數(shù)據(jù)分析和數(shù)據(jù)挖掘作業(yè)

1.下列屬于數(shù)據(jù)挖掘任務(wù)的是（）

0

根據(jù)性別劃分公司的顧客

回

計(jì)算公司的總銷(xiāo)售額

0

預(yù)測(cè)一對(duì)骰子的結(jié)果

目

利用歷史記錄預(yù)測(cè)公司的未來(lái)股價(jià)

2.可以在不同維度合并數(shù)據(jù)，從而形成數(shù)據(jù)立方體的是（）

0

數(shù)據(jù)庫(kù)

回

數(shù)據(jù)源

國(guó)

數(shù)據(jù)倉(cāng)庫(kù)

0

數(shù)據(jù)庫(kù)系統(tǒng)

3.目的是縮小數(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)果的是（）

0

數(shù)據(jù)清洗

回

數(shù)據(jù)集成

數(shù)據(jù)變換

回

數(shù)據(jù)歸約

4.下述四種方法哪一種不是常見(jiàn)的分類(lèi)方法（）

0

決策樹(shù)

回

支持向量

S

K-Means

0

樸素貝葉斯分類(lèi)

5.下列任務(wù)中，屬于數(shù)據(jù)挖掘技術(shù)在商務(wù)智能方面應(yīng)用的是（）

0

欺詐檢測(cè)

回

垃圾郵件識(shí)別

?

根據(jù)因特網(wǎng)的搜索引擎查找特定的Web頁(yè)面

13

定向營(yíng)銷(xiāo)

6.異常檢測(cè)的應(yīng)用包括（）

網(wǎng)絡(luò)攻擊

預(yù)測(cè)某股票的未來(lái)價(jià)格

計(jì)算公司的總銷(xiāo)售額

根據(jù)性別劃分公司顧客

7.將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是哪個(gè)步驟的任務(wù)

頻繁模式挖掘

分類(lèi)和預(yù)測(cè)

數(shù)據(jù)預(yù)處理

數(shù)據(jù)流挖掘

8.KDD是（）

數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)

領(lǐng)域知識(shí)發(fā)現(xiàn)

文檔知識(shí)發(fā)現(xiàn)

0

動(dòng)態(tài)知識(shí)發(fā)現(xiàn)

9.下列有關(guān)離群點(diǎn)的分析錯(cuò)誤的是（）

0

一般情況下離群點(diǎn)會(huì)被當(dāng)作噪聲而丟棄

畫(huà)

離群點(diǎn)即是噪聲數(shù)據(jù)

S

在某些特殊應(yīng)用中離群點(diǎn)有特殊的意義

0

信用卡在不常消費(fèi)地區(qū)突然消費(fèi)大量金額的現(xiàn)象屬于離群點(diǎn)分析范疇

10.下列關(guān)于模式識(shí)別的相關(guān)說(shuō)法中錯(cuò)誤的是（）

0

模式識(shí)別的本質(zhì)是抽象出不同事物中的模式并由此對(duì)事物進(jìn)行分類(lèi)

回

醫(yī)療診斷屬于模式識(shí)別的研究?jī)?nèi)容之一

手機(jī)的指紋解鎖技術(shù)不屬于模式識(shí)別的應(yīng)用

0

自然語(yǔ)言理解也包含模式識(shí)別問(wèn)題

11.（）不屬于數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域。

0

商務(wù)智能

回

信息識(shí)別

搜索引擎

回

醫(yī)療診斷

12.目前數(shù)據(jù)分析和數(shù)據(jù)挖掘面臨的挑戰(zhàn)性問(wèn)題不包括（）

0

數(shù)據(jù)類(lèi)型的多樣化

回

高維度數(shù)據(jù)

S

離群點(diǎn)數(shù)據(jù)

0

分析與挖掘結(jié)果可視化

1.常見(jiàn)的機(jī)器學(xué)習(xí)方法有、、。

作答區(qū)

監(jiān)督學(xué)習(xí)

正確答案:["監(jiān)督學(xué)習(xí)”]

無(wú)監(jiān)督學(xué)習(xí)

正確答案：[”無(wú)監(jiān)督學(xué)習(xí)"]________________________________________________________________________

半監(jiān)督學(xué)習(xí)

正確答案:[”半監(jiān)督學(xué)習(xí)"]

2.是從大規(guī)模的數(shù)據(jù)中抽取或挖掘出感興趣的知識(shí)或模式的過(guò)程或方

法。

作答區(qū)

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘

正確答案:["數(shù)據(jù)挖掘」

3.是指在數(shù)據(jù)集中頻繁出現(xiàn)的模式。

作答區(qū)

頻繁模式

頻繁模式

正確答案:["頻繁模式"]

4.是指全局或局部范圍內(nèi)偏離一般水平的觀測(cè)對(duì)象。

作答區(qū)

離群點(diǎn)

正確答案:["離群點(diǎn)"]

5.是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的主要應(yīng)用。

作答區(qū)

聯(lián)機(jī)分析處理

聯(lián)機(jī)分析處理

正確答案:[”聯(lián)機(jī)分析處理”]

6.是通過(guò)建立模型預(yù)測(cè)離散的標(biāo)簽，而則是通過(guò)建立連續(xù)值模型

推斷新的數(shù)據(jù)的某個(gè)數(shù)值型屬性。

作答區(qū)

分類(lèi)

正確答案:["分類(lèi)"]

回歸

正確答案:["回歸”]

7.數(shù)據(jù)庫(kù)是面向的設(shè)計(jì)，數(shù)據(jù)倉(cāng)庫(kù)是面向設(shè)計(jì)的。

作答區(qū)

事務(wù)

事務(wù)

111

正確答案:[”事務(wù)"]

主題

主題

了2

正確答案:["主題”]

8.數(shù)據(jù)挖掘主要側(cè)重解決四類(lèi)問(wèn)題:和預(yù)測(cè)（定量、定

性）。

作答區(qū)

分類(lèi)

分類(lèi)

正確答案:「'分類(lèi)"]

聚類(lèi)

聚類(lèi)

了2

正確答案:["聚類(lèi)"]

關(guān)聯(lián)

關(guān)聯(lián)

下3

正確答案:「關(guān)聯(lián)」

9.數(shù)據(jù)分析是指采用適當(dāng)?shù)姆椒▽?duì)收集到的數(shù)據(jù)進(jìn)行分析、概括和總

結(jié)。

作答區(qū)

統(tǒng)計(jì)分析

統(tǒng)計(jì)分析

《II

正確答案:["統(tǒng)計(jì)分析"]

10.是一個(gè)目標(biāo)類(lèi)數(shù)據(jù)的一般特性或特性的匯總。

作答區(qū)

數(shù)據(jù)特征化

數(shù)據(jù)特征化

〃?IF

正確答案:["特征化"，"數(shù)據(jù)特征化」

1.無(wú)監(jiān)督學(xué)習(xí)可以在沒(méi)有標(biāo)記的數(shù)據(jù)集上進(jìn)行學(xué)習(xí)。（T）

2.聚類(lèi)就是把一些對(duì)象劃分為多個(gè)組或者聚簇，從而使同組內(nèi)對(duì)象間比較相

似而不同組對(duì)象間差異較大。（T）

3.事務(wù)數(shù)據(jù)庫(kù)的每個(gè)記錄代表一個(gè)事務(wù)。（T）

4.數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)其實(shí)是相同的，都是數(shù)據(jù)或信息的存儲(chǔ)系統(tǒng)。（）F

5.區(qū)分是將目標(biāo)類(lèi)數(shù)據(jù)對(duì)象的一般特性與一個(gè)或多個(gè)對(duì)比類(lèi)對(duì)象的一般特性

進(jìn)行比較。（）T

6.離群點(diǎn)因偏離一般水平而不需要考慮和研究。（）F

7.聚類(lèi)過(guò)程的輸入對(duì)象有與之關(guān)聯(lián)的目標(biāo)信息。（）F

8.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)。（）T

9.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。（）T

10.數(shù)據(jù)倉(cāng)庫(kù)一般存儲(chǔ)在線(xiàn)交易數(shù)據(jù)，數(shù)據(jù)庫(kù)存儲(chǔ)的一般是歷史數(shù)據(jù)。

（）F

11.數(shù)據(jù)分析是指采用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集到的數(shù)據(jù)進(jìn)行分析、概括

和總結(jié)，對(duì)數(shù)據(jù)進(jìn)行恰當(dāng)?shù)拿枋觯⑻崛〕鲇杏玫男畔⒌倪^(guò)程。（）T

12.數(shù)據(jù)分析的定義：數(shù)據(jù)分析就是對(duì)數(shù)據(jù)進(jìn)行分析。專(zhuān)業(yè)的說(shuō)法，數(shù)據(jù)分

析是指根據(jù)分析目的，用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法及工具，對(duì)收集來(lái)的數(shù)據(jù)進(jìn)行

處理與分析，提取有價(jià)值的信息，發(fā)揮數(shù)據(jù)的作用。（）T

13.數(shù)據(jù)庫(kù)是一個(gè)面向主題的、集成的、相對(duì)穩(wěn)定的、反映歷史變化的數(shù)據(jù)

集合，用于支持管理決策。（）F

1.下面哪個(gè)不屬于數(shù)據(jù)的屬性類(lèi)型（）。

0

標(biāo)稱(chēng)

回

序數(shù)

0

區(qū)間

回

相異

2.屬于定量的屬性類(lèi)型是（）。

@

標(biāo)稱(chēng)

回

序數(shù)

國(guó)

區(qū)間

0

相異

3.一所大學(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)屬性的眾數(shù)是（）。

一年級(jí)

回

二年級(jí)

三年級(jí)

0

四年級(jí)

4.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7360

0元將被轉(zhuǎn)化為（）。

0

0.821

回

1.224

?1.458

回

0.716

5.考慮數(shù)據(jù)集{12243324556826},其四分位數(shù)極差是（）。

31

同

24

0

55

回

6.光年所屬的屬性類(lèi)型為（）。

0

標(biāo)稱(chēng)屬性

回

序數(shù)屬性

?

區(qū)間標(biāo)度屬性

向

比率標(biāo)度屬性

8.某班數(shù)學(xué)期末考成績(jī)分組數(shù)據(jù)如下，則數(shù)據(jù)的中位數(shù)區(qū)間是（）。

分?jǐn)?shù)人數(shù)

0至59分3

60至69分10

70至79分18

80至89分11

90至100分8

0

60至69分

畫(huà)

70至79分

80至89分

0

90至100分

9.軍銜所屬的屬性類(lèi)型為()。

0

標(biāo)稱(chēng)屬性

畫(huà)

序數(shù)屬性

?

二元屬性

0

數(shù)值屬性

11.計(jì)算p1(2,1,4,10)和p2(3,0,3,8)兩個(gè)對(duì)象之間的曼哈頓距離

()0

0

4

回

2

國(guó)

5

0

3

12.用AM和PM表示的時(shí)間的屬性類(lèi)型是()。

0

標(biāo)稱(chēng)

1

序數(shù)

區(qū)間

回

二元

1.屬性可以分為、、和四類(lèi)。

作答區(qū)

標(biāo)稱(chēng)屬性

標(biāo)稱(chēng)屬性1

dIJ

正確答案標(biāo)稱(chēng)屬性”，"標(biāo)稱(chēng)"]

二元屬性

二元屬性72

d_l

正確答案:["二元屬性“，"二元"]

序數(shù)屬性

序數(shù)屬性

di

正確答案:["序數(shù)屬性"，"序數(shù)"]

數(shù)值屬性

數(shù)值屬性

ill

正確答案:["數(shù)值屬性"，"數(shù)值"]

2.中心趨勢(shì)度量包括和

作答區(qū)

均值

均值

dI了?

正確答案:["均值"]

中列數(shù)

中列數(shù)

ill了2

正確答案:["眾數(shù)"]

中位數(shù)

中位數(shù)了3

正確答案:[”中位數(shù)]

眾數(shù)

眾數(shù)4

ill

正確答案:["中列數(shù)"]

11.只有非零值才重要的二元屬性被稱(chēng)作

作答區(qū)

非對(duì)稱(chēng)二元屬性

非對(duì)稱(chēng)二元屬性1

dI/

正確答案:[”非對(duì)稱(chēng)二元屬性"，"非對(duì)稱(chēng)二元"]

人的血型屬于標(biāo)稱(chēng)屬性。T

2.酒店的星級(jí)屬于數(shù)值屬性。F

離散屬性總是具有有限個(gè)值。F

5.標(biāo)稱(chēng)屬性的值提供了足夠的信息用于區(qū)分對(duì)象。T

6.數(shù)值屬性的值提供足夠的信息確定對(duì)象的順序。F

7.歐幾里得距離、曼哈頓距離、閔可夫斯基距離和切比雪夫距離均滿(mǎn)足非

負(fù)性、同一性和三角不等式。T

8.余弦相似性利用向量空間中兩個(gè)向量夾角的余弦值來(lái)衡量?jī)蓚€(gè)個(gè)體間的

差異。余弦值越接近0,夾角越大，向量之間匹配越大。余弦值越接近1,

夾角越小，向量之間匹配越小。F

9.二元屬性的相異性有兩種，一種是對(duì)稱(chēng)的二元相異性，另一種是非對(duì)稱(chēng)

的二元相異性。T

4.計(jì)算由不對(duì)稱(chēng)的二元變量描述的對(duì)象間的相異度可以使用

Jaccard系數(shù)；計(jì)算用分類(lèi)變量描述的對(duì)象間的相異度可以采用屬性

值匹配的方法（屬性值匹配，相似度為1,否則為0）；T

1.下面屬于維歸約常用的線(xiàn)性代數(shù)技術(shù)的有（）

主成分分析

回

特征提取；

0

特征加權(quán)

0

離散化

2.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)（）

0

頻繁模式挖掘

回

分類(lèi)和預(yù)測(cè)

S

數(shù)據(jù)預(yù)處理

回

數(shù)據(jù)流挖掘

4.數(shù)據(jù)清理不包括以下哪些處理（）

0

缺失值的處理

回

噪聲的處理

S

重復(fù)數(shù)據(jù)的處理

0

不一致數(shù)據(jù)的處理

5.數(shù)據(jù)規(guī)范化方法包括（）

0

數(shù)據(jù)歸約

回

數(shù)據(jù)泛化

0

數(shù)據(jù)集成

回

最小最大規(guī)范化

1.下列數(shù)據(jù)變換類(lèi)型及方法正確的是（）

數(shù)據(jù)平滑：去噪，將連續(xù)數(shù)據(jù)離散化，增加粒度

同

數(shù)據(jù)聚集：對(duì)數(shù)值屬性進(jìn)行監(jiān)督或無(wú)監(jiān)督離散化

特征構(gòu)造：構(gòu)造出新的屬性

回

數(shù)據(jù)規(guī)范化：使數(shù)據(jù)按照比例縮放，落入特定區(qū)域

2.數(shù)據(jù)變換的類(lèi)型包括（）

0

數(shù)據(jù)預(yù)處理

目

數(shù)據(jù)泛化

s

數(shù)據(jù)離散化

Q

特征構(gòu)造

3.數(shù)據(jù)歸約技術(shù)包括（）

維歸約

日

數(shù)量歸約

S

數(shù)據(jù)壓縮

0

數(shù)據(jù)清理

4.下面哪些屬于數(shù)據(jù)預(yù)處理的方法（）

變量代換

目

離散化

S

聚集

0

估計(jì)遺漏值

5.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)題的各方法正確的有（）

忽略元組

n

從數(shù)據(jù)中挑選一個(gè)數(shù)據(jù)填寫(xiě)

使用屬性的平均值填充空缺值

EI

使用與給定元組屬同一類(lèi)的所有樣本的平均值

6.數(shù)據(jù)清理的原則包括（）

0

相異性原則

目

連續(xù)性原則

3

唯一性原則

國(guó)

空值原則

2.高質(zhì)量數(shù)據(jù)的要求有、、。

作答區(qū)

準(zhǔn)確性

dI才

正確答案:["準(zhǔn)確性"]

完整性

完整性

<1I

正確答案:["完整性"]

一致性

一致性

了3

正確答案:["一致性"]

3.數(shù)據(jù)預(yù)處理的技術(shù)手段包括

作答區(qū)

數(shù)據(jù)清理

數(shù)據(jù)清理

VII

正確答案:[”數(shù)據(jù)清理」

數(shù)據(jù)集成

數(shù)據(jù)集成)2

?|I

正確答案:["數(shù)據(jù)集成"]

數(shù)據(jù)歸約

數(shù)據(jù)歸約

2Ujd

正確答案:["數(shù)據(jù)變換"]

數(shù)據(jù)變換

數(shù)據(jù)變換

dI74

正確答案:["數(shù)據(jù)歸約"]

6.在現(xiàn)實(shí)世界的數(shù)據(jù)中，元組在某些屬性上的缺失值是常有的。處理該問(wèn)

題的常用方法有、、。

作答區(qū)

刪除數(shù)據(jù)對(duì)象或?qū)傩?/p>

刪除數(shù)據(jù)對(duì)象或?qū)傩?/p>

ill

正確答案:[”刪除數(shù)據(jù)對(duì)象或?qū)傩?]

估計(jì)遺漏值

估計(jì)遺漏值了2

111

正確答案:[”估計(jì)遺漏值”]

忽略遺漏值

忽略遺漏值&對(duì)數(shù)據(jù)進(jìn)行偏差檢測(cè)的二j3

正確答案:["忽略遺漏值"]

8.對(duì)數(shù)據(jù)進(jìn)行偏差檢測(cè)的3個(gè)原則分別是

作答區(qū)

唯一性原則

唯?性原則

正確答案:「唯一性原則"]

連續(xù)性原則

連續(xù)性原則32

d1

正確答案連續(xù)性原則”]

空值原則

空值原則

d1

正確答案:["空值原則”]

數(shù)據(jù)歸約技術(shù)包括

作答區(qū)

維歸約

維歸約

正確答案:["維歸約"]

數(shù)量歸約

數(shù)量歸約

“I了2

正確答案:["數(shù)量歸約"]

數(shù)據(jù)壓縮

數(shù)據(jù)壓縮

正確答案:["數(shù)據(jù)壓縮"]

在使用分箱法實(shí)現(xiàn)特征離散化時(shí)，可以用每個(gè)箱中的或

替換箱中所有的值。

作答區(qū)

平均值

平均值

<1I

正確答案:["中位數(shù)"，"中值」

中位數(shù)

中位數(shù)

,1I

正確答案:[”平均值"，"平均數(shù)”]

12.數(shù)據(jù)清理一般需要對(duì)和進(jìn)行處理。

作答區(qū)

缺失值

缺失值

dI

正確答案:["缺失值"]

噪聲數(shù)據(jù)

噪聲數(shù)據(jù)

ill

正確答案:[“噪聲"，”噪聲數(shù)據(jù)"]

我們要進(jìn)行數(shù)據(jù)預(yù)處理，是因?yàn)樵紨?shù)據(jù)大多都是“

作答區(qū)

臟數(shù)據(jù)

臟數(shù)據(jù)

<1I

正確答案:[”臟數(shù)據(jù)"]

14.四種處理缺失數(shù)據(jù)的方法是

作答區(qū)

直接刪除缺失屬性的記錄

直接刪除缺失屬性的記錄1

I

正確答案:['猥接刪除畛屬性的空"]

人工填寫(xiě)

人工填寫(xiě)

ill

正確答案:["人工填寫(xiě)"]

使用全局常量填充缺失值

使用全局常量填充缺失值3

?|I『

正確答案：[“使用全局常精填充缺失值」

使用屬性的中心趨勢(shì)度量值填充缺失值

正確答案:["使用屬性的中心趨勢(shì)度量值填充缺失值”]

15.數(shù)據(jù)平滑的方法包括、和

作答區(qū)

分箱

正確答案“分箱」

回歸

正確答案:歸"]

聚類(lèi)

聚類(lèi)

<1I_d

正確答案:["聚類(lèi)”]

噪聲是指被測(cè)量的變量產(chǎn)生的錯(cuò)誤或誤差。F

數(shù)據(jù)規(guī)約技術(shù)可以得到數(shù)據(jù)集的規(guī)約表示，雖然小，但仍大致保持原數(shù)據(jù)

的完整性T

數(shù)據(jù)變換是通過(guò)平滑聚集、數(shù)據(jù)概化、規(guī)范化等方式將數(shù)據(jù)轉(zhuǎn)換成適用于

數(shù)據(jù)挖掘的形式。T

數(shù)據(jù)預(yù)處理的任務(wù)包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)泛化。F

唯一性原則是指一個(gè)屬性的每個(gè)值都是唯一的，不能和這個(gè)屬性的其他值

相同。T

數(shù)據(jù)變換策略主要包括光滑、聚集、數(shù)據(jù)泛化、規(guī)范化、屬性構(gòu)造和離散

化。T

每個(gè)屬性的最大值和最小值之間沒(méi)有缺失值既滿(mǎn)足連續(xù)性原則。F

數(shù)據(jù)挖掘所處理的數(shù)據(jù)必須具有準(zhǔn)確性、完整性、一致性、時(shí)效性、可信

性和可解釋性。F

數(shù)據(jù)規(guī)約就是指對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化表示。T

數(shù)據(jù)集成有助于減少結(jié)果數(shù)據(jù)集的冗余和不一致，可以提高集成之后的挖

掘過(guò)程的準(zhǔn)確性和速度。T

在確定數(shù)據(jù)中的離群點(diǎn)時(shí)，一般不必檢查整個(gè)數(shù)據(jù)集T

數(shù)據(jù)倉(cāng)庫(kù)是隨著時(shí)間變化的，下面的描述不正確的是（）

0

捕捉到的新數(shù)據(jù)會(huì)覆蓋原來(lái)的快照

回

數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容

國(guó)

數(shù)據(jù)倉(cāng)庫(kù)隨著事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容

0

數(shù)據(jù)倉(cāng)庫(kù)中的綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重新綜合

關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指（）

0

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

回

基本元數(shù)據(jù)包括日志文件和簡(jiǎn)歷執(zhí)行處理的時(shí)序調(diào)度信息

?

基本元數(shù)據(jù)包括數(shù)據(jù)源，數(shù)據(jù)倉(cāng)庫(kù)和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息

回

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

下面關(guān)于數(shù)據(jù)粒度的描述不正確的是（）

0數(shù)據(jù)越詳細(xì)，粒度就越小，級(jí)別也就越高

n粒度是指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別

Q數(shù)據(jù)綜合度越高，粒度也就越大，級(jí)別也就越高

回粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢(xún)質(zhì)量

有關(guān)數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)特點(diǎn)，不正確的描述是（）

Q數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)要從數(shù)據(jù)出發(fā)

同數(shù)據(jù)倉(cāng)庫(kù)使用的需求在開(kāi)發(fā)時(shí)就要明確

?數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)是一個(gè)不斷循環(huán)的過(guò)程，是啟發(fā)式的開(kāi)發(fā)

回在數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)中數(shù)據(jù)分析和處理更靈活，且沒(méi)有固定的模式

在有關(guān)數(shù)據(jù)倉(cāng)庫(kù)測(cè)試，下列說(shuō)法不正確的是（）

0在完成數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中，需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行各種測(cè)試

目在數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行測(cè)試之前一般不必要制定非常詳細(xì)的測(cè)試計(jì)劃

口系統(tǒng)測(cè)試需要對(duì)數(shù)據(jù)倉(cāng)庫(kù)的組件進(jìn)行大量的功能測(cè)試和回歸測(cè)試

回當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的每個(gè)單獨(dú)組件完成后，就需要對(duì)他們進(jìn)行單元測(cè)試

OLAP技術(shù)的核心是（）

0

在線(xiàn)性

回

快速響應(yīng)

0

互操作性

向

多維分析

關(guān)于OLAP和OLTP的說(shuō)法，下列不正確的是（）

?OLAP管理大量歷史數(shù)據(jù)，OLTP僅管理當(dāng)前數(shù)據(jù)

目OLAP主要用于事務(wù)和查詢(xún)處理，而OLTP用于數(shù)據(jù)分析

?OLAP中綜合提煉的數(shù)據(jù)主要來(lái)自O(shè)LTP所依賴(lài)的底層數(shù)據(jù)庫(kù)

叵|OLAP數(shù)據(jù)較之OLTP數(shù)據(jù)要進(jìn)行更多的數(shù)據(jù)維護(hù)或預(yù)處理的操作

數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的三級(jí)數(shù)據(jù)模型不包含（）

0概念模型

同邏輯模型

國(guó)關(guān)系模型

回物理模型

改變數(shù)據(jù)立方體維次序的操作是（）

0

切片

回

切塊

上卷

回

旋轉(zhuǎn)

在給定的數(shù)據(jù)立方體的一個(gè)維度上進(jìn)行的選擇操作為（）

0

切片

下列選項(xiàng)中關(guān)于粒度描述錯(cuò)誤的是：

0

粒度是指數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)單位中保存數(shù)據(jù)細(xì)化或綜合程度的級(jí)別；

畫(huà)

粒度影不響存放在數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量的大小

粒度影響數(shù)據(jù)倉(cāng)庫(kù)所能回答查詢(xún)問(wèn)題的細(xì)節(jié)程度；

0

粒度組織數(shù)據(jù)的方式有：①簡(jiǎn)單堆積結(jié)構(gòu)；②輪轉(zhuǎn)綜合結(jié)構(gòu)；③簡(jiǎn)單直接結(jié)

構(gòu)；④連續(xù)結(jié)構(gòu)。

簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的三級(jí)模型及其基本內(nèi)容,不正確的是。

0

概念模型設(shè)計(jì)：對(duì)問(wèn)題域內(nèi)事務(wù)進(jìn)行描述，是在較高的抽象層次上的設(shè)計(jì),

其主要內(nèi)容包括：界定系統(tǒng)邊界和確定主要的主題域；

回

邏輯模型設(shè)計(jì)：對(duì)概念模型細(xì)化，定義實(shí)體屬性及其關(guān)系，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(guān)系模式、定義記

錄系統(tǒng)；

S

物理數(shù)據(jù)模型設(shè)計(jì)：在數(shù)據(jù)庫(kù)中建立表及索引，主要內(nèi)容包括確定數(shù)據(jù)存

儲(chǔ)結(jié)構(gòu)、確定數(shù)據(jù)存放位置、確定存儲(chǔ)分配以及確定索引策略等。

D|

三種模型設(shè)計(jì)時(shí)主要考慮的因素有I/O存取時(shí)間、空間利用率和維護(hù)代價(jià)

等。

關(guān)于OLAP的特性，下面正確的是（）

0

集成性

目

快速性

3

多維性

回

可分析性

數(shù)據(jù)模型是數(shù)據(jù)倉(cāng)庫(kù)建設(shè)的基礎(chǔ)，一個(gè)完整、靈活、穩(wěn)定的數(shù)據(jù)模型對(duì)數(shù)據(jù)倉(cāng)

庫(kù)項(xiàng)目的成功起到的重要作用有（）

Q利于數(shù)據(jù)的整合

目消除數(shù)據(jù)倉(cāng)庫(kù)的冗余數(shù)據(jù)

@排除數(shù)據(jù)描述的不一致性

目為整個(gè)系統(tǒng)建設(shè)提供導(dǎo)航圖

根據(jù)使用情況的不同，元數(shù)據(jù)可以分為（）

0

靜態(tài)元數(shù)據(jù)

畫(huà)

技術(shù)元數(shù)據(jù)

S

業(yè)務(wù)元數(shù)據(jù)

0

動(dòng)態(tài)元數(shù)據(jù)

關(guān)于數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型，正確的說(shuō)法有（）

是數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)中的核心基礎(chǔ)

日

對(duì)概念數(shù)據(jù)模型的分解和細(xì)化

對(duì)物理模型設(shè)計(jì)和實(shí)現(xiàn)具有指導(dǎo)作用

回

為全局服務(wù)，集成全方位數(shù)據(jù)形成統(tǒng)一藍(lán)圖

關(guān)于OLAP和OLTP的區(qū)別描述，正確的是（）

QOLAP是信息處理，OLTP是操作處理

同.OLAP面向底層管理人員，OLTP面向高層決策人員

因OLAP管理大量歷史數(shù)據(jù)，OLTP主要關(guān)注當(dāng)前數(shù)據(jù)

回OLAP數(shù)據(jù)是細(xì)節(jié)性數(shù)據(jù)，OLTP數(shù)據(jù)則是綜合性數(shù)據(jù)

OLAP按照數(shù)據(jù)存儲(chǔ)格式劃分，實(shí)現(xiàn)方式有、和HOLAP三種

作答區(qū)

ROLAP

ROLAP7

正確答案：["ROLAP"]

MOLAP

MOI.AP

正確答案:["MOLAP”]

根據(jù)使用情況的不同，元數(shù)據(jù)可以分為和業(yè)務(wù)元數(shù)據(jù)；根據(jù)數(shù)據(jù)狀態(tài)

的區(qū)別又可分為和動(dòng)態(tài)元數(shù)據(jù)。

作答區(qū)

技術(shù)元數(shù)據(jù)

技術(shù)元數(shù)據(jù)

正確答案:[”技術(shù)元數(shù)據(jù)”]

靜態(tài)元數(shù)據(jù)

靜態(tài)元數(shù)據(jù)

了2

正確答案:[”靜態(tài)元數(shù)據(jù)”]

數(shù)據(jù)倉(cāng)庫(kù)按照設(shè)計(jì)順序，依次分為、和三個(gè)設(shè)計(jì)步驟

作答區(qū)

概念模型設(shè)計(jì)

概念模型設(shè)計(jì)

4I

正確答案:["概念模型設(shè)計(jì)"]

邏輯模型設(shè)計(jì)

邏輯模型設(shè)計(jì)2

?|I『

正確答案:[”邏輯模型設(shè)計(jì)”]

物理模型設(shè)計(jì)

物理模型設(shè)計(jì)

ill

正確答案"物理模型設(shè)計(jì)"]

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)T

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。F

數(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。F

數(shù)據(jù)倉(cāng)庫(kù)測(cè)試工作中主要包括單元測(cè)試和系統(tǒng)測(cè)試。T

改變數(shù)據(jù)立方體維度的操作稱(chēng)為下鉆。F

數(shù)據(jù)倉(cāng)庫(kù)實(shí)際的三級(jí)模型中的概念模型不是對(duì)軟件實(shí)際的描述。T

數(shù)據(jù)倉(cāng)庫(kù)就是一個(gè)面向什么的數(shù)據(jù)集合？

主題的

集成的

非易失的

國(guó)

時(shí)變

數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)通常采用一種三層體系結(jié)構(gòu)，底層、中間層、頂層分別通

常為什么？

OLAP服務(wù)器

數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器

s

前端工具

0

OLAP操作

回歸分析中使用的距離是點(diǎn)到直線(xiàn)的垂直坐標(biāo)距離，最小二乘準(zhǔn)則是指

()O

0

使犬(Yt-R)達(dá)到最小值

回

使墨國(guó)-年達(dá)到最小值

0

使maxYt-R達(dá)到最小值

國(guó)

使?jié)?丫國(guó))2達(dá)到最小值

回歸分析的步驟為()。

①進(jìn)行相關(guān)分析②建立預(yù)測(cè)模型③確定變量④確定預(yù)測(cè)值⑤計(jì)

算預(yù)測(cè)誤差

①③④⑤②

同

③①⑤②④

③②①⑤④

③⑤①②④

下列變量之間的關(guān)系是函數(shù)關(guān)系的是（）。

Q

已知二次函數(shù)y=ax2+bx+c,其中a,c是已知常數(shù)，取b為自變量，因變

量是這個(gè)函數(shù)的判別式A=b2—4ac。

I

光照時(shí)間和果樹(shù)畝產(chǎn)量

口

降雪量和交通事故發(fā)生率

0

每畝施用肥料量和糧食產(chǎn)量

對(duì)于回歸分析，下列說(shuō)法錯(cuò)誤的是（）。

0

在回歸分析中，變量間的關(guān)系若是非確定性關(guān)系，那么因變量不能由自變量

唯一確定

同

線(xiàn)性相關(guān)系數(shù)可以是正的，也可以是負(fù)的

.回歸分析中，如果旌=1,說(shuō)明x與y之間完全相關(guān)

回

樣本相關(guān)系數(shù)re（-1,1）

某地區(qū)調(diào)查了2~9歲兒童的身高，由此建立的身高y（cm）與年齡x（歲）

的回歸模型為9=8.25x+60.13,下列敘述正確的是（）。

0

該地區(qū)一個(gè)兒童的身高為142.63cm

囪

該地區(qū)2~9歲的兒童每年的身高約增加8.25cm

該地區(qū)9歲兒童的平均身高是134.38cm

回

利用這個(gè)模型可以準(zhǔn)確地預(yù)測(cè)該地區(qū)每個(gè)2~9歲兒童的身高

已知對(duì)一組觀察值做出散點(diǎn)圖后確定具有線(xiàn)性相關(guān)關(guān)系，若對(duì)于y=bx+a,

求得b=0.5Lx=61.75",y=38.14,則線(xiàn)性回歸方程為（）。

y=0.51x+6.65

回

y=6.65x+0.51

?

y=0.51x+42.30

0

y=42.30x+0.51

反映由模型中解釋變量所解釋的那部分離差大小的是（）。

0

總離差平方和

畫(huà)

回歸平方和

?

殘差平方和

0

可決系數(shù)

總離差平方和TSS、殘差平方和RSS與回歸平方和ESS三者的關(guān)系是

（）0

0

TSS>RSS+ESS

目

TSS=RSS+ESS

TSSvRSS+ESS

0

TSS2=RSS2+ESS2

決定系數(shù)取的取值范圍是（）。

?

0</?2<1

回歸分析中定義的（）。

0

解釋變量和被解釋變量都是隨機(jī)變量

目

解釋變量為非隨機(jī)變量，被解釋變量為隨機(jī)變量

解釋變量和被解釋變量都為非隨機(jī)變量

回

解釋變量為隨機(jī)變量，被解釋變量為非隨機(jī)變量

最大或然準(zhǔn)則是按從模型中得到既得的n組樣本觀測(cè)值的什么最大的準(zhǔn)則確

定樣本回歸方程（）。

a

離差平方和

回

均值

S

概率

0

方差

已知某農(nóng)場(chǎng)通過(guò)試驗(yàn)取得早稻收獲量與春季降雨量和春季溫度的數(shù)據(jù)如下，

則早稻收獲量對(duì)春季降雨量和春季溫度的二元線(xiàn)性回歸方程為（）。

收獲量y(kg/hm3)降雨量xl(mm)溫度x2(℃)

2250256

3450338

45004510

675010513

720011014

750011516

825012017

0

y=327.672+22.386X1-0.591x2

回

沖0.591+22.386x1+327.672x2

目

y=22.386-0.591X1+327.672x2

El

y=-0.591+22.386X1+327.672x2

為研究某市家庭收入與月平均生活支出的關(guān)系，該市統(tǒng)計(jì)部門(mén)隨機(jī)調(diào)查了1

。個(gè)家庭，得數(shù)據(jù)如下，則回歸直線(xiàn)方程為()。

家庭編號(hào)12345678910

%(收入)千元0.81.11.31.51.51.82.02.22.42.8

匕.(支出)千元0.71.01.21.01.31.51.31.72.02.5

0

y=-0.0043x+0.0043

同

y=0.8136x-0.0043

s

y=0.8136x+0.0043

0

S-=-0.8136x+0.0043

在回歸分析中，檢驗(yàn)線(xiàn)性相關(guān)顯著性常用的三種檢驗(yàn)方法，包含（）。

Q

相關(guān)系數(shù)顯著性檢驗(yàn)法

同

t檢驗(yàn)法

S

F檢驗(yàn)法（即方差檢驗(yàn)法）

0

X2檢驗(yàn)法

回歸方程9=L5x-15，則下列說(shuō)法不正確的有（）。

S

y=1.5x-15

畫(huà)

15是回歸系數(shù)a

□

1.5是回歸系數(shù)a

D|

x=10時(shí)，y=0

下列關(guān)系中具有相關(guān)關(guān)系的是（）。

0

人的年齡與他擁有的財(cái)富之間的關(guān)系

回

曲線(xiàn)上的點(diǎn)與該點(diǎn)的坐標(biāo)之間的關(guān)系

蘋(píng)果的產(chǎn)量與氣候之間的關(guān)系

畫(huà)

森林中的同一種樹(shù)木，其斷面直徑與高度之間的關(guān)系

下列變量中，屬于正相關(guān)的是（）。

Q

收入增加，儲(chǔ)蓄額增加

國(guó)

產(chǎn)量增加，生產(chǎn)費(fèi)用增加

收入增加，支出增加

0

價(jià)格下降，消費(fèi)增加

回歸分析按照涉及變量的多少，分為:

作答區(qū)

一元回歸分析

一元回歸分析

<1I

正確答案?元回歸分析"]

多元回歸分析

多元回歸分析

了2

正確答案:[”多元回歸分析”]

若線(xiàn)性回歸方程中的回歸系數(shù)b=0,則相關(guān)系數(shù)r為；

作答區(qū)

0

正確答案:["0"]

某化工廠為預(yù)測(cè)產(chǎn)品的回收率y,需要研究它和原料有效成分含量x之間的相關(guān)關(guān)系，現(xiàn)

取8對(duì)觀測(cè)值，計(jì)算得Ryj228.QxH78,工行y,=1849,則其線(xiàn)性回歸方程為

（系數(shù)保留兩位小數(shù)）

作答區(qū)

y=11.47+2.62x

y=l1.47+2.62x-

_d_|

正確答案:["y=2.62x+11.47","y=11.47+2.62X"]

下一題

使用F檢驗(yàn)對(duì)多元線(xiàn)性回歸方程進(jìn)行線(xiàn)性關(guān)系的顯著性檢驗(yàn)，所求F值越

大，說(shuō)明線(xiàn)性關(guān)系越：

作答區(qū)

顯著

正確答案:["顯著”]

在使用決定系數(shù)R2對(duì)回歸方程進(jìn)行擬合優(yōu)度檢驗(yàn)時(shí)，R2越大表示回歸方

程的擬合程度越,R2越小表示回歸方程的擬合程度越0

作答區(qū)

正確答案:[“好」

了2

正確答案:["差”]

.是確定兩種或兩種以上變數(shù)間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方

作答區(qū)

回歸分析

回歸分析

正確答案:["回歸分析"]

F檢驗(yàn)運(yùn)用服從F分布的統(tǒng)計(jì)量或方差比作為統(tǒng)計(jì)檢驗(yàn)，通過(guò)度量回歸方程的線(xiàn)性

關(guān)系是否顯著

作答區(qū)

顯著性水平

顯著性水平

正確答案:["顯著性水平"，"顯著性水平檢驗(yàn)"]

下一題

是指分類(lèi)器/回歸器正確地預(yù)測(cè)新的或先前未見(jiàn)過(guò)的數(shù)據(jù)的屬性值/類(lèi)

標(biāo)號(hào)的能力

作答區(qū)

分類(lèi)準(zhǔn)確率

分類(lèi)準(zhǔn)確率1

<|IJj

正確答案:["準(zhǔn)確率"，"分類(lèi)準(zhǔn)確率"]

當(dāng)一些變量的值確定以后，另一些變量的值也隨之完全確定的關(guān)系，這些

變量間的關(guān)系完全是已知的，變量間的關(guān)系可以用函數(shù)關(guān)系表示，我們稱(chēng)之為—

作答區(qū)

確定性關(guān)系

確定性關(guān)系

ill

正確答案:["確定性關(guān)系"]

變量之間有一定的依賴(lài)關(guān)系，變量之間雖然互相影響和制約，但由于受到無(wú)法估計(jì)和控制

的因素的影響，使變量間的關(guān)系呈現(xiàn)不確定性，當(dāng)一些變量的值確定以后，另一些變量值

雖然隨之變化，卻不能完全確定，這時(shí)，變量間的關(guān)系就可以精確地用函數(shù)表示，即不能

由一個(gè)或若干變量的值精確地確定另一個(gè)變量的值，我們稱(chēng)這樣的關(guān)系為

作答區(qū)

非確定性關(guān)系

非確定性關(guān)系

正確答案:「‘非確定性關(guān)系"]

下一題

在回歸分析中：被解釋變量y是、解釋變量x是

作答區(qū)

隨機(jī)變量

隨機(jī)變量

正確答案:["隨機(jī)變量”,"因變量"]

非隨機(jī)變量

非隨機(jī)變量

正確答案:[“非隨機(jī)變量"，"自變量"]

下一題

回歸分析通常用于挖掘關(guān)聯(lián)規(guī)則F

某塊農(nóng)田糧食的產(chǎn)量與施肥量之間的關(guān)系為不確定性關(guān)系T

多元線(xiàn)性回歸是研究處理兩個(gè)變量之間關(guān)系的最簡(jiǎn)單模型F

回歸分析是確定兩種或兩種以上變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分

析方法T

時(shí)序預(yù)測(cè)與回歸預(yù)測(cè)一樣，也是用已知的數(shù)據(jù)預(yù)測(cè)未來(lái)的值，但這些數(shù)據(jù)

的區(qū)別是變量所處的時(shí)間不同F(xiàn)

回歸分析按照自變量和因變量之間的關(guān)系類(lèi)型，可分為線(xiàn)性回歸分析和非

線(xiàn)性回歸分析T

一元線(xiàn)性回歸模型包含一個(gè)解釋變量和兩個(gè)被解釋變量F

用總平方和表示因變量的n個(gè)觀察值與其均值的誤差的總和T

應(yīng)用回歸預(yù)測(cè)法時(shí)，即使變量之間不存在相關(guān)關(guān)系，也可以對(duì)這些變量應(yīng)

用回歸預(yù)測(cè)法F

多元線(xiàn)性回歸模型表示的是多個(gè)自變量與一個(gè)因變量之間的關(guān)系T

SVM通過(guò)什么實(shí)現(xiàn)線(xiàn)性不可分割問(wèn)題

0

特征降維

回

特征篩選

基尼系數(shù)

回

核函數(shù)

1.下列幾種數(shù)據(jù)挖掘功能中被廣泛的用于購(gòu)物籃分析的是（）

A.關(guān)聯(lián)分析;

回

B.分類(lèi)和預(yù)測(cè)；

目

C.聚類(lèi)分析；

回

D.演變分析

2.某超市研究銷(xiāo)售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買(mǎi)啤酒的人很大概率也會(huì)購(gòu)買(mǎi)尿布,

這種屬于數(shù)據(jù)挖掘的哪類(lèi)問(wèn)題（）

A.關(guān)聯(lián)規(guī)則發(fā)現(xiàn)；

回

B.聚類(lèi)；

0

C.分類(lèi)；

0

D.自然語(yǔ)言處理；

4.置信度（confidence）是衡量哪種興趣度度量的指標(biāo)（）

0

A.簡(jiǎn)潔性；

目

B.確定性；

目

C.實(shí)用性；

回

D.新穎性；

5.關(guān)聯(lián)規(guī)則的支持度公式為()

0

A.support(A=>B)=P(AAB)；

回

B.support(A=>B)=P(B|A)；

C.support(A=>B)=P(AUB)；

0

D.support(A=>B)=P(A|B)；

6.下列指標(biāo)中，能夠度量一個(gè)規(guī)則的強(qiáng)度，同時(shí)衡量?jī)蓚€(gè)集合之間的獨(dú)立

性的是()

0

A.提升度；

回

B.杠桿度；

C.IS度量；

血

D.確信度；

7.規(guī)則0TA和A-0的置信度是()

0

A.50%；

回

B.75%；

0

C.90%；

國(guó)

D.100%；

8.令C1,C2和C3分別是規(guī)則｛p｝一｛q｝,｛p｝一｛q,r｝,｛p,r｝一｛q｝的置信度。如果

假定C1,C2和C3有不同的值，置信度最低的規(guī)則是（）

0

A.C1；

目

B.C2；

目

C.C3；

0

D.C2和C3；

11.如果XWY,且Y中至少有一項(xiàng)不在X中，那么丫是X的（）

0

A.頻繁項(xiàng)集；

畫(huà)

B.真超項(xiàng)集；

C.閉頻繁項(xiàng)集；

0

D.極大頻繁項(xiàng)集；

12.下列關(guān)于Aphori算法的分析中，錯(cuò)誤的是（）

0

A.Apriori算法基于支持度的剪枝技術(shù)，用來(lái)控制候選項(xiàng)集的指數(shù)增長(zhǎng);

回

B.Apriori算法包括候選集生成和向下封閉檢測(cè)兩個(gè)階段；

S

C.Apriori算法會(huì)掃描數(shù)據(jù)庫(kù)2次；

回

D.Apriori算法使用逐層搜索的迭代方法；

13.下表所示的購(gòu)物籃事務(wù)數(shù)據(jù)集中能夠提取的3-項(xiàng)集的最大數(shù)量是（）

事務(wù)ID購(gòu)買(mǎi)項(xiàng)

1｛牛奶，啤酒，尿布｝

2｛面包，黃油，牛奶｝

3｛牛奶，尿布，餅「｝

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｝

0

D.20；

15.下列不屬于Aphori算法的缺點(diǎn)的是（）

A.Apriori算法分為兩個(gè)階段挖掘頻繁項(xiàng)集；

§

B.Apriori算法產(chǎn)生候選項(xiàng)目集時(shí)沒(méi)有排除無(wú)用的候選項(xiàng)集；

?

C.Apriori算法在每一步產(chǎn)生候選項(xiàng)目集時(shí)循環(huán)產(chǎn)生的組合過(guò)多；

0

D.在掃描大型數(shù)據(jù)庫(kù)時(shí)，Apriori算法會(huì)大大增加計(jì)算機(jī)系統(tǒng)I/O開(kāi)銷(xiāo);

2.下表是一個(gè)購(gòu)物籃，假定支持度閾值為40%,其中哪幾個(gè)是頻繁閉項(xiàng)集（）

TID項(xiàng)

1abc

2abed

3bee

4acde

5de

A.abc；

B.ad；

C.cd；

D.de；

正確答案

AD

4.以下關(guān)于非頻繁模式說(shuō)法，正確的是（）

A.其支持度小于閾值；

回

B,都是不讓人感興趣的;

C.其支持度大于閾值;

D.對(duì)異常數(shù)據(jù)項(xiàng)敏感；

6.下列關(guān)于FP-growth算法優(yōu)缺點(diǎn)的表述中，正確的有（）

A.相比于Apriori算法，F(xiàn)P-growth算法運(yùn)行速度要快一個(gè)數(shù)量級(jí);

B.FP-growth算法在建立FP-tree時(shí)占用空間較小;

C.FP-growth算法無(wú)須多次掃描數(shù)據(jù)庫(kù)，節(jié)省了運(yùn)行時(shí)間;

D.FP-growth算法處理產(chǎn)生的條件樹(shù)時(shí)會(huì)占用很多資源;

Aprior算法包括和兩個(gè)基本步驟。

作答區(qū)

正確答案:["連接]

正確答案:[”剪枝"]

2.關(guān)聯(lián)規(guī)則的經(jīng)典算法包括和，其中的效率更高。

作答區(qū)

Apriori

Apriori

ill

正確答案:["Apriori"]

FP-growth

FP-growth

dI

正確答案:["FP-growth"]

FP-growth

FP-growth

正確答案:["FP-growth"]

關(guān)聯(lián)規(guī)則的置信度公式為confidence(A=>B)=

作答區(qū)

P(B\A)

d_J

正確答案:["P(B|A)"]

同時(shí)滿(mǎn)足和的規(guī)則稱(chēng)之為強(qiáng)關(guān)聯(lián)規(guī)則。

作答區(qū)

最小支持度

最小支持度

正確答案:[”最小支持度閾值"]

最小置信度

最小置信度

了2

正確答案:[”最小置信度閾值"]

如果一個(gè)項(xiàng)集的直接超集都不具有和它相同的支持度計(jì)數(shù)，則稱(chēng)其為:.

作答區(qū)

閉頻繁項(xiàng)集

閉頻繁項(xiàng)集>J

正確答案:[“閉項(xiàng)集」

下一題

在挖掘閉模式算法中，直接搜索閉頻繁項(xiàng)集，并對(duì)結(jié)果進(jìn)行剪枝是最常用

的方法，其中剪枝的策略包括和

作答區(qū)

項(xiàng)合并

項(xiàng)合并

2J

正確答案：[”項(xiàng)合并"]

子項(xiàng)集剪枝

“了?項(xiàng)I集剪枝2

正確答案:["子項(xiàng)集剪枝"]

不包含任何考察項(xiàng)集的事務(wù)稱(chēng)為:

作答區(qū)

零事務(wù)

正確答案:「零事務(wù)"]

頻繁出現(xiàn)在數(shù)據(jù)集中的模式稱(chēng)為;

作答區(qū)

頻繁模式

頻繁模式

正確答案:["頻繁模式"]

關(guān)聯(lián)規(guī)則挖掘任務(wù)主要分為和兩個(gè)子任務(wù)。

作答區(qū)

頻繁項(xiàng)集產(chǎn)生

頻繁項(xiàng)集產(chǎn)生

正確答案:["頻繁項(xiàng)集的產(chǎn)生,,]

關(guān)聯(lián)規(guī)則產(chǎn)生

關(guān)聯(lián)規(guī)則產(chǎn)生

正確答案:[”關(guān)聯(lián)規(guī)則的產(chǎn)生"]

大型數(shù)據(jù)庫(kù)中的關(guān)聯(lián)規(guī)則挖掘包含找出所有和由產(chǎn)生兩個(gè)

過(guò)程。

作答區(qū)

頻繁項(xiàng)集

頻繁項(xiàng)集1

正確答案:["頻繁項(xiàng)集”]

頻繁項(xiàng)集

頻繁項(xiàng)集2

<1I_LJ

正確答案:["頻繁項(xiàng)集”]

強(qiáng)關(guān)聯(lián)規(guī)則

強(qiáng)關(guān)聯(lián)規(guī)則3

正確答案:[”強(qiáng)關(guān)聯(lián)規(guī)則"]

FP-growth算法的基本思想是用FP-growth形成頻繁集。

作答區(qū)

樹(shù)

正確答案:["遞歸增長(zhǎng)"]

計(jì)算關(guān)聯(lián)規(guī)則｛牛奶｝=>｛咖啡｝的支持度和置信度：（答案保留小數(shù)

點(diǎn)后兩位）

購(gòu)買(mǎi)咖啡不購(gòu)買(mǎi)咖啡行和

購(gòu)買(mǎi)牛奶20005002500

不購(gòu)買(mǎi)牛奶100015002500

列和300020005000

作答區(qū)

0.40

0.40

正確答案:["0.40"]

0.80

0.802

正確答案:「0.66”]

從上題的數(shù)據(jù)中計(jì)算牛奶與咖啡之間的提升度和杠桿度:.（答案

保留小數(shù)點(diǎn)后一位）

作答區(qū)

0.8

0.8

ill

正確答案

-0.1

2

正確答案:["0.1"]

關(guān)聯(lián)規(guī)則挖掘過(guò)程是發(fā)現(xiàn)滿(mǎn)足最小支持度的所有項(xiàng)集代表的規(guī)則。F

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)。T

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。F

先驗(yàn)原理可以表述為：如果一個(gè)項(xiàng)集是頻繁的，那包含它的所有非空子集也是

頻繁的。T

具有較高的支持度的項(xiàng)集具有較高的置信度。F

如果兩個(gè)項(xiàng)集的提升度的值小于1,則說(shuō)明兩個(gè)項(xiàng)集正相關(guān)。F

兩個(gè)項(xiàng)集的全置信度越大，說(shuō)明兩個(gè)項(xiàng)集的關(guān)系越緊密，反之則關(guān)系越疏遠(yuǎn)。

T

極大頻繁項(xiàng)集的直接超集都不是頻繁的。T

可信度是對(duì)關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。T

Apriori算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。T

關(guān)聯(lián)規(guī)則是形如X=＞丫的蘊(yùn)含式，X和丫滿(mǎn)足：X和丫是I的真子集，并且X

和丫的交集為空集。T

設(shè)最小支持度閾值為30%,最小置信度閾值為70%,如果一個(gè)項(xiàng)集的支持度為

50%,則該項(xiàng)集是頻繁項(xiàng)集。T

下表給出了一個(gè)關(guān)于動(dòng)物類(lèi)別的訓(xùn)練數(shù)據(jù)。數(shù)據(jù)集包含5個(gè)屬性：warm_bl

ooded、feathers、fur、swims、lays_eggso若樣本按warm_blooded戈U分，

對(duì)應(yīng)的焙為（）

序號(hào)warmbloodedfeathersfurswimslayseggs

111001

200011

31100I

411001

510010

610100

A.0.809；

下面的例子被分為3類(lèi):{Short,Tall,Medium},Height屬性被劃分為

(0,1.6),(1.6,1.7),(1.7,1.8),(1.8,1.9),(1.9,2.0),

(2.0,8),根據(jù)下表，對(duì)于t=<Adam,M,1.95m>用貝葉斯分類(lèi)方法進(jìn)行分

類(lèi)，則最終結(jié)果為()

No.NameGenderHeightOutput

1KristinaF1.6mShort

2JimM2mTall

3MaggieF1.9mMedium

4MarthaF1.88mShort

5StephanieF1.7mMedium

6BobM1.85mShort

7KathyF1.6mShort

8DaveM1.7mShort

9WorthM2.2mTall

10StevenM2.1mTall

11DebbieF1.8mMedium

12ToddM1.95mMedium

13KimF1.9mMedium

14AmyF1.8mMedium

15WynetteF1.75mMedium

a

A.Short；

B.Tall；

下列是有關(guān)于是否購(gòu)買(mǎi)電腦的數(shù)據(jù)集，其中學(xué)歷，是否結(jié)婚，收入為特征,

表中最后一列類(lèi)別代表是否購(gòu)買(mǎi)電腦，則數(shù)據(jù)集的信息端為（）

ID學(xué)歷是否結(jié)婚收入類(lèi)別

1專(zhuān)科否中是

2專(zhuān)科是低否

3專(zhuān)科是中是

4本科否高是

5本科否中否

6本科否低否

7本科是中是

8研究生是高是

9研究生是中否

10研究生否高是

0

A.0.254；

回

B.0.376；

S

C.0.971；

下面的數(shù)據(jù)集包含兩個(gè)屬性X和丫，兩個(gè)類(lèi)標(biāo)號(hào)"+"和"一"。每個(gè)屬性取三個(gè)

不同的值：0,1或2。"+"類(lèi)的概念是丫=1,"-"類(lèi)的概念是X=0或X=2。則

由表構(gòu)建的決策樹(shù)的F1值（對(duì)"+”類(lèi)定義）是（）。

實(shí)份數(shù)

XY

+

000100

1000

200100

0110100

11100

2110100

020100

1200

220100

0

A.0.33；