

B．?dāng)?shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)

C．?dāng)?shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTP）

D．?dāng)?shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理

E．?dāng)?shù)據(jù)倉(cāng)庫(kù)的主要目標(biāo)就是幫助分析,，做長(zhǎng)期性的戰(zhàn)略制定

14. 數(shù)據(jù)倉(cāng)庫(kù)在技術(shù)上的工作過(guò)程是： (ABCD)

A. 數(shù)據(jù)的抽取  

B. 存儲(chǔ)和管理   

C. 數(shù)據(jù)的表現(xiàn)

D. 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)

E. 數(shù)據(jù)的表現(xiàn)

15. 聯(lián)機(jī)分析處理包括以下哪些基本分析功能,？ (BCD)

A. 聚類(lèi)

B. 切片

C. 轉(zhuǎn)軸

D. 切塊

E. 分類(lèi)

16. 利用Apriori算法計(jì)算頻繁項(xiàng)集可以有效降低計(jì)算頻繁集的時(shí)間復(fù)雜度。在以下的購(gòu)物籃中產(chǎn)生支持度不小于3的候選3-項(xiàng)集,，在候選2-項(xiàng)集中需要剪枝的是（BD）

ID 項(xiàng)集

1 面包,、牛奶

2 面包、尿布,、啤酒,、雞蛋

3 牛奶、尿布、啤酒,、可樂(lè)

4 面包,、牛奶、尿布,、啤酒

5 面包,、牛奶、尿布,、可樂(lè)

A,、啤酒、尿布  

B,、啤酒,、面包

C、面包,、尿布

D,、啤酒、牛奶

17. 下表是一個(gè)購(gòu)物籃,，假定支持度閾值為40%,，其中__(A D)__是頻繁閉項(xiàng)集。

TID 項(xiàng)

1 abc

2 abcd

3 bce

4 acde

5 de

A,、abc

B,、ad

C、cd

D,、de

18. Apriori算法的計(jì)算復(fù)雜度受__(ABCD)?__影響,。

A、支持度閥值

B,、項(xiàng)數(shù)（維度）

C,、事務(wù)數(shù)

D、事務(wù)平均寬度

19. 非頻繁模式__(AD)__

A,、其支持度小于閾值

B,、都是不讓人感興趣的

C、包含負(fù)模式和負(fù)相關(guān)模式

D,、對(duì)異常數(shù)據(jù)項(xiàng)敏感

20. 以下屬于分類(lèi)器評(píng)價(jià)或比較尺度的有: (ACD)

A,預(yù)測(cè)準(zhǔn)確度

B,召回率

C,模型描述的簡(jiǎn)潔度

D,計(jì)算復(fù)雜度

21. 在評(píng)價(jià)不平衡類(lèi)問(wèn)題分類(lèi)的度量方法有如下幾種,，(ABCD)

A,F1度量

B,召回率（recall）

C,精度（precision）

D,真正率（ture positive rate,TPR）

22. 貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點(diǎn)， （AB）

A,構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力

B,對(duì)模型的過(guò)分問(wèn)題非常魯棒

C,貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù)

D,網(wǎng)絡(luò)結(jié)構(gòu)確定后,，添加變量相當(dāng)麻煩

23. 如下哪些不是最近鄰分類(lèi)器的特點(diǎn),， (C)

A,它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型

B,分類(lèi)一個(gè)測(cè)試樣例開(kāi)銷(xiāo)很大

C,最近鄰分類(lèi)器基于全局信息進(jìn)行預(yù)測(cè)

D,可以生產(chǎn)任意形狀的決策邊界

24. 如下那些不是基于規(guī)則分類(lèi)器的特點(diǎn),，（AC）

A,規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹(shù)好

B,基于規(guī)則的分類(lèi)器都對(duì)屬性空間進(jìn)行直線劃分,，并將類(lèi)指派到每個(gè)劃分

C,無(wú)法被用來(lái)產(chǎn)生更易于解釋的描述性模型

D,非常適合處理類(lèi)分布不平衡的數(shù)據(jù)集  

25. 以下屬于聚類(lèi)算法的是（ ABD ）,。

A、K均值   

B,、DBSCAN   

C,、Apriori   

D、Jarvis-Patrick（JP）

26.（ CD ）都屬于簇有效性的監(jiān)督度量,。

A,、輪廓系數(shù)   

B、共性分類(lèi)相關(guān)系數(shù)   

C,、熵   

D,、F度量

27. 簇有效性的面向相似性的度量包括（ BC ）。

A,、精度   

B,、Rand統(tǒng)計(jì)量   

C、Jaccard系數(shù)   

D,、召回率

28.（ ABCD ）這些數(shù)據(jù)特性都是對(duì)聚類(lèi)分析具有很強(qiáng)影響的,。

A、高維性   

B,、規(guī)模   

C,、稀疏性   

D、噪聲和離群點(diǎn)

29. 在聚類(lèi)分析當(dāng)中,，（ AD ）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,、Chameleon

30. （ AB ）都屬于分裂的層次聚類(lèi)算法,。

A、二分K均值   

B,、MST   

C,、Chameleon   

D、組平均

>>判斷題部分

1. 數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則,，從而能更好的完成描述數(shù)據(jù),、預(yù)測(cè)數(shù)據(jù)等任務(wù)。 (對(duì))

2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略,，而在于對(duì)于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘,。（對(duì)）3. 圖挖掘技術(shù)在社會(huì)網(wǎng)絡(luò)分析中扮演了重要的角色。（對(duì)）

4. 模式為對(duì)數(shù)據(jù)集的全局性總結(jié),，它對(duì)整個(gè)測(cè)量空間的每一點(diǎn)做出描述,；模型則對(duì)變量變化空間的一個(gè)有限區(qū)域做出描述,。（錯(cuò)）

5. 尋找模式和規(guī)則主要是對(duì)數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式,。（錯(cuò)）

6. 離群點(diǎn)可以是合法的數(shù)據(jù)對(duì)象或者值,。（對(duì)）

7. 離散屬性總是具有有限個(gè)值。（錯(cuò)）

8. 噪聲和偽像是數(shù)據(jù)錯(cuò)誤這一相同表述的兩種叫法,。（錯(cuò)）

9. 用于分類(lèi)的離散化方法之間的根本區(qū)別在于是否使用類(lèi)信息,。（對(duì)）

10. 特征提取技術(shù)并不依賴(lài)于特定的領(lǐng)域。（錯(cuò)）

11. 序列數(shù)據(jù)沒(méi)有時(shí)間戳,。（對(duì)）

12. 定量屬性可以是整數(shù)值或者是連續(xù)值,。（對(duì)）

13. 可視化技術(shù)對(duì)于分析的數(shù)據(jù)類(lèi)型通常不是專(zhuān)用性的。（錯(cuò)）

14. DSS主要是基于數(shù)據(jù)倉(cāng)庫(kù).聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用,。（對(duì)）

15. OLAP技術(shù)側(cè)重于把數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析,、轉(zhuǎn)換成輔助決策信息，是繼數(shù)據(jù)庫(kù)技術(shù)發(fā)展之后迅猛發(fā)展起來(lái)的一種新技術(shù),。 （對(duì)）

16. 商業(yè)智能系統(tǒng)與一般交易系統(tǒng)之間在系統(tǒng)設(shè)計(jì)上的主要區(qū)別在于：后者把結(jié)構(gòu)強(qiáng)加于商務(wù)之上,，一旦系統(tǒng)設(shè)計(jì)完畢，其程序和規(guī)則不會(huì)輕易改變,；而前者則是一個(gè)學(xué)習(xí)型系統(tǒng),，能自動(dòng)適應(yīng)商務(wù)不斷變化的要求。 （對(duì)）

17. 數(shù)據(jù)倉(cāng)庫(kù)中間層OLAP服務(wù)器只能采用關(guān)系型OLAP     （錯(cuò)）

18．?dāng)?shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的組成部分包括數(shù)據(jù)倉(cāng)庫(kù),，倉(cāng)庫(kù)管理,，數(shù)據(jù)抽取，分析工具等四個(gè)部分. (錯(cuò))

19. Web數(shù)據(jù)挖掘是通過(guò)數(shù)據(jù)庫(kù)仲的一些屬性來(lái)預(yù)測(cè)另一個(gè)屬性,它在驗(yàn)證用戶提出的假設(shè)過(guò)程中提取信息.  （錯(cuò)）

21. 關(guān)聯(lián)規(guī)則挖掘過(guò)程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則,。（錯(cuò)）

22. 利用先驗(yàn)原理可以幫助減少頻繁項(xiàng)集產(chǎn)生時(shí)需要探查的候選項(xiàng)個(gè)數(shù)（對(duì)）,。

23. 先驗(yàn)原理可以表述為：如果一個(gè)項(xiàng)集是頻繁的，那包含它的所有項(xiàng)集也是頻繁的,。（錯(cuò)）

24. 如果規(guī)則 不滿足置信度閾值,，則形如 的規(guī)則一定也不滿足置信度閾值，其中 是X的子集,。（對(duì)）

25. 具有較高的支持度的項(xiàng)集具有較高的置信度,。（錯(cuò)）

26. 聚類(lèi)（clustering）是這樣的過(guò)程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類(lèi)或概念的模型(或函數(shù))，以便能夠使用模型預(yù)測(cè)類(lèi)標(biāo)記未知的對(duì)象類(lèi),。 （錯(cuò)）

27. 分類(lèi)和回歸都可用于預(yù)測(cè),，分類(lèi)的輸出是離散的類(lèi)別值，而回歸的輸出是連續(xù)數(shù)值,。(對(duì))

28. 對(duì)于SVM分類(lèi)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(duì)分類(lèi)結(jié)果沒(méi)有影響,。 （對(duì)）

29. Bayes法是一種在已知后驗(yàn)概率與類(lèi)條件概率的情況下的模式分類(lèi)方法,，待分樣本的分類(lèi)結(jié)果取決于各類(lèi)域中樣本的全體,。  (錯(cuò))

30.分類(lèi)模型的誤差大致分為兩種：訓(xùn)練誤差（training error）和泛化誤差（generalization error）.  (對(duì))

31. 在決策樹(shù)中，隨著樹(shù)中結(jié)點(diǎn)數(shù)變得太大,，即使模型的訓(xùn)練誤差還在繼續(xù)減低,，但是檢驗(yàn)誤差開(kāi)始增大，這是出現(xiàn)了模型擬合不足的問(wèn)題,。 （錯(cuò)）

32. SVM是這樣一個(gè)分類(lèi)器,，他尋找具有最小邊緣的超平面，因此它也經(jīng)常被稱(chēng)為最小邊緣分類(lèi)器（minimal margin classifier）   (錯(cuò))

33. 在聚類(lèi)分析當(dāng)中,，簇內(nèi)的相似性越大,，簇間的差別越大，聚類(lèi)的效果就越差,。（錯(cuò)）

34. 聚類(lèi)分析可以看作是一種非監(jiān)督的分類(lèi),。（對(duì)）

35. K均值是一種產(chǎn)生劃分聚類(lèi)的基于密度的聚類(lèi)算法，簇的個(gè)數(shù)由算法自動(dòng)地確定,。（錯(cuò)）

36. 給定由兩次運(yùn)行K均值產(chǎn)生的兩個(gè)不同的簇集,，誤差的平方和最大的那個(gè)應(yīng)該被視為較優(yōu)。（錯(cuò)）

37. 基于鄰近度的離群點(diǎn)檢測(cè)方法不能處理具有不同密度區(qū)域的數(shù)據(jù)集,。（對(duì)）

38. 如果一個(gè)對(duì)象不強(qiáng)屬于任何簇,，那么該對(duì)象是基于聚類(lèi)的離群點(diǎn)。（對(duì)）

39. 從點(diǎn)作為個(gè)體簇開(kāi)始,，每一步合并兩個(gè)最接近的簇,，這是一種分裂的層次聚類(lèi)方法。（錯(cuò)）

40. DBSCAN是相對(duì)抗噪聲的,，并且能夠處理任意形狀和大小的簇,。（對(duì)）

文章來(lái)源：網(wǎng)絡(luò)  版權(quán)歸原作者所有

上文內(nèi)容不用于商業(yè)目的，如涉及知識(shí)產(chǎn)權(quán)問(wèn)題,，請(qǐng)權(quán)利人聯(lián)系小編,，我們將立即處理