2023年商業(yè)經(jīng)濟行業(yè)技能考試-數(shù)據(jù)挖掘工程師考試歷年重點考核試題含答案（圖片大小可自由調(diào)整）第1卷一.參考題庫(共50題)1.根據(jù)規(guī)則中所處理的值類型，關(guān)聯(lián)規(guī)則可分為：（）和（）2.在聚類分析當中，（）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、Chameleon3.聚類4.數(shù)據(jù)聚合需要考慮的問題有哪些？5.方體計算的主要挑戰(zhàn)是（）和（）之間的矛盾。6.以下是一個商場所銷售商品的價格清單（按遞增順序排列，括號中的數(shù)表示前面數(shù)字出現(xiàn)次數(shù)） 1（2）、5（5）、8（2）、10（4）、12、14（3）、15（5）、18（8）、20（7）、21（4）、25（5）、28、30（3）。 請分別用等寬的方法和等高的方法對上面的數(shù)據(jù)集進行劃分。7.分類知識的發(fā)現(xiàn)方法主要有哪些？分類過程通常包括哪兩個步驟？8.關(guān)聯(lián)規(guī)則挖掘中，兩個主要的興趣度度量是：（）和（）9.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（）。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)務的，支持聯(lián)機事務處理（OLTP）D、數(shù)據(jù)倉庫支持決策而非事務處理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10.預測型知識11.什么是ETL？12.先驗原理可以表述為：如果一個項集是頻繁的，那包含它的所有項集也是頻繁的。13.給定基本方體，方體的物化有三種選擇：（）、（）和（）14.按照事實表中度量的可加性情況，可以把事實表對應的事實分為4種類型：（）、快照事實、線性項目事實和事件事實。15.什么是用戶信息需求表（信息包圖法）？它為什么適用于數(shù)據(jù)倉庫的概念模型的設(shè)計？16.從結(jié)構(gòu)的角度看，數(shù)據(jù)倉庫模型包括以下幾類？（）A、企業(yè)倉庫B、數(shù)據(jù)集市C、虛擬倉庫D、信息倉庫17.偏差型知識18.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(shè)計（）19.關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指（）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20.數(shù)據(jù)概化是指：（）21.遺傳算法與傳統(tǒng)尋優(yōu)算法相比有什么特點？22.何謂文本挖掘？它與信息檢索有什么關(guān)系（異同）。23.簡述決策樹的構(gòu)建。24.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：（）。A、忽略元組B、使用屬性的平均值填充空缺值C、使用一個全局常量填充空缺值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25.數(shù)據(jù)清理的目的是處理數(shù)據(jù)中的（）。A、空缺值B、噪聲數(shù)據(jù)C、不一致數(shù)據(jù)D、敏感數(shù)據(jù)26.怎樣從歷史數(shù)據(jù)中訓練出結(jié)點之間的條件概率或聯(lián)合條件概率？27.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（）28.對于SVM分類算法，待分樣本集中的大部分樣本不是支持向量，移去或者減少這些樣本對分類結(jié)果沒有影響。29.數(shù)據(jù)挖掘要解決的問題是什么？30.為什么樸素貝葉斯分類稱為“樸素”的？簡述樸素貝葉斯分類優(yōu)缺點。31.下列哪種可視化方法可用于發(fā)現(xiàn)多維數(shù)據(jù)中屬性之間的兩兩相關(guān)性？（）A、空間填充曲線B、散點圖矩陣C、平行坐標D、圓弓分割32.關(guān)于OLAP和OLTP的說法，下列不正確的是（）A、OLAP事務量大，但事務內(nèi)容比較簡單且重復率高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以應用為核心，是應用驅(qū)動的33.抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應用提供一個（）、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)是詳細的、歷史的、規(guī)范的、可理解的、即時的和質(zhì)量可控制的。34.聚類分析可以看作是一種非監(jiān)督的分類。35.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、模型B、模式C、模范D、模具36.K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個數(shù)由算法自動地確定。37.如何用決策樹進行分類？38.數(shù)據(jù)規(guī)范化39.簡述基于劃分的聚類方法。劃分的準則是什么？40.下面哪個不屬于數(shù)據(jù)的屬性類型：（）。A、標稱B、序數(shù)C、區(qū)間D、相異41.什么是特征選擇？42.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：（）。A、0.821B、1.224C、1.458D、0.71643.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44.簡述數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系？45.一個好的聚類分析方法會產(chǎn)生高質(zhì)量的聚類，具有兩個特征：（）和（）46.典型聚類方法有哪些？47.OLTP48.數(shù)據(jù)倉庫的三層架構(gòu)主要包括以下哪三部分？（）A、數(shù)據(jù)源B、數(shù)據(jù)倉庫服務器C、OLAP服務器D、前端工具49.簡述數(shù)據(jù)倉庫設(shè)計的三級模型的基本內(nèi)容。50.聚類分析包括連續(xù)型、二值離散型、（）和混合類型4種類型描述屬性的相似度計算方法。第1卷參考答案一.參考題庫1.正確答案:布爾關(guān)聯(lián)規(guī)則；量化關(guān)聯(lián)規(guī)則2.正確答案:A,D3.正確答案:是將物理或抽象對象的集合分組成為多個類或簇（cluster）的過程，使得在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。4.正確答案:（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(guān)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。5.正確答案:海量數(shù)據(jù)；有限的內(nèi)存和時間6.正確答案:（1）等寬方法：劃分為3個數(shù)據(jù)集，每個數(shù)據(jù)集的寬度為價格10。價格在1—10之間出現(xiàn)次數(shù)為13；價格在11—20之間出現(xiàn)的次數(shù)為24；價格在21—30之間出現(xiàn)的次數(shù)為13。 （2）等高方法：劃分為2個數(shù)據(jù)集，每個數(shù)據(jù)集的高度為出現(xiàn)的次數(shù)4。出現(xiàn)次數(shù)1—4之間的價格為1、8、10、12、14、21、28、30，共8個數(shù)據(jù)；出現(xiàn)次數(shù)5—8之間的價格為5、15、18、20、25，共5個數(shù)據(jù)。7.正確答案: 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)絡法、粗糙集法和遺傳算法。 分類的過程包括2步：首先在已知訓練數(shù)據(jù)集上，根據(jù)屬性特征，為每一種類別找到一個合理的描述或模型，即分類規(guī)則；然后根據(jù)規(guī)則對新數(shù)據(jù)進行分類。8.正確答案:支持度；置信度9.正確答案:B,C,D,E10.正確答案: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(guān)鍵屬性的關(guān)聯(lián)知識。11.正確答案: E.TL用來描述將數(shù)據(jù)從來源端經(jīng)過抽?。╡xtract）、轉(zhuǎn)換（transform）、加載（load）至目的端的過程。ETL一詞較常用在數(shù)據(jù)倉庫，但其對象并不限于數(shù)據(jù)倉庫。 E.TL是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗，最終按照預先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。12.正確答案:錯誤13.正確答案:不物化；部分物化；全物化14.正確答案:事務事實15.正確答案: 信息包圖法，也叫用戶信息需求表，就是在一張平面表格上描述元素的多維性，其中的每一個維度用平面表格的一列表示，通常的維度如時間、地點、產(chǎn)品和顧客等；而細化本列的對象就是類別，例如時間維度的類別可以細化到年、月、日，甚至小時；平面表格的最后一行（代表超立方體中的單元格）即為指標度量值，例如，某年在某銷售點的某類產(chǎn)品的實際銷售額。創(chuàng)建信息包圖時需要確定最高層和最低層的信息需求，以便最終設(shè)計出包含各個層次需要的數(shù)據(jù)倉庫。 總之，信息包圖法是一種自上而下的數(shù)據(jù)建模方法，即從用戶的觀點開始設(shè)計（用戶的觀點是通過與用戶交流得到的），站在管理者的角度把焦點集中在企業(yè)的一個或幾個主題上，著重分析主題所涉及數(shù)據(jù)的多維特性，這種自上而下的方法幾乎考慮了所有的信息源，以及這些信息源影響業(yè)務活動的方式。16.正確答案:A,B,C17.正確答案:是對差異和極端特例的描述，用于揭示事物偏離常規(guī)的異常現(xiàn)象，如標準類外的特例，數(shù)據(jù)聚類外的離群值等。18.正確答案:聚合模型19.正確答案:D20.正確答案:沿概念分層向上概化21.正確答案: ①遺傳算法為群體搜索，有利于尋找到全局最優(yōu)解； ②遺傳算法采用高效有方向的隨機搜索，搜索效率高； ③遺傳算法處理的對象是個體而不是參變量，具有廣泛的應用領(lǐng)域； ④遺傳算法使用適應值信息評估個體，不需要導數(shù)或其他輔助信息，運算速度快，適應性好； ⑤遺傳算法具有隱含并行性，具有更高的運行效率。22.正確答案:文本挖掘是從大量文本數(shù)據(jù)中提取以前未知的、有用的、可理解的、可操作的知識的過程。它與信息檢索之間有以下幾方面的區(qū)別：方法論不同：信息檢索是目標驅(qū)動的，用戶需要明確提出查詢要求；而文本挖掘結(jié)果獨立于用戶的信息需求，是用戶無法預知的。著眼點不同：信息檢索著重于文檔中字、詞和鏈接；而文本挖掘在于理解文本的內(nèi)容和結(jié)構(gòu)。目的不同：信息檢索的目的在于幫助用戶發(fā)現(xiàn)資源，即從大量的文本中找到滿足其查詢請求的文本子集；而文本挖掘是為了揭示文本中隱含的知識。評價方法不同：信息檢索用查準率和查全率來評價其性能。而文本挖掘采用收益、置信度、簡潔性等來衡量所發(fā)現(xiàn)知識的有效性、可用性和可理解性。使用場合不同：文本挖掘是比信息檢索更高層次的技術(shù)，可用于信息檢索技術(shù)不能解決的許多場合。一方面，這兩種技術(shù)各有所長，有各自適用的場合；另一方面，可以利用文本挖掘的研究成果來提高信息檢索的精度和效率，改善檢索結(jié)果的組織，使信息檢索系統(tǒng)發(fā)展到一個新的水平。23.正確答案:1）屬性的選擇（很重要，一般要最大限度地增大樣本集純度） 2）獲得大小適合的決策樹 3）使用ID3等經(jīng)典算法構(gòu)建決策樹24.正確答案:A,B,C,D,E25.正確答案:A,B,C26.正確答案:要訓練條件概率P（B|A），可以在歷史數(shù)據(jù)中統(tǒng)計A發(fā)生的次數(shù)T（A），然后統(tǒng)計在A發(fā)生的數(shù)據(jù)中B發(fā)生的次數(shù)T（A，B），條件概率P（B|A）=T（B）/T（A）。要訓練聯(lián)合條件概率P（C|A，B），可以在歷史數(shù)據(jù)中統(tǒng)計A、B共同發(fā)生的次數(shù)T（A，B），然后在A、B共同發(fā)生的數(shù)據(jù)中統(tǒng)計C發(fā)生的次數(shù)T（A，B，C），聯(lián)合條件概率P（C|A，B）=T（A，B，C）/T（A，B）。以上的符號A、B、C可以表示某個事件，也可以表示該事件的相反事件。27.正確答案:明考斯基距離28.正確答案:正確29.正確答案:面對高維，復雜，異構(gòu)的海量數(shù)據(jù)，如何集中獲取有用的信息和知識。30.正確答案:基于貝葉斯定理的推斷需要大量訓練數(shù)據(jù)以覆蓋類條件概率空間，引入了很大開銷。樸素貝葉斯分類做了類條件獨立假設(shè)，大幅降低了計算開銷。他的優(yōu)點是容易實現(xiàn)并在大多數(shù)情況下可以取得較好的結(jié)果；他的缺陷是類條件獨立在實際應用缺乏準確性，因為變量之間經(jīng)常存在依賴關(guān)系，這種依賴關(guān)系影響了樸素貝葉斯分類器的準確性。31.正確答案:B32.正確答案:A33.正確答案:單一的34.正確答案:正確35.正確答案:A,B36.正確答案:錯誤37.正確答案: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。38.正確答案:指將數(shù)據(jù)按比例縮放（如更換大單位），使之落入一個特定的區(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)定標規(guī)范化。39.正確答案: 基于劃分的聚類方法：給頂一個n個對象或元組的數(shù)據(jù)庫，一個劃分方法構(gòu)建數(shù)據(jù)的k個劃分，每個劃分表示一個簇，丙炔k《=n。劃分方法要求每個組至少包含一個對象并且每個對象屬于且僅數(shù)以一個組。聚類目標可以是最優(yōu)化某種量度，比如最小化數(shù)據(jù)點與類中心的距離平方和等。 劃分準則是同一個聚類中的對象盡可能的接近或相關(guān)，不同聚類中的對象盡可能的遠離或不同。40.正確答案:D41.正確答案:從一組已知特征的集合中選取最具有代表性的特征子集，使其保留原有數(shù)據(jù)的大部分特征，正確區(qū)分數(shù)據(jù)集中的每個數(shù)據(jù)對象。42.正確答案:D43.正確答案:C44.正確答案:數(shù)據(jù)倉庫與數(shù)據(jù)挖掘都是決策支持新技術(shù)。但它們有著完全不同的輔助決策方式。在數(shù)據(jù)倉庫系統(tǒng)的前端的分析工具中，數(shù)據(jù)挖掘是其中重要工具之一。它可以幫助決策用戶挖掘數(shù)據(jù)倉庫的數(shù)據(jù)中隱含的規(guī)律性。45.正確答案:高類內(nèi)相似度；低類間相似度46.正確答案:1）劃分方法（每個劃分表示一個聚類） 2）層次方法（將數(shù)據(jù)對象組成一個聚類樹） 3）基于密度的方法（絕大多數(shù)劃分方法都是基于對象之間的距離大小進行聚類） 4）基于模型的方法（試圖將給定數(shù)據(jù)與某個數(shù)學模型搭成最佳擬合） 5）基于圖的聚類算法（利用圖的許