2025年大學(xué)人工智能（數(shù)據(jù)挖掘基礎(chǔ)）上學(xué)期期末測(cè)試卷

（考試時(shí)間：90分鐘滿分100分）班級(jí)______姓名______一、單項(xiàng)選擇題（總共10題，每題3分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi)）1.數(shù)據(jù)挖掘中，以下哪種算法常用于分類任務(wù)且對(duì)數(shù)據(jù)分布適應(yīng)性較好？（）A.K近鄰算法B.決策樹算法C.關(guān)聯(lián)規(guī)則算法D.聚類算法2.以下關(guān)于數(shù)據(jù)預(yù)處理的說法，錯(cuò)誤的是（）A.數(shù)據(jù)清洗主要是處理缺失值、重復(fù)值等問題B.數(shù)據(jù)集成是將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)合并成一個(gè)數(shù)據(jù)集C.數(shù)據(jù)歸約就是對(duì)數(shù)據(jù)進(jìn)行隨機(jī)抽樣D.數(shù)據(jù)轉(zhuǎn)換可以包括數(shù)據(jù)標(biāo)準(zhǔn)化等操作3.在決策樹中，用于劃分節(jié)點(diǎn)的屬性選擇度量，以下哪種是基于信息論的？（）A.基尼系數(shù)B.信息增益C.均方誤差D.歐氏距離4.以下哪種聚類算法是基于密度的？（）A.K-Means算法B.DBSCAN算法C.層次聚類算法D.高斯混合模型聚類算法5.數(shù)據(jù)挖掘中，頻繁項(xiàng)集挖掘主要是找出（）A.出現(xiàn)頻率高的單個(gè)項(xiàng)B.出現(xiàn)頻率高的項(xiàng)的集合C.所有的項(xiàng)集D.特定長(zhǎng)度的項(xiàng)集6.支持向量機(jī)的主要目標(biāo)是（）A.找到最大間隔超平面進(jìn)行分類B.對(duì)數(shù)據(jù)進(jìn)行聚類C.挖掘頻繁項(xiàng)集D.進(jìn)行數(shù)據(jù)降維7.以下關(guān)于神經(jīng)網(wǎng)絡(luò)的說法，正確的是（）A.神經(jīng)網(wǎng)絡(luò)只能處理線性可分問題B.多層感知機(jī)是一種簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)C.神經(jīng)網(wǎng)絡(luò)的訓(xùn)練就是調(diào)整權(quán)重使損失函數(shù)最小D.神經(jīng)網(wǎng)絡(luò)不需要進(jìn)行數(shù)據(jù)預(yù)處理8.在數(shù)據(jù)挖掘中，評(píng)估分類模型性能的指標(biāo)不包括（）A.準(zhǔn)確率B.召回率C.F1值D.均方根誤差9.以下哪種數(shù)據(jù)挖掘任務(wù)可以用于預(yù)測(cè)客戶是否會(huì)購(gòu)買某種產(chǎn)品？（）A.關(guān)聯(lián)規(guī)則挖掘B.分類C.聚類D.數(shù)據(jù)可視化10.數(shù)據(jù)挖掘的主要步驟不包括（）A.數(shù)據(jù)采集B.模型評(píng)估C.結(jié)果可視化D.數(shù)據(jù)加密二、多項(xiàng)選擇題（總共5題，每題5分，每題至少有兩個(gè)正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi)）1.以下屬于監(jiān)督學(xué)習(xí)算法的有（）A.線性回歸算法B.決策樹算法C.K-Means算法D.支持向量機(jī)算法E.層次聚類算法2.數(shù)據(jù)挖掘中，數(shù)據(jù)清洗可能涉及到的操作有（）A.填充缺失值B.去除重復(fù)記錄C.處理噪聲數(shù)據(jù)D.數(shù)據(jù)離散化E.數(shù)據(jù)標(biāo)準(zhǔn)化3.在決策樹構(gòu)建過程中，可能會(huì)用到的剪枝策略有（）A.預(yù)剪枝B.后剪枝C.隨機(jī)剪枝D.基于誤差的剪枝E.基于信息增益的剪枝4.以下關(guān)于聚類評(píng)估指標(biāo)的說法，正確的有（）A.輪廓系數(shù)越接近1，聚類效果越好B.簇內(nèi)距離越小，聚類效果越好C.不同聚類算法的評(píng)估指標(biāo)相同D.評(píng)估指標(biāo)可以幫助選擇合適的聚類算法E.聚類純度越高，聚類效果越好5.數(shù)據(jù)挖掘中，關(guān)聯(lián)規(guī)則的表示形式通常為（）A.X->YB.support(X->Y)C.confidence(X->Y)D.lift(X->Y)E.XandY三、判斷題（總共10題，每題2分，請(qǐng)判斷對(duì)錯(cuò)，在括號(hào)內(nèi)打“√”或“×”）1.數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取有價(jià)值信息的過程。（）2.分類算法中，訓(xùn)練集和測(cè)試集必須完全相同。（）3.K-Means算法對(duì)初始聚類中心的選擇不敏感。（）4.關(guān)聯(lián)規(guī)則挖掘中，支持度高的規(guī)則一定是強(qiáng)規(guī)則。（）5.支持向量機(jī)只能處理二分類問題。（）6.數(shù)據(jù)挖掘中，特征選擇的目的是去除無關(guān)特征，提高模型性能。（）7.神經(jīng)網(wǎng)絡(luò)的層數(shù)越多，性能一定越好。（）8.聚類算法不需要預(yù)先定義類別。（）9.評(píng)估分類模型時(shí)，混淆矩陣可以直觀地展示模型的分類結(jié)果。（）10.數(shù)據(jù)挖掘的結(jié)果一定是完全準(zhǔn)確的。（）四、簡(jiǎn)答題（總共3題，每題10分）1.簡(jiǎn)述數(shù)據(jù)挖掘中常用的分類算法及其優(yōu)缺點(diǎn)。2.請(qǐng)說明數(shù)據(jù)預(yù)處理中數(shù)據(jù)清洗的主要內(nèi)容和方法。3.解釋什么是聚類算法，并列舉兩種常見的聚類算法及其特點(diǎn)。五、綜合題（總共1題，20分）假設(shè)你有一個(gè)關(guān)于客戶購(gòu)買行為的數(shù)據(jù)集，包含客戶的年齡、性別、收入、購(gòu)買頻率等信息。請(qǐng)描述如何運(yùn)用數(shù)據(jù)挖掘技術(shù)來分析該數(shù)據(jù)集，以找出不同客戶群體的特征以及預(yù)測(cè)客戶未來的購(gòu)買行為。要求詳細(xì)說明所使用的算法、步驟以及預(yù)期的結(jié)果。答案：一：?jiǎn)雾?xiàng)選擇題1.B2.C3.B4.B5.B6.A7.C8.D9.B10.D二：多項(xiàng)選擇題1.ABD2.ABC3.AB4.ABDE5.ABCD三：判斷題1.√2.×3.×4.×5.×6.√7.×8.√9.√10.×四：簡(jiǎn)答題1.決策樹算法：優(yōu)點(diǎn)是簡(jiǎn)單直觀、易于理解、計(jì)算復(fù)雜度低，能處理數(shù)值型和類別型數(shù)據(jù)；缺點(diǎn)是容易過擬合。K近鄰算法：優(yōu)點(diǎn)是理論成熟、對(duì)異常值不敏感、無訓(xùn)練過程；缺點(diǎn)是計(jì)算復(fù)雜度高、樣本不平衡時(shí)效果不佳。支持向量機(jī)：優(yōu)點(diǎn)是能處理高維數(shù)據(jù)、泛化能力強(qiáng)；缺點(diǎn)是對(duì)參數(shù)敏感、計(jì)算復(fù)雜度高。2.數(shù)據(jù)清洗主要內(nèi)容包括處理缺失值、重復(fù)值、噪聲數(shù)據(jù)等。方法有：填充缺失值可采用均值、中位數(shù)、眾數(shù)填充，或者使用插值法；去除重復(fù)記錄可通過比較記錄的所有字段來識(shí)別；處理噪聲數(shù)據(jù)可采用分箱、聚類等方法。3.聚類算法是將數(shù)據(jù)對(duì)象劃分為不同的組或簇，使得同一簇內(nèi)的數(shù)據(jù)對(duì)象相似度高，不同簇的數(shù)據(jù)對(duì)象相似度低。常見的有K-Means算法，特點(diǎn)是算法簡(jiǎn)單、收斂速度快，但對(duì)初始聚類中心敏感；DBSCAN算法，能發(fā)現(xiàn)任意形狀的簇，可識(shí)別噪聲點(diǎn)，但參數(shù)選擇較困難。五：綜合題可運(yùn)用決策樹算法進(jìn)行分析。步驟如下：首先對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，包括清洗、集成等。然后使用決策樹