數(shù)據(jù)挖掘知識點概況及試題

1、第一章1、數(shù)據(jù)倉庫就是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合。2、元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉庫提供了一個信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉庫的元數(shù)據(jù)分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)兩類。3、數(shù)據(jù)處理通常分成兩大類：聯(lián)機(jī)事務(wù)處理和聯(lián)機(jī)分析處理。4、多維分析是指以“維”形式組織起來的數(shù)據(jù)（多維數(shù)據(jù)集）采取切片、切塊、鉆取和旋轉(zhuǎn)等各種分析動作，以求剖析數(shù)據(jù)，使擁護(hù)能從不同角度、不同側(cè)面觀察數(shù)據(jù)倉庫中的數(shù)據(jù)，從而深入理解多維數(shù)據(jù)集中的信息。5、ROLA加基于關(guān)系數(shù)據(jù)庫的 OLA改現(xiàn)，而MOLA謔基于多維數(shù)據(jù)結(jié)構(gòu)組織的OLAP實現(xiàn)。6、數(shù)據(jù)倉庫按照

2、其開發(fā)過程，其關(guān)鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)存儲于管理和數(shù)據(jù)表現(xiàn)等。7、數(shù)據(jù)倉庫系統(tǒng)的體系結(jié)構(gòu)根據(jù)應(yīng)用需求的不同，可以分為以下4 種類型：兩層架構(gòu)、獨立型數(shù)據(jù)集合、以來型數(shù)據(jù)結(jié)合和操作型數(shù)據(jù)存儲和邏輯型數(shù)據(jù)集中和實時數(shù)據(jù)倉庫。8、操作型數(shù)據(jù)存儲實際上是一個集成的、面向主題的、可更新的、當(dāng)前值的（但是可“揮發(fā)”的） 、企業(yè)級的、詳細(xì)的數(shù)據(jù)庫，也叫運營數(shù)據(jù)存儲。9、 “實時數(shù)據(jù)倉庫”以為著源數(shù)據(jù)系統(tǒng)、決策支持服務(wù)和倉庫倉庫之間以一個接近實時的速度交換數(shù)據(jù)和業(yè)務(wù)規(guī)則。10、 從應(yīng)用的角度看，數(shù)據(jù)倉庫的發(fā)展演變可以歸納為5 個階段： 以報表為主、以分析為主、以預(yù)測模型為主、以運營導(dǎo)向為主和以實時數(shù)據(jù)倉庫和

3、自動決策為主。第二章1、調(diào)和數(shù)據(jù)是存儲在企業(yè)級數(shù)據(jù)倉庫和操作型數(shù)據(jù)存儲中的數(shù)據(jù)。2、抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應(yīng)用提供一個單一的、權(quán)威數(shù)據(jù)源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)（即調(diào)和數(shù)據(jù)層）是詳細(xì)的、歷史的、規(guī)范的、可理解的、即時的和質(zhì)量可控制的。3、數(shù)據(jù)抽取的兩個常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù)據(jù)倉庫，增量抽取用于進(jìn)行數(shù)據(jù)倉庫的維護(hù)。4、粒度是對數(shù)據(jù)倉庫中數(shù)據(jù)的綜合程度高低的一個衡量。粒度越小，細(xì)節(jié)程度越高，綜合程度越低，回答查詢的種類越多。5、使用星型模式可以從一定程度上提高查詢效率。因為星型模式中數(shù)據(jù)的組織已經(jīng)經(jīng)過預(yù)處理，主要數(shù)據(jù)都在龐大的事實表中。6、

4、維度表一般又主鍵、分類層次和描述屬性組成。對于主鍵可以選擇兩種方式：一種是采用自然鍵，另一種是采用代理鍵。7、雪花型模式是對星型模式維表的進(jìn)一步層次化和規(guī)范化來消除冗余的數(shù)據(jù)。8、數(shù)據(jù)倉庫中存在不同綜合級別的數(shù)據(jù)。一般把數(shù)據(jù)分成4 個級別：早期細(xì)節(jié)級、當(dāng)前細(xì)節(jié)級、輕度綜合級和高度綜合級。第三章1、 SQL Server SSAS 提供了所有業(yè)務(wù)數(shù)據(jù)的同意整合試圖，可以作為傳統(tǒng)報表、在線分析處理、關(guān)鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。2、數(shù)據(jù)倉庫的概念模型通常采用信息包圖法來進(jìn)行設(shè)計，要求將其5 個組成部分（包括名稱、維度、類別、層次和度量）全面地描述出來。3、數(shù)據(jù)倉庫的邏輯模型通常采用星型圖法

5、來進(jìn)行設(shè)計，要求將星型的各類邏輯實體完整地描述出來。4、按照事實表中度量的可加性情況，可以把事實表對應(yīng)的事實分為4 種類型：事務(wù)事實、快照事實、線性項目事實和事件事實。5、確定了數(shù)據(jù)倉庫的粒度模型以后，為提高數(shù)據(jù)倉庫的使用性能，還需要根據(jù)擁護(hù)需求設(shè)計聚合模型。6、在項目實施時，根據(jù)事實表的特點和擁護(hù)的查詢需求，可以選用時間、業(yè)務(wù)類型、區(qū)域和下屬組織等多種數(shù)據(jù)分割類型。7、當(dāng)維表中的主鍵在事實表中沒有與外鍵關(guān)聯(lián)時，這樣的維稱為退化維。它于事實表并無關(guān)系，但有時在查詢限制條件（如訂單號碼、出貨單編號等）中需要用到。8、維度可以根據(jù)其變化快慢分為元變化維度、緩慢變化維度和劇烈變化維度三類。9、數(shù)據(jù)倉

6、庫的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更新，可以通過設(shè)計和優(yōu)化索引結(jié)構(gòu)來提高數(shù)據(jù)存取性能。10、 數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲優(yōu)化方法包括表的歸并與簇文件、反向規(guī)范化引入冗余、表的物理分割（分區(qū)）。第四章1、關(guān)聯(lián)規(guī)則的經(jīng)典算法包括Apriori 算法和 FP-growth 算法 , 其中 FP-grownth 算法的效率更高。2、如果L2=a,b,a,c,a,d,b,c,b,d,則連接產(chǎn)生的C3=a,b,c,a,b,d,a,c,d,b,c,d再經(jīng)過修剪，C3=a,b,c,a,b,d3、設(shè)定supmin=50%,交易集如則 L1=A ， B ， C L2=A,CT1A B CT2A CT3A DT4B

7、E F第五章1、分類的過程包括獲取數(shù)據(jù)、預(yù)處理、分類器設(shè)計和分類決策。2、分類器設(shè)計階段包含三個過程：劃分?jǐn)?shù)據(jù)集、分類器構(gòu)造和分類器測試。3、分類問題中常用的評價準(zhǔn)則有精確度、查全率和查準(zhǔn)率和集合均值。4、支持向量機(jī)中常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。第六章1、聚類分析包括連續(xù)型、二值離散型、多值離散型和混合類型4 種類型描述屬性的相似度計算方法。2、連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。3、劃分聚類方法對數(shù)據(jù)集進(jìn)行聚類時包含三個要點：選種某種距離作為數(shù)據(jù)樣本減的相似性度量、 選擇評價聚類性能的準(zhǔn)則函數(shù)和選擇某個初始分類，之后用迭代的方法得到聚

8、類結(jié)果，使得評價聚類的準(zhǔn)則函數(shù)取得最優(yōu)值。4、層次聚類方法包括凝聚型和分解型兩中層次聚類方法。填空題 20 分，簡答題25 分，計算題2 個（ 25 分） ，綜合題30 分1、數(shù)據(jù)倉庫的組成P2數(shù)據(jù)倉庫數(shù)據(jù)庫，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問工具，數(shù)據(jù)集市，數(shù)據(jù)倉庫管理，信息發(fā)布系統(tǒng)2、數(shù)據(jù)挖掘技術(shù)對聚類分析的要求有哪幾個方面P131可伸縮性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀聚類的能力；減小對先驗知識和用戶自定義參數(shù)的依賴性；處理噪聲數(shù)據(jù)的能力；可解釋性和實用性3、數(shù)據(jù)倉庫在存儲和管理方面的特點與關(guān)鍵技術(shù)P7數(shù)據(jù)倉庫面對的是大量數(shù)據(jù)的存儲與管理并行處理針對決策支持查詢的優(yōu)化支持多維分析的查詢模式

9、4、常見的聚類算法可以分為幾類P132基于劃分的聚類算法，基于層次的聚類算法，基于密度的聚類算法，基于網(wǎng)格的聚類算法， 基于模型的聚類算法 等。5、一個典型的數(shù)據(jù)倉庫系統(tǒng)的組成P12數(shù)據(jù)源、數(shù)據(jù)存儲與管理、OLAP服務(wù)器、前端工具與應(yīng)用數(shù)據(jù)倉庫常見的存儲優(yōu)化方法P71表的歸并與簇文件；反向規(guī)范化，引入冗余；表的物理分割。數(shù)據(jù)倉庫發(fā)展演變的 5個階段P20以報_表為主以分析為主以預(yù)測模型為主以運行向?qū)橹饕詫崟r數(shù)據(jù)倉庫、自動決策應(yīng)用為主ID3算法主要存在的缺點 P116(1) ID3算法在選擇根結(jié)點和各內(nèi)部結(jié)點中的分枝屬性時，使用信息增益作為評價標(biāo)準(zhǔn)。信息增益的缺點是傾向于選擇取值較多的屬性，在

10、有些情況下這類屬性可能不會提供太多有價值的信息。(2) ID3算法只能對描述屬性為離散型屬性的數(shù)據(jù)集構(gòu)造決策樹。簡述數(shù)據(jù)倉庫ETL軟件的主要功能和對產(chǎn)生數(shù)據(jù)的目標(biāo)要求。P30ETL軟件的主要功能：數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載對產(chǎn)生數(shù)據(jù)的目標(biāo)要求：詳細(xì)的、歷史的、規(guī)范化的、可理解的、即時的、質(zhì)量可控制的簡述分類器設(shè)計階段包含的3個過程。劃分?jǐn)?shù)據(jù)集，分類器構(gòu)造，分類器測試什么是數(shù)據(jù)清洗P33*數(shù)據(jù)清洗是一種使用模式識別和其他技術(shù)，在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉庫之前來升級原始數(shù)據(jù)質(zhì)量的技術(shù)。支持度和置信度的計算公式及數(shù)據(jù)計算(P90)找出所有的規(guī)則 X Y ,使支持度和置信度分別大于門限支持度

11、：事務(wù)中X和Y同時發(fā)生的比例，P(X ? Y)置信度：項集 X發(fā)生時，Y同時發(fā)生的條件概率 P(Y|X)Example:Beer(0.4, 0.67)P57Support(X I Y) c(X Y)Milk , Diaper13、利用信息包圖設(shè)計翹pport&A型需要確定的三方面內(nèi)容。確定指標(biāo)，確定維度，確定類別14、K-近鄰分類方法的操作步驟(包括算法的輸入和輸出)。P12815、什么是技術(shù)元數(shù)據(jù)，主要包含的內(nèi)容P29技術(shù)元數(shù)據(jù)是描述關(guān)于數(shù)據(jù)倉庫技術(shù)細(xì)節(jié)的數(shù)據(jù)，應(yīng)用于開發(fā)、管理和維護(hù)Dvy包含:DW結(jié)構(gòu)的描述，如DW的模式、視圖、維、層次結(jié)構(gòu)和導(dǎo)出數(shù)據(jù)的定義，數(shù)據(jù)集市的位置和內(nèi)容等業(yè)務(wù)系統(tǒng)、

12、D怖口數(shù)據(jù)集市的體系結(jié)構(gòu)和模式匯總算法。包括度量和維定義算法，數(shù)據(jù)粒度、主題領(lǐng)域、聚合、匯總和預(yù)定義的查詢和報告。由操作型業(yè)務(wù)環(huán)境到數(shù)據(jù)倉庫業(yè)務(wù)環(huán)境的映射。包括源數(shù)據(jù)和他們的內(nèi)容、數(shù)據(jù)分割、數(shù)據(jù)提取、清洗、轉(zhuǎn)換規(guī)則和數(shù)據(jù)刷新規(guī)則及安全（用戶授權(quán)和存取控制）16、業(yè)務(wù)元數(shù)據(jù)主要包含的內(nèi)容P29業(yè)務(wù)元數(shù)據(jù)：從業(yè)務(wù)角度描述了DW中的數(shù)據(jù)，提供了介于使用者和實際系統(tǒng)之間的語義層，主要包括：使用者的業(yè)務(wù)屬于所表達(dá)的數(shù)據(jù)模型、對象名和屬性名訪問數(shù)據(jù)的原則和數(shù)據(jù)的來源系統(tǒng)提供的分析方法及公式和報表的信息。17、K-means算法的基本操作步驟（包括算法的輸入和輸出）。P138*18、數(shù)據(jù)從集結(jié)區(qū)加載到數(shù)據(jù)倉

13、庫中的主要方法P36SQL命令（如 Insert 或 Update）由DW供應(yīng)商或第三方提供專門的加載工具由DW管理員編寫自定義程序19、多維數(shù)據(jù)模型中的基本概念：維，維類別，維屬性，粒度P37維：人們觀察數(shù)據(jù)的特定角度，是考慮問題的一類屬性，如時間維或產(chǎn)品維維類別：也稱維分層。即同一維度還可以存在細(xì)節(jié)程度不同的各個類別屬性（如時間維包括年、季度、月等）維屬性：是維的一個取值，是數(shù)據(jù)線在某維中位置的描述。粒度：DW數(shù)據(jù)綜合程度高低的一個衡量。粒度低，細(xì)節(jié)程度高，回答查詢的種類多20、Apriori算法的基本操作步驟 P93支Apriori使用一種稱作逐層搜索的迭代方法，K項集用于探索K+1項集

14、。該方法是基于候選的策略，降低候選數(shù)Apriori 剪枝原則：若任何項集是非頻繁的，則其超集必然是非頻繁的（不用產(chǎn)生和測試超集）該原則基于以下支持度的特性:X,Y :（X Y） s（X） s（Y）項集的支持度不會超過其子集支持度的反單調(diào)特性（ anti-monotone ） ： 如果一個集合不能通過測試，則它的所有超集也都不能通過相同的測試。令 k=1產(chǎn)生長度為1 的頻繁項集循環(huán)，直到無新的頻繁項集產(chǎn)生從長度為k 的頻繁項集產(chǎn)生長度為k+1 的候選頻繁項集連接步：項集的各項排序，前k-1 個項相同若候選頻繁子集包含長度為k 的非頻繁子集，則剪枝剪枝步：利用支持度屬性原則掃描數(shù)據(jù)庫，計算每個候選

15、頻繁集的支持度刪除非頻繁項, 保留頻繁項單選題1. 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購買尿布，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2. 以下兩種描述分別對應(yīng)哪兩種對分類算法的評價標(biāo)準(zhǔn)(A)(a) 警察抓小偷，描述警察抓的人中有多少個是小偷的標(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, PrecisionA. Precision, ROC D. Recall, ROC3. 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務(wù)(C)A. 頻繁模式

16、挖掘B. 分類和預(yù)測C. 數(shù)據(jù)預(yù)處理D. 數(shù)據(jù)流挖掘4. 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時，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5. 什么是 KDD (A)A. 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)B. 領(lǐng)域知識發(fā)現(xiàn)C. 文檔知識發(fā)現(xiàn)D. 動態(tài)知識發(fā)現(xiàn)6. 使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進(jìn)行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)(A)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測建模D. 尋找模式和規(guī)則7. 為數(shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務(wù)(B)A. 探索性數(shù)據(jù)分析B. 建模描述C. 預(yù)測建模D. 尋找模式

17、和規(guī)則8. 建立一個模型，通過這個模型根據(jù)已知的變量值來預(yù)測其他某個變量值屬于數(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)測建模D. 尋找模式和規(guī)則9. 用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務(wù) (A)A. 根據(jù)內(nèi)容檢索B. 建模描述C. 預(yù)測建模D. 尋找模式和規(guī)則11. 下面哪種不屬于數(shù)據(jù)預(yù)處理的方法(D)A變量代換 B離散化C聚集D估計遺漏值12. 假設(shè) 12 個銷售價格記錄組已經(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箱。等頻 (等

18、深)劃分時，15 在第幾個箱子內(nèi)(B)A 第一個B 第二個C 第三個 D 第四個13. 上題中，等寬劃分時(寬度為50) ， 15 又在哪個箱子里(A)A 第一個B 第二個C 第三個 D 第四個14. 下面哪個不屬于數(shù)據(jù)的屬性類型：(D)A 標(biāo)稱 B 序數(shù) C 區(qū)間 D 相異15. 在上題中，屬于定量的屬性類型是：(C)A 標(biāo)稱 B 序數(shù) C 區(qū)間 D 相異16. 只有非零值才重要的二元屬性被稱作：( C )A 計數(shù)屬性B 離散屬性C 非對稱的二元屬性D 對稱屬性17. 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 抽樣18. 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：(B)

19、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19. 考慮值集1、2、3、4、5、90,其截斷均值(p=20%是(C) A 2 B 3 C D 520. 下面哪個屬于映射數(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21. 熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是：(B)A 1 比特 B 比特 C 比特 D 比特22. 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)。對屬性income 的 73600 元將被轉(zhuǎn)化為：(D)A B C D23. 假定

20、用于分析的數(shù)據(jù)包含屬性age。 數(shù)據(jù)元組中age 的值如下(按遞增序)： 13， 15， 16，24. 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(shù)據(jù)進(jìn)行平滑，箱的深度為3。 第二個箱子值為：(A)A B C D71. 考慮值集12 24 33 2 4 55 68 26 ，其四分位數(shù)極差是：(A)A 31 B 24 C 55 D 372. 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級200 人，二年級160 人， 三年級 130 人， 四年級 110

21、人。則年級屬性的眾數(shù)是：(A)A 一年級B 二年級C 三年級D 四年級73. 下列哪個不是專門用于可視化時間空間數(shù)據(jù)的技術(shù)：(B)A 等高線圖B 餅圖 C 曲面圖 D 矢量場圖74. 在抽樣方法中，當(dāng)合適的樣本容量很難確定時，可以使用的抽樣方法是：(D)A 有放回的簡單隨機(jī)抽樣B 無放回的簡單隨機(jī)抽樣C 分層抽樣D 漸進(jìn)抽樣75. 數(shù)據(jù)倉庫是隨著時間變化的, 下面的描述不正確的是(C)A. 數(shù)據(jù)倉庫隨時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)會隨著時間的變化不斷地進(jìn)行重新

22、綜合.76. 關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指: (D)A. 基本元數(shù)據(jù)與數(shù)據(jù)源, 數(shù)據(jù)倉庫, 數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;B. 基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息C. 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息D. 基本元數(shù)據(jù)包括關(guān)于裝載和更新處理, 分析處理以及管理方面的信息.77. 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)程度和級別;B. 數(shù)據(jù)越詳細(xì), 粒度就越小, 級別也就越高;C. 數(shù)據(jù)綜合度越高, 粒度也就越大, 級別也就越高;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.78. 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點,

23、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79. 在有關(guān)數(shù)據(jù)倉庫測試, 下列說法不正確的是: (D)A. 在完成數(shù)據(jù)倉庫的實施過程中, 需要對數(shù)據(jù)倉庫進(jìn)行各種測試. 測試工作中要包括單元測試和系統(tǒng)測試.B. 當(dāng)數(shù)據(jù)倉庫的每個單獨組件完成后, 就需要對他們進(jìn)行單元測試.C. 系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進(jìn)行大量的功能測試和回歸測試.D. 在測試之前

24、沒必要制定詳細(xì)的測試計劃.80. OLAP 技術(shù)的核心是: (D)A. 在線性 ;B. 對用戶的快速響應(yīng);C. 互操作性.D. 多維分析;81. 關(guān)于OLAP的特性,下面正確的是：(D)(1) 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)82. 關(guān)于OLA可口 OLTP的區(qū)別描述,不正確的是：(C)A. OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAPS用程序不同.B.與OLAP應(yīng)用程序不同，OLTP應(yīng)用程序包含大量相對簡單的

25、事務(wù).C. OLAP 的特點在于事務(wù)量大, 但事務(wù)內(nèi)容比較簡單且重復(fù)率高.D. OLAP是以數(shù)據(jù)倉庫為基礎(chǔ)的，但其最終數(shù)據(jù)來源與 OLTP一樣均來自底層的數(shù)據(jù)庫系統(tǒng)兩者面對的用戶是相同的.36. OLAM 技術(shù)一般簡稱為”數(shù)據(jù)聯(lián)機(jī)分析挖掘”, 下面說法正確的是: (D)A. OLAP和OLAMTB基于客戶機(jī)/服務(wù)器模式，只有后者有與用戶的交互性 ；B.由于OLAM勺立方體和用于 OLAP勺立方體有本質(zhì)的區(qū)別.C.基于 WEB勺OLAM WE眼術(shù)與 OLA雌術(shù)的結(jié)合.D. OLAM艮務(wù)器通過用戶圖形借口接收用戶的分析指令，在元數(shù)據(jù)白知道下，對超級立方體作一定的操作.37 .關(guān)于OLA可口 OLT

26、P的說法，下列不正確的是：(A)A. OLAP 事務(wù)量大, 但事務(wù)內(nèi)容比較簡單且重復(fù)率高.B. OLAP的最終數(shù)據(jù)來源與 OLTP不一樣.C. OLTP 面對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)動的.38 .設(shè)*=1, 2, 3是頻繁項集，則可由X產(chǎn)生_(C)_個關(guān)聯(lián)規(guī)則。A、 4 B 、 5 C、 6 D、 740. 概念分層圖是_(B)_ 圖。A 無向無環(huán) B、有向無環(huán) C、有向有環(huán) D、無向有環(huán)41. 頻繁項集、頻繁閉項集、最大頻繁項集之間的關(guān)系是：(C)A、頻繁項集頻繁閉項集=最大頻繁項集日頻繁項集=頻繁閉項集最大頻繁項集C頻繁項集頻繁閉項集最大頻繁項集

27、D頻繁項集=頻繁閉項集=最大頻繁項集42. 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(shù)據(jù)集中只有5 個項，采用合并策略，由候選產(chǎn)生過程得到4-項集不包含(C)A、 1， 2， 3， 4 B 、 1， 2， 3， 5 C、 1， 2， 4， 5 D、 1， 3， 4， 543. 下面選項中t 不是 s 的子序列的是( C )A、 s= t=B、 s= t=C、 s= t=D、 s= t=44. 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

28、、頻繁子圖挖掘 C、頻繁數(shù)據(jù)項挖掘 D、頻繁模式挖掘45. 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46. 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、與同一時期其他數(shù)據(jù)對比日可視化C基于模板的方法D主觀興趣度量47. 下面購物籃能夠提取的3-項集的最大數(shù)量是多少(C)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A、 1 B 、 2 C、 3 D、 448. 以下哪些算法是

29、分類算法，A， DBSCAN B，C,K-Mean D,EM ( B)49. 以下哪些分類方法可以較好地避免樣本的不平衡問題，A， KNN B， SVM C， Bayes D，神經(jīng)網(wǎng)絡(luò)( A)50. 決策樹中不包含一下哪種結(jié)點，A, 根結(jié)點(root node) B, 內(nèi)部結(jié)點(internal node )C, 外部結(jié)點(external node ) D, 葉結(jié)點(leaf node ) (C)51. 不純性度量中Gini 計算公式為(其中c 是類的個數(shù))(A)A, B, C, D,( A)53. 以下哪項關(guān)于決策樹的說法是錯誤的(C)A. 冗余屬性不會對決策樹的準(zhǔn)確率造成不利的影響B(tài).

30、子樹可能在決策樹中重復(fù)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54. 在基于規(guī)則分類器的中，依據(jù)規(guī)則質(zhì)量的某種度量對規(guī)則排序，保證每一個測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。55. 以下哪些算法是基于規(guī)則的分類器(A)A. B. KNN C. Nave Bayes D. ANN56. 如果規(guī)則集R中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集R中的規(guī)則為(C);A, 無序規(guī)則B ，窮舉規(guī)則C ， 互斥規(guī)則D ，有序規(guī)則57. 如果對屬性值的

31、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58. 如果規(guī)則集中的規(guī)則按照優(yōu)先級降序排列，則稱規(guī)則集是(D)A, 無序規(guī)則B ，窮舉規(guī)則C ，互斥規(guī)則D ，有序規(guī)則59. 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)則的后件看作是對相應(yīng)類的一次投票，然后計票確定測試記錄的類標(biāo)號，稱為(A)A, 無序規(guī)則B ，窮舉規(guī)則C ， 互斥規(guī)則D ，有序規(guī)則60. 考慮兩隊之間的足球比賽：隊0 和隊 1。假設(shè)65%的比賽隊0 勝出，剩余的比賽隊1 獲勝。隊 0 獲勝的比賽中只有30%是在隊1 的主場，而隊1 取勝的比賽中75

32、%是主場獲勝。如果下一場比賽在隊1 的主場進(jìn)行隊1 獲勝的概率為(C)A，B, C, D,61. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)(ANN的描述錯誤的有(A)A,神經(jīng)網(wǎng)絡(luò)對訓(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一個很耗時的過程D ，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡(luò)62. 通過聚集多個分類器的預(yù)測來提高分類準(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)63. 簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，使得每個數(shù)據(jù)對象恰在一個子集中，這種聚類類型稱作(B )A 、層次聚類B 、劃

33、分聚類C 、非互斥聚類D 、模糊聚類64. 在基本 K 均值算法里，當(dāng)鄰近度函數(shù)采用(A )的時候，合適的質(zhì)心是簇中各點的中位數(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65. ( C ) 是一個觀測值，它與其他觀測值的差別如此之大，以至于懷疑它是由不同的機(jī)制產(chǎn)生的。A 、邊界點B 、質(zhì)心C 、離群點D 、核心點66. 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67. 檢測一元正態(tài)分布中的離群點，屬于異常檢測中的基于（A ）的離群點檢測。A 、統(tǒng)計方法B 、鄰近度C 、密度D 、聚類技術(shù)68. （ C ）

34、 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(shù)。A、MIN （單鏈）B 、MAX（全鏈）C 、組平均 D 、Ward方法69. （ D ） 將兩個簇的鄰近度定義為兩個簇合并時導(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 、Ward方法70. DBSCAN 在最壞情況下的時間復(fù)雜度是（B ） 。A 、 O（m） B 、 O（m2） C 、 O（log m） D 、 O（m*log m）71. 在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci , C） ，簇權(quán)值為mi ，那么它的類型是（

35、C ） 。A 、基于圖的凝聚度B 、基于原型的凝聚度C 、基于原型的分離度D 、基于圖的凝聚度和分離度72. 關(guān)于K均值和DBSCAN勺比較，以下說法不正確的是（ A ）。A、K均值丟棄被它識別為噪聲的對象，而DBSCAW般聚類所有對象。B、K均值使用簇的基于原型的概念，而DBSCAN1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，DBSCANT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，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCANT合并有重疊的簇。73. 以下是哪一個聚類算法的算法流程：構(gòu)造k-最近鄰圖。使用多層圖劃分算法劃分圖。repeat :合并關(guān)于相對

36、互連性和相對接近性而言，最好地保持簇的自相似性的簇。 until ：不再有可以合并的簇。（ C ） 。A 、 MST B 、 OPOSSUM C 、 Chameleon D 、 Jarvis Patrick （ JP）74. 考慮這么一種情況：一個對象碰巧與另一個對象相對接近，但屬于不同的類，因為這兩個對象一般不會共享許多近鄰，所以應(yīng)該選擇（D ）的相似度計算方法。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75. 以下屬于可伸縮聚類算法的是（A ） 。A、 CURE B 、 DENCLUE C 、 CLIQUE D 、 OPOSSUM76. 以下哪個聚類算法不是屬于基

37、于原型的聚類（D ） 。A、模糊 c 均值 B 、EMM法C 、SOM D、CLIQUE77. 關(guān)于混合模型聚類算法的優(yōu)缺點，下面說法正確的是（B ） 。A 、當(dāng)簇只包含少量數(shù)據(jù)點，或者數(shù)據(jù)點近似協(xié)線性時，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，因為它可以使用各種類型的分布。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時不會存在問題。78. 以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法（D ） 。A 、 STING B 、 WaveCluster C 、 MAFIA D 、 BIRCH79. 一個對象的離群點得分是該對象周圍密度的逆。這

38、是基于（C ）的離群點定義。A 概率B 、鄰近度C 、密度D 、聚類80. 下面關(guān)于Jarvis Patrick(JP)聚類算法的說法不正確的是( D )。A 、 JP 聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇。B 、 JP 算法對高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強(qiáng)相關(guān)對象的緊致簇。C、JP聚類是基于SNN相似度的概念。D 、 JP 聚類的基本時間復(fù)雜度為O(m)。二、 多選題1. 通過數(shù)據(jù)挖掘過程所推倒出的關(guān)系和摘要經(jīng)常被稱為：(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、方便并且有價值地總結(jié)了數(shù)據(jù)的某一特征的表示，這個過

39、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. 選擇一個算法過程使評分函數(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現(xiàn)算法。3. 數(shù)據(jù)挖掘的預(yù)測建模任務(wù)主要包括哪幾大類問題(A B)A. 分類 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 B. 計算機(jī)組成原理C. 礦產(chǎn)挖掘D. 人工智能6. 在現(xiàn)實世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的。

40、描述處理該問題的各種方法有：(AB CDE )A忽略元組 C 使用一個全局常量填充空缺值B 使用屬性的平均值填充空缺值D 使用與給定元組屬同一類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)(A B C E )A 矩陣 B 平行坐標(biāo)系C 星形坐標(biāo)D 散布圖 E Chernoff 臉8. 對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：(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 時序數(shù)據(jù)B 序列數(shù)據(jù)C 時間序列數(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)

41、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)倉庫的基本特征：(ACD)A. 數(shù)據(jù)倉庫是面向主題的B. 數(shù)據(jù)倉庫的數(shù)據(jù)是集成的C. 數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的D. 數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的E. 數(shù)據(jù)倉庫是面向事務(wù)的13. 以下各項均是針對數(shù)據(jù)倉庫的不同說法，你認(rèn)為正確的有(BCDE ) 。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)

42、處理E.數(shù)據(jù)倉庫的主要目標(biāo)就是幫助分析，做長期性的戰(zhàn)略制定14. 數(shù)據(jù)倉庫在技術(shù)上的工作過程是：(ABCD)A. 數(shù)據(jù)的抽取B. 存儲和管理C. 數(shù)據(jù)的表現(xiàn)D. 數(shù)據(jù)倉庫設(shè)計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 B. 切片 C. 轉(zhuǎn)軸 D. 切塊 E. 分類16. 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(fù)雜度。在以下的購物籃中產(chǎn)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(BD)ID 項集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、

43、可樂A、啤酒、尿布 B 、啤酒、面包 C、面包、尿布 D、啤酒、牛奶17. 下表是一個購物籃，假定支持度閾值為40%，其中_(A D)_ 是頻繁閉項集。TID 項 1 abc2 abcd3 bce4 acde5 deA、 abc B 、 adC、 cd D 、 de18. Apriori 算法的計算復(fù)雜度受_(ABCD)_影響。A支持度閥值 B、項數(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、對異常數(shù)據(jù)項敏感20. 以下屬于分類器評價或比較尺度的有: A, 預(yù)測準(zhǔn)確度B, 召回率 C, 模型描述的簡潔

44、度D,計算復(fù)雜度(ACD)21. 在評價不平衡類問題分類的度量方法有如下幾種，A,F1 度量 B, 召回率(recall ) C,精度( precision ) D, 真正率(ture positive rate,TPR ) (ABCD)22. 貝葉斯信念網(wǎng)絡(luò)(BBN)有如下哪些特點，A,構(gòu)造網(wǎng)絡(luò)費時費力 B,對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( AB)23. 如下哪些不是最近鄰分類器的特點，A, 它使用具體的訓(xùn)練實例進(jìn)行預(yù)測，不必維護(hù)源自數(shù)據(jù)的模型B, 分類一個測試樣例開銷很大C, 最近鄰分類器基于全局信息進(jìn)行預(yù)測D, 可以

45、生產(chǎn)任意形狀的決策邊界(C)24. 如下那些不是基于規(guī)則分類器的特點，A, 規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好B, 基于規(guī)則的分類器都對屬性空間進(jìn)行直線劃分，并將類指派到每個劃分C, 無法被用來產(chǎn)生更易于解釋的描述性模型D, 非常適合處理類分布不平衡的數(shù)據(jù)集( AC)25. 以下屬于聚類算法的是(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 、 R

46、and 統(tǒng)計量C 、 Jaccard 系數(shù) D 、召回率28. （ ABCD ）這些數(shù)據(jù)特性都是對聚類分析具有很強(qiáng)影響的。A 、高維性B 、規(guī)模C 、稀疏性D 、噪聲和離群點29. 在聚類分析當(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 、Chameleon30. （ AB ）都屬于分裂的層次聚類算法。A 、二分K 均值B 、 MST C 、 Chameleon D 、組平均三、 判斷題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)測數(shù)據(jù)等任務(wù)。（ 對 ）2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略，而在于對于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘。（ 對）3. 圖挖掘技術(shù)在社會網(wǎng)絡(luò)分析中扮演了重要的角色。（對）4. 模式為對數(shù)據(jù)集的全局性總結(jié)，它對整個測量空間的每一點做出描述；模型則對變量變化空間的一個有限區(qū)域做出描述