2024年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師歷年考試高頻考點試題附帶答案

2024年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師歷年考試高頻考點試題附帶答案（圖片大小可自由調(diào)整）第1卷一.參考題庫(共25題)1.簡述聯(lián)機分析處理的四個特征？2.在數(shù)據(jù)訪問模式上，數(shù)據(jù)倉庫以（）為主，而日常應用數(shù)據(jù)庫則以（）為主。3.聚類分析常作為一個獨立的工具來獲得（）4.可視化技術對于分析的數(shù)據(jù)類型通常不是專用性的。5.數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲優(yōu)化方法包括（）、反向規(guī)范化引入冗余、表的物理分割。6.簡述分類模型的評價。7.常用的數(shù)值屬性概念分層的方法有哪些？8.下面哪種分類方法是屬于神經(jīng)網(wǎng)絡學習算法？（）A、判定樹歸納B、貝葉斯分類C、后向傳播分類D、基于案例的推理9.具有較高的支持度的項集具有較高的置信度。10.為什么說數(shù)據(jù)倉庫具有隨時間而變化的特征？11.ROLAP12.數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析工具等四個部分。13.調(diào)和數(shù)據(jù)是存儲在（）數(shù)據(jù)倉庫和操作型數(shù)據(jù)存儲中的數(shù)據(jù)。14.以下哪項關于決策樹的說法是錯誤的？（）A、冗余屬性不會對決策樹的準確率造成不利的影響B(tài)、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15.以下兩種描述分別對應哪兩種對分類算法的評價標準？（） （1）警察抓小偷，描述警察抓的人中有多少個是小偷的標準。 （2）描述有多少比例的小偷給警察抓了的標準。A、Precision，RecallB、Recall，PrecisionC、Precision，ROCD、Recall，ROC16.簡述數(shù)據(jù)倉庫系統(tǒng)設計過程？17.數(shù)據(jù)倉庫中間層OLAP服務器只能采用關系型OLAP。18.在抽樣方法中，當合適的樣本容量很難確定時，可以使用的抽樣方法是：（）。A、有放回的簡單隨機抽樣B、無放回的簡單隨機抽樣C、分層抽樣D、漸進抽樣19.假設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（等深）劃分時，15在第幾個箱子內(nèi)？（）A、第一個B、第二個C、第三個D、第四個20.簡述數(shù)據(jù)挖掘的過程。21.簡述處理空缺值的方法。22.下列幾種數(shù)據(jù)挖掘功能中，（）被廣泛的用于購物籃分析。A、關聯(lián)分析B、分類和預測C、聚類分析D、演變分析23.一個典型的數(shù)據(jù)挖掘系統(tǒng)應該包括哪些組成部分？24.數(shù)據(jù)聚合需要考慮的問題有哪些？25.計算一個單位的平均工資，使用哪個中心趨勢度量將得到最合理的結(jié)果？（）A、算術平均值B、截尾均值C、中位數(shù)D、眾數(shù)第2卷一.參考題庫(共25題)1.數(shù)據(jù)挖掘技術對聚類分析的要求有哪幾個方面？2.OLAP服務器的類型主要包括：（）、（）和（）3.簡述數(shù)據(jù)倉庫設計的三級模型的基本內(nèi)容。4.考慮下表所示二元分類問題的數(shù)據(jù)集。 （1）計算按照屬性A和B劃分時的信息增益。決策樹歸納算法將會選擇哪個屬性？ （2）計算按照屬性A和B劃分時Gini系數(shù)。決策樹歸納算法將會選擇哪個屬性？5.給定由兩次運行K均值產(chǎn)生的兩個不同的簇集，誤差的平方和最大的那個應該被視為較優(yōu)。6.ROLAP是基于（）的OLAP實現(xiàn)，而MOLAP是基于多維數(shù)據(jù)結(jié)構(gòu)組織的OLAP實現(xiàn)。7.預測型知識8.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（）9.一種常用的確定離群點的簡單方法是（）10.簡述抽樣的定義及分類。11.比較統(tǒng)計學與數(shù)據(jù)挖掘的異同？12.為什么要建立數(shù)據(jù)倉庫？13.數(shù)據(jù)庫中的知識挖掘（KDD）包括以下七個步驟：（）、（）、（）、（）、（）、（）和（）14.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（）。A、組合（ensemble）B、聚集（aggregate）C、合并（combination）D、投票（voting）15.數(shù)據(jù)挖掘16.列舉操作型數(shù)據(jù)與分析型數(shù)據(jù)的主要區(qū)別。17.為什么時間總是數(shù)據(jù)倉庫或數(shù)據(jù)集市的維？18.何謂相異度矩陣？它有什么特點？19.數(shù)據(jù)壓縮可分為：（）和（）兩種類型。20.如何用決策樹進行分類？21.以下哪個指標不是表示對象間的相似度和相異度？（）A、Euclidean距離B、Manhattan距離C、Eula距離D、Minkowski距離22.聚類分析中常見的數(shù)據(jù)類型有哪些？23.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)擁護需求設計（）24.關聯(lián)規(guī)則25.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：（）。A、1比特B、2.6比特C、3.2比特D、3.8比特第3卷一.參考題庫(共25題)1.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。2.以下是哪一個聚類算法的算法流程（）。 ①構(gòu)造k－最近鄰圖。 ②使用多層圖劃分算法劃分圖。 ③repeat：合并關于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。 ④until：不再有可以合并的簇。A、MSTB、OPOSSUMC、ChameleonD、Jarvis－Patrick（JP）3.求和函數(shù)sum（）是一個（）的函數(shù)。4.（）將兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差的增量，它是一種凝聚層次聚類技術。A、MIN（單鏈）B、MAX（全鏈）C、組平均D、Ward方法5.什么是數(shù)據(jù)清洗？6.Web挖掘包括哪些步驟？7.數(shù)據(jù)倉庫在技術上的工作過程是（）。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)倉庫設計8.簡述數(shù)據(jù)挖掘的對象。9.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類的一次投票，然后計票確定測試記錄的類標號，稱為（）。A、無序規(guī)則B、窮舉規(guī)則C、互斥規(guī)則D、有序規(guī)則10.下面的散點圖顯示哪種屬性相關性？（） A、不相關；B、正相關；C、負相關；D、先正相關然后負相關11.Bayes法是一種在已知后驗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。12.給定兩個向量對象，分別表示為p1（22，1，42，10），p2（20，0，36，8）： （a）計算兩個對象之間的歐幾里得距離 （b）計算兩個對象之間的曼哈頓距離 （c）計算兩個對象之間的閔可夫斯基距離，用x=3 （d）計算兩個對象之間的切比雪夫距離13.業(yè)務元數(shù)據(jù)主要包含的內(nèi)容是什么？14.Apriori算法所面臨的主要的挑戰(zhàn)包括（）。A、會消耗大量的內(nèi)存B、會產(chǎn)生大量的候選項集C、對候選項集的支持度計算非常繁瑣D、要對數(shù)據(jù)進行多次掃描15.MOLAP16.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（）17.下列幾種數(shù)據(jù)挖掘功能中，（）被廣泛的應用于股票價格走勢分析。A、關聯(lián)分析B、分類和預測C、聚類分析D、演變分析18.簡述數(shù)據(jù)清理的基本內(nèi)容。19.數(shù)據(jù)變換的內(nèi)容是什么？20.根據(jù)顧客的收入和職業(yè)情況，預測他們在計算機設備上的花費，所使用的相應數(shù)據(jù)挖掘功能是（）。A、關聯(lián)分析B、分類和預測C、演變分析D、概念描述21.簡述典型的聚類分析任務包括的步驟。22.數(shù)據(jù)挖掘處理的對象有哪些？請從實際生活中舉出至少三種。23.檢測一元正態(tài)分布中的離群點，屬于異常檢測中的基于（）的離群點檢測。A、統(tǒng)計方法B、鄰近度C、密度D、聚類技術24.尋找模式和規(guī)則主要是對數(shù)據(jù)進行干擾，使其符合某種規(guī)則以及模式。25.什么是技術元數(shù)據(jù)？主要包含的內(nèi)容是什么？第1卷參考答案一.參考題庫1.參考答案: （1）快速性：用戶對OLAP的快速反應能力有很高的要求。 （2）可分析性：OLAP系統(tǒng)應能處理任何邏輯分析和統(tǒng)計分析。 （3）多維性：系統(tǒng)必須提供對數(shù)據(jù)分析的多維視圖和分析。 （4）信息性：OLAP系統(tǒng)應能及時獲得信息，并且管理大容量的信息。2.參考答案:事務操作；只讀查詢3.參考答案:數(shù)據(jù)分布的情況4.參考答案:錯誤5.參考答案:表的歸并與簇文件6.參考答案:分類過程一般分為兩步：第一步是利用分類算法對訓練集進行學習，建立分類模型；第二步是用分類模型對標號未知的測試數(shù)據(jù)進行分類。7.參考答案:分箱、直方圖分析，聚類分析，基于熵的離散化和通過自然劃分分段。8.參考答案:C9.參考答案:錯誤10.參考答案: 1，數(shù)據(jù)倉庫的時間范圍比操作數(shù)據(jù)庫系統(tǒng)要長的多。操作數(shù)據(jù)庫系統(tǒng)主要保存當前數(shù)據(jù)，而數(shù)據(jù)倉庫從歷史的角度提供信息。 2，數(shù)據(jù)倉庫中的每一個關鍵結(jié)構(gòu)都隱式或顯式的包含時間元素，而操作數(shù)據(jù)庫中的關鍵結(jié)構(gòu)可能就不包含時間元素。11.參考答案:是基于關系數(shù)據(jù)庫存儲方式的，在這種結(jié)構(gòu)中，多維數(shù)據(jù)被映像成二維關系表，通常采用星型或雪花型架構(gòu)，由一個事實表和多個維度表構(gòu)成。12.參考答案:錯誤13.參考答案:企業(yè)級14.參考答案:C15.參考答案:A16.參考答案:收集、分析和確認業(yè)務分析需求，分析和理解主題和元數(shù)據(jù)、事實及其量度、粒度和維度的選擇與設計、數(shù)據(jù)倉庫的物理存儲方式的設計等。17.參考答案:錯誤18.參考答案:D19.參考答案:B20.參考答案:數(shù)據(jù)清洗，數(shù)據(jù)集成（考慮數(shù)據(jù)一致性和冗余），數(shù)據(jù)選擇，數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)挖掘，模式評估，知識表示。21.參考答案: ①忽略該記錄； ②去掉屬性； ③手工填寫空缺值； ④使用默認值； ⑤使用屬性平均值； ⑥使用同類樣本平均值。22.參考答案:A23.參考答案: 1，數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫； 2，數(shù)據(jù)庫或數(shù)據(jù)倉庫服務器； 3，知識庫； 4，數(shù)據(jù)挖掘引擎； 5，模式評估模塊； 6.圖形用戶界面。24.參考答案:（1）模式識別：這主要是實體識別問題； （2）冗余：一個屬性是冗余的，即它能由另一個表導出，如果屬性或維的命名不一致，也可能導致冗余，可以用相關分析來檢測； （3）數(shù)據(jù)值沖突的檢測與處理：有些屬性因表示比例或編碼不同，會導致屬性不同。25.參考答案:B第2卷參考答案一.參考題庫1.參考答案: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。2.參考答案:關系OLAP服務器；多維OLAP服務器；混合OLAP服務器3.參考答案: （1）概念模型設計是在較高的抽象層次上的設計，其主要內(nèi)容包括：界定系統(tǒng)邊界和確定主要的主題域。 （2）邏輯模型設計的主要內(nèi)容包括：分析主題域、確定粒度層次劃分、確定數(shù)據(jù)分割策略、定義關系模式、定義記錄系統(tǒng)。 （3）物理數(shù)據(jù)模型設計的主要內(nèi)容包括：確定數(shù)據(jù)存儲結(jié)構(gòu)、確定數(shù)據(jù)存放位置、確定存儲分配以及確定索引策略等。4.參考答案:按照屬性A和B劃分時，數(shù)據(jù)集可分為如下兩種情況： 按照屬性A劃分樣本集分別得到的兩個子集（A取值T和A取值F）的信息熵分別為： 按照屬性B劃分樣本集分別得到的兩個子集（B取值T和B取值F）的信息熵分別為： 因此，決策樹歸納算法將會選擇屬性A。 （2） 劃分前的Gini值為G=1-0.42-0.62=0.48 按照屬性A劃分時Gini指標： 因此，決策樹歸納算法將會選擇屬性B。5.參考答案:錯誤6.參考答案:關系數(shù)據(jù)庫7.參考答案:是根據(jù)時間序列型數(shù)據(jù)，由歷史的和當前的數(shù)據(jù)去推測未來的數(shù)據(jù)，也可以認為是以時間為關鍵屬性的關聯(lián)知識。8.參考答案:明考斯基距離9.參考答案:出落在至少高于第三個四分位數(shù)或低于第一個四分位數(shù)1.5*IQR處的值10.參考答案:抽樣：長期用于數(shù)據(jù)的事先調(diào)查和最終的數(shù)據(jù)分析，在數(shù)據(jù)挖掘中，抽樣是選擇數(shù)據(jù)子集進行分析的常用方法。 1）無放回的簡單隨機抽樣方法 2）有放回的簡單隨機抽樣方法 3）分層抽樣方法11.參考答案: 統(tǒng)計學主要是對數(shù)量數(shù)據(jù)（數(shù)值）或連續(xù)值數(shù)據(jù)（如年齡、工資等），進行數(shù)值計算（如初等運算）的定量分析，得到數(shù)量信息。 數(shù)據(jù)挖掘主要對離散數(shù)據(jù)（如職稱、病癥等）進行定性分析（覆蓋、歸納等），得到規(guī)則知識。 統(tǒng)計學與數(shù)據(jù)挖掘是有區(qū)別的。但是，它們之間是相互補充的。12.參考答案: 建立數(shù)據(jù)倉庫的目的有3個： 一是為了解決企業(yè)決策分析中的系統(tǒng)響應問題，數(shù)據(jù)倉庫能提供比傳統(tǒng)事務數(shù)據(jù)庫更快的大規(guī)模決策分析的響應速度。 二是解決決策分析對數(shù)據(jù)的特殊需求問題。決策分析需要全面的、正確的集成數(shù)據(jù)，這是傳統(tǒng)事務數(shù)據(jù)庫不能直接提供的。 三是解決決策分析對數(shù)據(jù)的特殊操作要求。決策分析是面向?qū)I(yè)用戶而非一般業(yè)務員，需要使用專業(yè)的分析工具，對分析結(jié)果還要以商業(yè)智能的方式進行表現(xiàn)，這是事務數(shù)據(jù)庫不能提供的。13.參考答案:數(shù)據(jù)清理；數(shù)據(jù)集成；數(shù)據(jù)選擇；數(shù)據(jù)變換；數(shù)據(jù)挖掘；模式評估；知識表示14.參考答案:A15.參考答案:從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。16.參考答案:17.參考答案:因為數(shù)據(jù)倉庫或數(shù)據(jù)集市的數(shù)據(jù)總是歷史的數(shù)據(jù)，需要時間維來區(qū)別。18.參考答案: 相異度矩陣是用于存儲所有對象兩兩之間相異度的矩陣，為一個nn維的單模矩陣。 其特點是d（i，j）=d（j，i），d（i，i）=0，d（j，j）=0。如下所示： 19.參考答案:有損壓縮；無損壓縮20.參考答案:決策樹用于對新樣本的分類，即通過決策樹對新樣本屬性值的測試，從樹的根結(jié)點開始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結(jié)點，該葉結(jié)點表示的類別就是新樣本的類別。決策樹方法是數(shù)據(jù)挖掘中非常有效的分類方法。21.參考答案:C22.參考答案:常見數(shù)據(jù)類型有區(qū)間標度變量、比例標度型變量、二元變量、標稱型、序數(shù)型以及混合類型等。23.參考答案:聚合模型24.參考答案:同時滿足最小支持度閾值和最小可信度閾值的規(guī)則稱之為關聯(lián)規(guī)則。25.參考答案:B第3卷參考答案一.參考題庫1.參考答案:正確2.參考答案:C3.參考答案:分布4.參考答案:D5.參考答案:數(shù)據(jù)清洗是一種使用模式識別和其他技術，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。6.參考答案:數(shù)據(jù)清理（可能有占全過程的60%的工作量）；將數(shù)據(jù)存入數(shù)據(jù)倉庫；建立數(shù)據(jù)立方體；選擇用來進行數(shù)據(jù)挖掘的數(shù)據(jù)；數(shù)據(jù)挖掘（選擇適當?shù)乃惴▉碚业礁信d趣的模式）；展現(xiàn)挖掘結(jié)果；將模式或者知識應用或者存入知識庫。7.參考答案:A,B,C,D8.參考答案:關系數(shù)據(jù)庫（借助集合代數(shù)等概念和方法來處理數(shù)據(jù)庫中的數(shù)據(jù)）、數(shù)據(jù)倉庫（數(shù)據(jù)集合，用于支持管理決策）、事務數(shù)據(jù)庫（每個記錄代表一個事務）、空間數(shù)據(jù)庫、事態(tài)數(shù)據(jù)庫和時間序列數(shù)據(jù)庫、流數(shù)據(jù)、多媒體數(shù)據(jù)庫、文本數(shù)據(jù)庫、萬維數(shù)據(jù)庫。9.參考答案:A10.參考答案:C11.參考答案:錯誤12.參考答案:（a）計算兩個對象之間的歐幾里得距離 （b）計算兩個對象之間的曼哈頓距離 （c）計算兩個對象之間的閔可夫斯基距離，其中參數(shù)r=3 13.參考答案:業(yè)務元數(shù)據(jù)：從業(yè)務角度描述了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： 1.使用者的業(yè)務屬于所表達的數(shù)據(jù)模型、對象名和屬性名。 2.訪問數(shù)據(jù)的原則和數(shù)據(jù)的來源。 3.系統(tǒng)提供的分析方法及公式和報表的信息。14.參考答案:B,C,D15.參考答案:是基于類似于“超立方”塊的OLAP存儲結(jié)構(gòu)，由許多經(jīng)壓縮的、類似于多維數(shù)組的對象構(gòu)成，并帶有高度壓縮的索引及指針結(jié)構(gòu)，通過直接偏移計算進行存取。16.參考答案:代理鍵17.參考答案:D18.參考答案:①盡可能賦予屬性名和屬性值明確的含義；②統(tǒng)一多數(shù)據(jù)源的屬性值編碼；③去除無用的惟一屬性或鍵值（如自動增長的id）；④去除重復屬性（在某些分析中，年齡和出生日期可能就是重復的屬性，但在某些時候它們可能又是同時需要的）；⑤去除