《大數(shù)據(jù)時(shí)代下的數(shù)據(jù)挖掘》試題及答案要點(diǎn)

1、海量數(shù)據(jù)挖掘技術(shù)及工程實(shí)踐題目80 題)1) ( D ) 的目的縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并且能夠得到和原始數(shù)據(jù)相同的分析結(jié)果。A. 數(shù)據(jù)清洗B.數(shù)據(jù)集成C. 數(shù)據(jù)變換D.數(shù)據(jù)歸約2) 某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？ (A)A. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B. 聚類C. 分類D. 自然語言處理3) 以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類算法的評(píng)價(jià)標(biāo)準(zhǔn)？ (A)(a) 警察抓小偷，描述警察抓的人中有多少個(gè)是小偷的標(biāo)準(zhǔn)。(b) 描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。A. Precision,Recall B. Recall,Prec

2、isionA. Precision,ROC D. Recall,ROC4) 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個(gè)步驟的任務(wù)？ (C)A. 頻繁模式挖掘 B. 分類和預(yù)測(cè)C. 數(shù)據(jù)預(yù)處理D. 數(shù)據(jù)流挖掘5) 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)， 可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離？ (B)A. 分類B.聚類C. 關(guān)聯(lián)分析D. 隱馬爾可夫鏈6) 建立一個(gè)模型， 通過這個(gè)模型根據(jù)已知的變量值來預(yù)測(cè)其他某個(gè)變量值屬于數(shù)據(jù)挖掘的哪一類任務(wù)？ (C)A. 根據(jù)內(nèi)容檢索 B. 建模描述C. 預(yù)測(cè)建模 D. 尋找模式和規(guī)則7) 下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？ (D)A. 變

3、量代換B. 離散化C.聚集D. 估計(jì)遺漏值8) 假設(shè) 12 個(gè)銷售價(jià)格記錄組已經(jīng)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(gè)箱。 等頻 (等深) 劃分時(shí)， 15 在第幾個(gè)箱子內(nèi)？(B)A. 第一個(gè)B.第二個(gè)C.第三個(gè)D.第四個(gè)9) 下面哪個(gè)不屬于數(shù)據(jù)的屬性類型： (D)A. 標(biāo)稱B.序數(shù)C. 區(qū)間D.相異10) 只有非零值才重要的二元屬性被稱作： ( C )A. 計(jì)數(shù)屬性B. 離散屬性C.非對(duì)稱的二元屬性D.對(duì)稱屬性11) 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法： (D)A. 嵌入B.過濾C.包裝D.抽

4、樣12) 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是： (B)A. 特征提取B. 特征修改C. 映射數(shù)據(jù)到新的空間 D. 特征構(gòu)造13) 下面哪個(gè)屬于映射數(shù)據(jù)到新的空間的方法？ (A)A. 傅立葉變換B. 特征加權(quán)C.漸進(jìn)抽樣D. 維歸約14) 假設(shè)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(nèi)。對(duì)屬性income 的 73600 元將被轉(zhuǎn)化為： (D)A.0.821B.1.224C.1.458D.0.71615) 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級(jí)200人，二年級(jí)160人，三年級(jí)130人，四年級(jí) 110 人。則年級(jí)

5、屬性的眾數(shù)是： (A)A. 一年級(jí)B.二年級(jí)C. 三年級(jí)D.四年級(jí)16) 下列哪個(gè)不是專門用于可視化時(shí)間空間數(shù)據(jù)的技術(shù)： (B)A. 等高線圖 B. 餅圖C. 曲面圖 D. 矢量場(chǎng)圖17) 在抽樣方法中，當(dāng)合適的樣本容量很難確定時(shí)，可以使用的抽樣方法是： (D)A. 有放回的簡(jiǎn)單隨機(jī)抽樣B. 無放回的簡(jiǎn)單隨機(jī)抽樣C. 分層抽樣D 漸進(jìn)抽樣18) 數(shù)據(jù)倉庫是隨著時(shí)間變化的 , 下面的描述不正確的是(C)A. 數(shù)據(jù)倉庫隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容B.捕捉到的新數(shù)據(jù)會(huì)覆蓋原來的快照C.數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容D.數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù)，這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重

6、新綜合19) 下面關(guān)于數(shù)據(jù)粒度的描述不正確的是: (C)A. 粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別B.數(shù)據(jù)越詳細(xì)，粒度就越小，級(jí)別也就越高C.數(shù)據(jù)綜合度越高，粒度也就越大，級(jí)別也就越高D.粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量20) 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點(diǎn) , 不正確的描述是: (A)A. 數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā)B.數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確C.數(shù)據(jù)倉庫的開發(fā)是一個(gè)不斷循環(huán)的過程，是啟發(fā)式的開發(fā)D.在數(shù)據(jù)倉庫環(huán)境中，并不存在操作型環(huán)境中所固定的和較確切的處理流，數(shù)據(jù)倉庫中數(shù)據(jù)分析和處理更靈活, 且沒有固定的模式21)關(guān)于OLAP勺特性,下面正確的是：(D)(1

7、) 快速性 (2) 可分析性 (3) 多維性 (4) 信息性 (5) 共享性A.(1) (2) (3)B.(2) (3) (4)C.(1) (2) (3) (4)D.(1) (2) (3) (4) (5)22)關(guān)于OLA濟(jì)口 OLTP的區(qū)另J描述,不正確的是：(C)A.OLAPi要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTA而用程序不同B.與OLAP用程序不同，OLTP應(yīng)用程序包含大量相對(duì)簡(jiǎn)單的事務(wù)C.OLAP勺特點(diǎn)在于事務(wù)量大，但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高D.OLA呢以數(shù)據(jù)倉庫為基礎(chǔ)的，但其最終數(shù)據(jù)來源與OLTP-樣均來自底層的數(shù)據(jù)庫系 統(tǒng) , 兩者面對(duì)的用戶是相同的23)關(guān)于OLAPf口

8、 OLTP的說法，下列不正確的是：(A)A.OLAP事務(wù)量大，但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高B.OLAP的最終數(shù)據(jù)來源與 OLTP一樣C.OLTP0對(duì)的是決策人員和高層管理人員D.OLTP以應(yīng)用為核心，是應(yīng)用驅(qū)動(dòng)的24)設(shè)*=1, 2, 3是頻繁項(xiàng)集，則可由X產(chǎn)生(C )個(gè)關(guān)聯(lián)規(guī)則。A.4B.5C.6D.725) 考慮下面的頻繁3- 項(xiàng)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(shù)據(jù)集中只有 5 個(gè)項(xiàng) , 采用 合并策略 , 由候選產(chǎn)生過程得到 4- 項(xiàng)集不包含( C )A.1,2,3,4B.1,2,3,5C.1,2,4,5D.1,

9、3,4,526) 下面選項(xiàng)中 t 不是 s 的子序列的是( C )A.s= t=B.s= t=C.s= t=D.s= t=27) 在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu) , 這樣的任務(wù)稱為 ( B )A. 頻繁子集挖掘 B. 頻繁子圖挖掘C.頻繁數(shù)據(jù)項(xiàng)挖掘D.頻繁模式挖掘28）下列度量不具有反演性的是（D）A.系數(shù) B. 幾率C.Cohen度量D.興趣因子29）下列（A ）不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。A.與同一時(shí)期其他數(shù)據(jù)對(duì)比B.可視化C.基于模板的方法D.主觀興趣度量30）下面購(gòu)物藍(lán)能夠提取的3-項(xiàng)集的最大數(shù)量是多少（C）TID項(xiàng)集1牛奶，啤酒，尿布2面包，黃油，牛奶3牛奶，尿布，餅干4

10、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A.1B.2C.3D.431）以下哪些算法是分類算法（B）A.DBSCAN B.C4.5 C.K-Mean D.EM32）以下哪些分類方法可以較好地避免樣本的不平衡問題（A）A.KNN B.SVM C.Bayes D. 神經(jīng)網(wǎng)絡(luò)33）決策樹中不包含一下哪種結(jié)點(diǎn)（C ）A.根結(jié)點(diǎn)（root node）B.內(nèi)部結(jié)點(diǎn)（internal node ）C. 外部結(jié)點(diǎn)( external node )D. 葉結(jié)點(diǎn)( leaf node )34) 以下哪項(xiàng)關(guān)于決策樹的說法是錯(cuò)誤的 (

11、C)A. 冗余屬性不會(huì)對(duì)決策樹的準(zhǔn)確率造成不利的影響B(tài). 子樹可能在決策樹中重復(fù)多次C. 決策樹算法對(duì)于噪聲的干擾非常敏感D.尋找最佳決策樹是NP完全問題35) 在基于規(guī)則分類器的中 , 依據(jù)規(guī)則質(zhì)量的某種度量對(duì)規(guī)則排序 , 保證每一個(gè)測(cè)試記錄都是由覆蓋它的“最好的”規(guī)格來分類, 這種方案稱為 (B)A. 基于類的排序方案B. 基于規(guī)則的排序方案C. 基于度量的排序方案D. 基于規(guī)格的排序方案。36) 以下哪些算法是基于規(guī)則的分類器(A)A. C4.5 B. KNNC. Naive Bayes D. ANN37) 可用作數(shù)據(jù)挖掘分析中的關(guān)聯(lián)規(guī)則算法有(C) 。A. 決策樹、對(duì)數(shù)回歸、關(guān)聯(lián)模式B

12、. K均值法、SOM申經(jīng)網(wǎng)絡(luò)C. Apriori 算法、 FP-Tree 算法D. RBF神經(jīng)網(wǎng)絡(luò)、K均值法、決策樹38)如果對(duì)屬性值的任一組合，R中都存在一條規(guī)則加以覆蓋，則稱規(guī)則集R中的規(guī)則為(B )A. 無序規(guī)則 B. 窮舉規(guī)則 C. 互斥規(guī)則 D. 有序規(guī)則39) 用于分類與回歸應(yīng)用的主要算法有: ( D )A.Apriori 算法、 HotSpot 算法B.RBF神經(jīng)網(wǎng)絡(luò)、K均值法、決策樹C.K均值法、SOMW經(jīng)網(wǎng)絡(luò)D.決策樹、BP神經(jīng)網(wǎng)絡(luò)、貝葉斯40) 如果允許一條記錄觸發(fā)多條分類規(guī)則 , 把每條被觸發(fā)規(guī)則的后件看作是對(duì)相應(yīng)類的一次投票 , 然后計(jì)票確定測(cè)試記錄的類標(biāo)號(hào), 稱為（A

13、）A. 無序規(guī)則 B. 窮舉規(guī)則 C. 互斥規(guī)則 D. 有序規(guī)則41) 考慮兩隊(duì)之間的足球比賽： 隊(duì) 0 和隊(duì) 1。 假設(shè)65%的比賽隊(duì)0 勝出 , 剩余的比賽隊(duì)1 獲勝。隊(duì) 0 獲勝的比賽中只有30%是在隊(duì)1 的主場(chǎng) , 而隊(duì) 1 取勝的比賽中75%是主場(chǎng)獲勝。如果下一場(chǎng)比賽在隊(duì)1 的主場(chǎng)進(jìn)行隊(duì)1 獲勝的概率為 （C）A.0.75 B.0.35 C.0.4678 D.0.573842）以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN的描述錯(cuò)誤的有（A）A. 神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B. 可以處理冗余特征C.訓(xùn)練ANN一個(gè)很耗時(shí)的過程D. 至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)43） 通過聚集多個(gè)分類器的預(yù)測(cè)

14、來提高分類準(zhǔn)確率的技術(shù)稱為 （A）A. 組合 （ensemble）B.聚集 （aggregate）C. 合并 （combination） D.投票 （voting）44） 簡(jiǎn)單地將數(shù)據(jù)對(duì)象集劃分成不重疊的子集, 使得每個(gè)數(shù)據(jù)對(duì)象恰在一個(gè)子集中 , 這種聚類類型稱作（ B ）A. 層次聚類B. 劃分聚類C. 非互斥聚類D. 模糊聚類45）在基本K均值算法里，當(dāng)鄰近度函數(shù)采用（A ）的時(shí)候，合適的質(zhì)心是簇中各點(diǎn)的中位數(shù)。 A. 曼哈頓距離B. 平方歐幾里德距離C.余弦距離D.Bregman 散度46）（ C ） 是一個(gè)觀測(cè)值, 它與其他觀測(cè)值的差別如此之大, 以至于懷疑它是由不同的機(jī)制產(chǎn)生的。 A

15、. 邊界點(diǎn)B.質(zhì)心C.離群點(diǎn)D.核心點(diǎn)47）BIRCH是一種（ B ）。A. 分類器B.聚類算法C.關(guān)聯(lián)分析算法D.特征選擇算法48） 檢測(cè)一元正態(tài)分布中的離群點(diǎn) , 屬于異常檢測(cè)中的基于（ A ）的離群點(diǎn)檢測(cè)。A. 統(tǒng)計(jì)方法B. 鄰近度C.密度 D.聚類技術(shù)49） （ C ） 將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對(duì)的平均逐對(duì)鄰近度， 它是一種凝聚層 次聚類技術(shù)。A.MIN （單鏈） B.MAX （全鏈）C. 組平均D.Ward 方法50） （ D ）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量, 它是一種凝聚層次聚類技術(shù)。A.MIN （單鏈） B.MAX （全鏈）C. 組平均D.W

16、ard 方法51） 下列算法中，不屬于外推法的是（ B ） 。A. 移動(dòng)平均法B.回歸分析法C. 指數(shù)平滑法D.季節(jié)指數(shù)法52） 關(guān)聯(lián)規(guī)則的評(píng)價(jià)指標(biāo)是： （ C ） 。A. 均方誤差、均方根誤差B. Kappa 統(tǒng)計(jì)、顯著性檢驗(yàn)C. 支持度、置信度D. 平均絕對(duì)誤差、相對(duì)誤差53）關(guān)于K均值和DBSCAN比較，以下說法不正確的是（A ）。A.K 均值丟棄被它識(shí)別為噪聲的對(duì)象，而DBSCA”般聚類所有對(duì)象。B.K均值使用簇的基于原型的概念，而DBSCA使用基于密度的概念。C.K均值很難處理非球形的簇和不同大小的簇 QBSCANT以處理不同大小和不同形狀的 簇。D.K均值可以發(fā)現(xiàn)不是明顯分離的簇，

17、即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN合并有重疊的簇。54）從研究現(xiàn)狀上看，下面不屬于云計(jì)算特點(diǎn)的是（C ）A. 超大規(guī)模B. 虛擬化C.私有化D.高可靠性55） 考慮這么一種情況：一個(gè)對(duì)象碰巧與另一個(gè)對(duì)象相對(duì)接近, 但屬于不同的類, 因?yàn)檫@兩個(gè) 對(duì)象一般不會(huì)共享許多近鄰 , 所以應(yīng)該選擇（ D ）的相似度計(jì)算方法。A. 平方歐幾里德距離B. 余弦距離C.直接相似度 D. 共享最近鄰56） 分析顧客消費(fèi)行業(yè)，以便有針對(duì)性的向其推薦感興趣的服務(wù)，屬于（A ）問題。A. 關(guān)聯(lián)規(guī)則挖掘 B. 分類與回歸C.聚類分析D.時(shí)序預(yù)測(cè)57） 以下哪個(gè)聚類算法不是屬于基于原型的聚類（ D ） 。A.模糊C均

18、值 B.EM算法C.SOMD.CLIQUE58） 關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn) , 下面說法正確的是（ B ） 。A. 當(dāng)簇只包含少量數(shù)據(jù)點(diǎn) , 或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí), 混合模型也能很好地處理。B.混合模型比K均值或模糊c均值更一般，因?yàn)樗梢允褂酶鞣N類型的分布。C. 混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇。D. 混合模型在有噪聲和離群點(diǎn)時(shí)不會(huì)存在問題。59） 以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（ D ） 。A.STINGB.WaveClusterC.MAFIA D.BIRCH60） 一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周圍密度的逆。這是基于（ C ）的離群點(diǎn)定義。A 概率B鄰近度C.密度D.

19、聚類61） 輿情研判，信息科學(xué)側(cè)重（ C ） , 社會(huì)和管理科學(xué)側(cè)重突發(fā)群體事件管理中的群體心理行為及輿論控制研究，新聞傳播學(xué)側(cè)重對(duì)輿論的本體進(jìn)行規(guī)律性的探索和研究。A. 輿論的本體進(jìn)行規(guī)律性的探索和研究B. 輿論控制研究C. 互聯(lián)網(wǎng)文本挖掘和分析技術(shù)D. 用戶行為分析62） MapReduce勺Map函數(shù)產(chǎn)生很多的（C ）A.keyB.valueC.D.Hash63） Mapreduce適用于（D ）A. 任意應(yīng)用程序B. 任意可在 windows servet2008 上運(yùn)行的程序C. 可以串行處理的應(yīng)用程序D. 可以并行處理的應(yīng)用程序64） PageRan思一個(gè)函數(shù)，它對(duì)Web中的每個(gè)網(wǎng)

20、頁賦予一個(gè)實(shí)數(shù)值。它的意圖在于網(wǎng)頁的 PageRankffi高,那么它就（D ）。A. 相關(guān)性越高B. 越不重要C. 相關(guān)性越低D. 越重要X A.一對(duì)一B. 一對(duì)多D. 多對(duì)多 D. 多對(duì)一65） 協(xié)同過濾分析用戶興趣, 在用戶群中找到指定用戶的相似（ 興趣 ） 用戶 , 綜合這些用戶對(duì)某一信息的評(píng)價(jià), 形成系統(tǒng)對(duì)該指定用戶對(duì)此信息的喜好程度（ D ） , 并將這些用戶喜歡的項(xiàng)推薦給有相似興趣的用戶。A. 相似B. 相同C.推薦D. 預(yù)測(cè)66） 大數(shù)據(jù)指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具, 在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并（ B ）成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的信息。

21、A. 收集B.整理C. 規(guī)劃D.聚集67） 大數(shù)據(jù)科學(xué)關(guān)注大數(shù)據(jù)網(wǎng)絡(luò)發(fā)展和運(yùn)營(yíng)過程中（ D ）大數(shù)據(jù)的規(guī)律及其與自然和社會(huì)活動(dòng)之間的關(guān)系。A. 大數(shù)據(jù)網(wǎng)絡(luò)發(fā)展和運(yùn)營(yíng)過程C. 規(guī)律和驗(yàn)證68） 大數(shù)據(jù)的價(jià)值是通過數(shù)據(jù)共享、B.規(guī)劃建設(shè)運(yùn)營(yíng)管理D.發(fā)現(xiàn)和驗(yàn)證D ）后獲取最大的數(shù)據(jù)價(jià)值A(chǔ). 算法共享B. 共享應(yīng)用C. 數(shù)據(jù)交換D. 交叉復(fù)用69） 社交網(wǎng)絡(luò)產(chǎn)生了海量用戶以及實(shí)時(shí)和完整的數(shù)據(jù), 同時(shí)社交網(wǎng)絡(luò)也記錄了用戶群體的（ C ） , 通過深入挖掘這些數(shù)據(jù)來了解用戶 , 然后將這些分析后的數(shù)據(jù)信息推給需要的品牌商家或是微博營(yíng)銷公司。A. 地址B.行為C. 情緒D.來源70） 通過數(shù)據(jù)收集和展示數(shù)據(jù)

22、背后的 （ D ） , 運(yùn)用豐富的、 具有互動(dòng)性的可視化手段數(shù)據(jù)新聞學(xué)成為新聞學(xué)作為一門新的分支進(jìn)入主流媒體 , 即用數(shù)據(jù)報(bào)道新聞。A. 數(shù)據(jù)收集B. 數(shù)據(jù)挖掘C. 真相D. 關(guān)聯(lián)與模式71） CRISP-DM真型中Evaluation表示對(duì)建立的模型進(jìn)行評(píng)估，重點(diǎn)具體考慮得出的結(jié)果是否符合（ C ）的商業(yè)目的。A. 第二步B.第三步C. 第一步D.最后一步72） 發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的算法通常要經(jīng)過以下三個(gè)步驟：連接數(shù)據(jù), 作數(shù)據(jù)準(zhǔn)備；給定最小支持度和（ D ） , 利用數(shù)據(jù)挖掘工具提供的算法發(fā)現(xiàn)關(guān)聯(lián)規(guī)則；可視化顯示、理解、評(píng)估關(guān)聯(lián)規(guī)則A. 最小興趣度B. 最小置信度C. 最大支持度D. 最小可信度

23、73） 規(guī)則 I-j, “有可能” , 等于所有包含 I 的購(gòu)物籃中同時(shí)包含 J 的購(gòu)物籃的比例, 為（ B ）。A. 置信度B. 可信度C. 興趣度D. 支持度74） 如果一個(gè)匹配中 , 任何一個(gè)節(jié)點(diǎn)都不同時(shí)是兩條或多條邊的端點(diǎn) , 也稱作（ C ）A. 極大匹配B. 二分匹配C完美匹配D.極小匹配75） 只要具有適當(dāng)?shù)恼咄苿?dòng), 大數(shù)據(jù)的使用將成為未來提高競(jìng)爭(zhēng)力、生產(chǎn)力、創(chuàng)新能力以及（ D ）的關(guān)鍵要素。A. 提高消費(fèi)B. 提高GDPC. 提高生活水平D. 創(chuàng)造消費(fèi)者盈余76） 個(gè)性化推薦系統(tǒng)是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái) , 以幫助（ D ）為其顧客購(gòu)物提供完全個(gè)性化的

24、決策支持和信息服務(wù)。A. 公司B. 各單位C. 跨國(guó)企業(yè)D. 電子商務(wù)網(wǎng)站77） 云計(jì)算是對(duì)（ D ）技術(shù)的發(fā)展與運(yùn)用A. 并行計(jì)算B. 網(wǎng)格計(jì)算C. 分布式計(jì)算D. 三個(gè)選項(xiàng)都是78） （ B ）是 Google 提出的用于處理海量數(shù)據(jù)的并行編程模式和大規(guī)模數(shù)據(jù)集的并行運(yùn)算的軟件架構(gòu)。A.GFSB.MapReduceC.Chubby D.BitTable79） 在 Bigtable 中， （ A ）主要用來存儲(chǔ)子表數(shù)據(jù)以及一些日志文件A. GFSB. ChubbyC.SSTable D.MapReduce二、判斷題（ 40 題）1） 分類是預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類別，預(yù)測(cè)是用于數(shù)據(jù)對(duì)象的連續(xù)取值

25、。 （ 對(duì) ）2） 時(shí)序預(yù)測(cè)回歸預(yù)測(cè)一樣，也是用已知的數(shù)據(jù)預(yù)測(cè)未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。（ 錯(cuò) ）3） 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) ）4） 對(duì)遺漏數(shù)據(jù)的處理方法主要有：忽略該條記錄；手工填補(bǔ)遺漏值；利用默認(rèn)值填補(bǔ)遺漏值；利用均值填補(bǔ)遺漏值；利用同類別均值填補(bǔ)遺漏值；利用最可能的值填充遺漏值。（對(duì)）5） 神經(jīng)網(wǎng)絡(luò)對(duì)噪音數(shù)據(jù)具有高承受能力，并能對(duì)未經(jīng)過訓(xùn)練的數(shù)據(jù)具有分類能力，但其需要很長(zhǎng)的訓(xùn)練時(shí)間，因而對(duì)于有足夠長(zhǎng)訓(xùn)練時(shí)間的應(yīng)用更合適。（ 對(duì)）6） 數(shù)據(jù)分類由兩步過程組成： 第一步， 建立一個(gè)聚類模型， 描述

26、指定的數(shù)據(jù)類集或概念集；第二步，使用模型進(jìn)行分類。 （ 錯(cuò) ）7） 聚類是指將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的過程。 （ 對(duì) ）8） 決策樹方法通常用于關(guān)聯(lián)規(guī)則挖掘。 （ 錯(cuò)）9） 數(shù)據(jù)規(guī)范化指將數(shù)據(jù)按比例縮放 （ 如更換大單位） ，使之落入一個(gè)特定的區(qū)域（如 0-1 ）以提高數(shù)據(jù)挖掘效率的方法。 規(guī)范化的常用方法有： 最大 - 最小規(guī)范化、 零- 均值規(guī)范化、小數(shù)定標(biāo)規(guī)范化。（ 對(duì) ）10） 原始業(yè)務(wù)數(shù)據(jù)來自多個(gè)數(shù)據(jù)庫或數(shù)據(jù)倉庫，它們的結(jié)構(gòu)和規(guī)則可能是不同的，這將導(dǎo)致原始數(shù)據(jù)非常的雜亂、不可用，即使在同一個(gè)數(shù)據(jù)庫中，也可能存在重復(fù)的和不完整的數(shù)據(jù)信息，為了使這些數(shù)據(jù)能夠

27、符合數(shù)據(jù)挖掘的要求，提高效率和得到清晰的結(jié)果，必須進(jìn)行數(shù)據(jù)的預(yù)處理。 （ 對(duì) ）11） 數(shù)據(jù)取樣時(shí)，除了要求抽樣時(shí)嚴(yán)把質(zhì)量關(guān)外，還要求抽樣數(shù)據(jù)必須在足夠范圍內(nèi)有代表性。 （ 對(duì) ）12） 分類規(guī)則的挖掘方法通常有：決策樹法、貝葉斯法、人工神經(jīng)網(wǎng)絡(luò)法、粗糙集法和遺傳算法。 （ 對(duì) ）13） 可信度是對(duì)關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。 （ 錯(cuò) ）14） 孤立點(diǎn)在數(shù)據(jù)挖掘時(shí)總是被視為異常、無用數(shù)據(jù)而丟棄。 （ 錯(cuò) ）15） Apriori 算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。 （ 對(duì) ）16） 用于分類的離散化方法之間的根本區(qū)別在于是否使用類信息。 （對(duì)）17） 特征提取技術(shù)并不依賴于特定的領(lǐng)域。 （錯(cuò)）18

28、） 模型的具體化就是預(yù)測(cè)公式， 公式可以產(chǎn)生與觀察值有相似結(jié)構(gòu)的輸出， 這就是預(yù)測(cè)值。（對(duì)）19） 文本挖掘又稱信息檢索，是從大量文本數(shù)據(jù)中提取以前未知的、有用的、可理解的、可操作的知識(shí)的過程。 （錯(cuò)）20） 定量屬性可以是整數(shù)值或者是連續(xù)值。 （對(duì)）21） 可視化技術(shù)對(duì)于分析的數(shù)據(jù)類型通常不是專用性的。 （錯(cuò)）22） OLA眼術(shù)側(cè)重于把數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析、轉(zhuǎn)換成輔助決策信息，是繼數(shù)據(jù)庫技術(shù)發(fā)展之后迅猛發(fā)展起來的一種新技術(shù)。 （對(duì)）23） Wet據(jù)挖掘是通過數(shù)據(jù)庫仲的一些屬性來預(yù)測(cè)另一個(gè)屬性，它在驗(yàn)證用戶提出的假設(shè)過程中提取信息。 （錯(cuò)）24） 關(guān)聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)

29、集代表的規(guī)則。 （錯(cuò)）25） 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)）26） 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)）27） 回歸分析通常用于挖掘關(guān)聯(lián)規(guī)則。 （錯(cuò)）28） 具有較高的支持度的項(xiàng)集具有較高的置信度。 （錯(cuò)）29） 維歸約可以去掉不重要的屬性，減少數(shù)據(jù)立方體的維數(shù)，從而減少數(shù)據(jù)挖掘處理的數(shù)據(jù)量，提高挖掘效率。 （對(duì)）30） 聚類（ clustering ）是這樣的過程：它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型（ 或函數(shù) ） ，以便能夠使用模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類。 （錯(cuò)）31）對(duì)于SVg類算法，待分樣本集中的大部分樣本

30、不是支持向量，移去或者減少這些樣本對(duì)分類結(jié)果沒有影響。 （對(duì)）32） Bayes 法是一種在已知后驗(yàn)概率與類條件概率的情況下的模式分類方法，待分樣本的分類結(jié)果取決于各類域中樣本的全體。 （ 錯(cuò)）33） 在決策樹中，隨著樹中結(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)誤差開始增大，這是出現(xiàn)了模型擬合不足的問題。 （錯(cuò)）34） 在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差。 （錯(cuò)）35） 聚類分析可以看作是一種非監(jiān)督的分類。 （對(duì)）36） K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個(gè)數(shù)由算法自動(dòng)地確定。（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

31、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)象是基于聚類的離群點(diǎn)。 （對(duì)）39） 大數(shù)據(jù)的4V 特點(diǎn)是Volume、 Velocity 、 Variety 、 Veracity 。 （對(duì)）40） 聚類分析的相異度矩陣是用于存儲(chǔ)所有對(duì)象兩兩之間相異度的矩陣，為一個(gè)nn 維的單模矩陣。 （對(duì)）三、多選題（共30 題）1) 噪聲數(shù)據(jù)的產(chǎn)生原因主要有：（ ABCD）A. 數(shù)據(jù)采集設(shè)備有問題B. 在數(shù)據(jù)錄入過程中發(fā)生了人為或計(jì)算機(jī)錯(cuò)誤C. 數(shù)據(jù)傳輸過程中發(fā)生錯(cuò)誤D. 由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致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)出數(shù)據(jù)的某

32、一特征的表示這個(gè)過程包括了以下哪些步驟？ （A B C D）A. 選擇一個(gè)算法過程使評(píng)分函數(shù)最優(yōu)B.決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞C.決定要使用的表示的特征和結(jié)構(gòu)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)主要包括哪幾大類問題？ (A B)A. 分類B. 回歸C. 聚類D. 關(guān)聯(lián)規(guī)則挖掘4) 下列屬于不同的有序數(shù)據(jù)的有： (A B C D)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)5) 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6下面屬于維歸約常用的處理技術(shù)的有：(A

33、 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7 噪聲數(shù)據(jù)處理的方法主要有： ( ABDA.分箱 B. 聚類C.關(guān)聯(lián)分析D. 回歸ABCD 等方面。8 數(shù)據(jù)挖掘的主要功能包括概念描述、趨勢(shì)分析、孤立點(diǎn)分析及(C.聚類分析D.偏差分析9）以下各項(xiàng)均是針對(duì)數(shù)據(jù)倉庫的不同說法，你認(rèn)為正確的有（BCD ）。A .數(shù)據(jù)倉庫就是數(shù)據(jù)庫B .數(shù)據(jù)倉庫是一切商業(yè)智能系統(tǒng)的基礎(chǔ)C .數(shù)據(jù)倉庫是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTPD .數(shù)據(jù)倉庫支持決策而非事務(wù)處理10）聯(lián)機(jī)分析處理包括（BCD ）基本分析功能。A.聚類B.切片C.轉(zhuǎn)軸D.切塊11）利用Apriori算法計(jì)算頻繁項(xiàng)集可

34、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)生支才I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 ）TID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4面包、牛奶、尿布、啤酒5面包、牛奶、尿布、可樂A.啤酒、尿布B.啤酒、面包C.面包、尿布D.啤酒、牛奶12）下表是一個(gè)購(gòu)物籃，假定支持度閾值為40%,其中（AD ）是頻繁閉項(xiàng)集ID項(xiàng)集1面包、牛奶、尿布2面包、牛奶、尿布、啤酒3牛奶、尿布、雞蛋4面包、尿布、啤酒、雞蛋5啤酒、雞蛋A. 面包、牛奶、尿布B. 面包、啤酒C.尿布、啤酒 D.啤酒、雞蛋13） Apriori 算法的計(jì)算復(fù)雜度受（ ABCD

35、） 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14）以下關(guān)于非頻繁模式說法, 正確的是（ 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15）以下屬于分類器評(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16）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)模型的過分問題非常魯棒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17）如下哪些不是最近鄰分類器的特點(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.分類一個(gè)測(cè)試樣例開銷很大C.最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè)D.可以生產(chǎn)任意形狀的決策邊界18）以下屬于聚類算法的是（AB ） 。A.K-Means B.DBSCANC.AprioriD.KNN19） （ CD ）都屬于簇有效性的監(jiān)督度量。A. 輪廓系數(shù)B.共