1、Forpersonaluseonlyinstudyandresearch;notforcommercialuse單選題1.某超市研究銷售紀錄數(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3 .將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)彳1規(guī)約是在以下哪個步驟的任務(wù)？（C）A.頻繁模式挖掘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 .當不知道數(shù)據(jù)所帶標簽時，可以使用哪種技術(shù)促使帶同類標簽的數(shù)據(jù)與帶其他標簽的數(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.使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進行探索屬于數(shù)

2、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

3、 .以下哪種方法不屬于特征選擇的標準方法：（D）A嵌入B過濾C包裝D抽樣18 .下面不屬于創(chuàng)建新屬性白相關(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）A0.821B1.224C1.458D0.71623 .假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組中age的值如下（按遞增序）：13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,

4、45,46,52,70,問題：使用按箱平均值平滑方法對上述數(shù)據(jù)進行平滑，箱的深度為3。第二個箱子值為：（A）A18.3B22.6C26.8D27.928 .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行重新綜合.29 .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

5、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.30 .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)單元的詳細程度和級別；B.數(shù)據(jù)越詳細，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33.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；34 .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.

6、 (1)(2)(3)(4)D. (1)(2)(3)(4)(5)35 .關(guān)于OLAP和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OTAP應(yīng)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.37 .關(guān)于OLAP和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)容比較簡單且重復(fù)率高.B. OLAP的最終數(shù)據(jù)來源與OLTP不

7、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)X=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、4B、5C、6D、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B、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D、頻繁項集=頻繁閉項集=最大頻繁項集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、頻繁子圖挖掘C、頻繁數(shù)據(jù)項挖掘D、頻繁模式挖掘

8、48 .以下哪些算法是分類算法，A,DBSCANB,C4.5C,K-MeanD,EM(B)50.決策樹中不包含一下哪種結(jié)點，A,根結(jié)點(rootnode)B,內(nèi)部結(jié)點(internalnode)C,外部結(jié)點(externalnode)D,葉結(jié)點(leafnode)(C)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

9、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。57 .如果對屬性值的任一組合，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是一個很耗時的過程D,至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡(luò)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：（AB）A.模型B.模式C.

10、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，這個過程包括了以下哪些步驟？（ABCD）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。4 .數(shù)據(jù)挖掘算法的組件包括：（ABCD）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？（AD）A.統(tǒng)計B.計算機組成原理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。描述處理該問題的各種方法有：（ABCDE）A忽略

11、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)是相又穩(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)機事務(wù)處理（O

12、LTP）D.數(shù)據(jù)倉庫支持決策而非事務(wù)處理E.數(shù)據(jù)倉庫的主要目標就是幫助分析，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、可樂A、啤酒

13、、尿布B、啤酒、面包C、面包、尿布D、啤酒、牛奶18 .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、包含負模式和負相關(guān)模式D、對異常數(shù)據(jù)項敏感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，添加變量相當麻煩（AB）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)。（）2 .數(shù)據(jù)挖掘的目標不在于數(shù)據(jù)采集

14、策略，而在于對于已經(jīng)存在的數(shù)據(jù)進行模式的發(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。（錯）5 .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。（錯）6 .離群點可以是合法的數(shù)據(jù)對象或者值。（對）7 .離散屬性總是具有有限個值。（錯）8 .噪聲和偽像是數(shù)據(jù)錯誤這一相同表述的兩種叫法。（錯）9 .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）10 .特征提取技術(shù)并不依賴于特定的領(lǐng)域。（錯）12 .定量屬性可以是整數(shù)值或者是連續(xù)值。（對

15、）14. DSS主要是基于數(shù)據(jù)倉庫.聯(lián)機數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用。（對）15. OLAP技術(shù)側(cè)重于把數(shù)據(jù)庫中的數(shù)據(jù)進行分析、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）17 .數(shù)據(jù)倉庫中間層OLAP服務(wù)器只能采用關(guān)系型OLAP（錯）18 .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.（錯）21.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集代表的規(guī)則。（錯）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）25 .具有較高的支持度的項集具有較高的置信度。（錯）26 .聚類（cluster

16、ing）是這樣的過程：它找出描述并區(qū)分數(shù)據(jù)類或概念的模型（或函數(shù)），以便能夠使用模型預(yù)測類標記未知的對象類。（錯）27 .分類和回歸都可用于預(yù)測，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。a）29.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。（錯）僅供個人用于學(xué)習(xí)、研究；不得用于商業(yè)用途Forpersonaluseonlyinstudyandresearch;notforcommercialuse.Nurfurdenpers?nlichenfurStudien,Forschung,zukommerziellenZweckenverwendetwerden.Pourletudeetlarechercheuniquementfinspdesonnelles;pasddesfinscommerciales.tojibkoAJiajiioAeakpTOpwenojib3ymai旦ca6yqeHH豆c,neaob團ojikheiHcnojib3OBaTbCHbKOMMepnecKHxuejiax.以下無正文僅供個人用于學(xué)習(xí)、研究；不得用于商業(yè)用途Forpersonaluseonlyinstudyandresearch;notforcommer