2025年大學(xué)數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)（數(shù)據(jù)挖掘）上學(xué)期單元測(cè)試卷

（考試時(shí)間：90分鐘滿(mǎn)分100分）班級(jí)______姓名______一、選擇題（總共10題，每題3分，每題給出的選項(xiàng)中，只有一項(xiàng)符合題目要求，請(qǐng)將正確答案的序號(hào)填在括號(hào)內(nèi)）1.以下哪種算法不屬于有監(jiān)督學(xué)習(xí)算法？（）A.決策樹(shù)B.支持向量機(jī)C.聚類(lèi)算法D.樸素貝葉斯2.在數(shù)據(jù)挖掘中，用于評(píng)估分類(lèi)模型性能的指標(biāo)不包括（）A.準(zhǔn)確率B.召回率C.F1值D.均方誤差3.以下關(guān)于關(guān)聯(lián)規(guī)則挖掘的說(shuō)法，錯(cuò)誤的是（）A.支持度衡量規(guī)則的普遍程度B.置信度衡量規(guī)則的可靠性C.頻繁項(xiàng)集是關(guān)聯(lián)規(guī)則挖掘的基礎(chǔ)D.關(guān)聯(lián)規(guī)則挖掘只能發(fā)現(xiàn)二元關(guān)系4.決策樹(shù)的構(gòu)建過(guò)程中，選擇最優(yōu)劃分屬性的依據(jù)是（）A.信息增益B.信息熵C.基尼指數(shù)D.以上都是5.支持向量機(jī)的核心思想是（）A.最大化間隔B.最小化誤差C.尋找最優(yōu)分類(lèi)超平面D.以上都對(duì)6.以下哪種算法常用于處理不平衡數(shù)據(jù)集？（）A.SMOTE算法B.K近鄰算法C.梯度提升算法D.隨機(jī)森林算法7.在數(shù)據(jù)預(yù)處理階段，數(shù)據(jù)標(biāo)準(zhǔn)化的目的不包括（）A.消除變量間的量綱差異B.提升模型的收斂速度C.防止模型過(guò)擬合D.改善模型的泛化能力8.以下關(guān)于聚類(lèi)算法的說(shuō)法，正確的是（）A.K-Means算法對(duì)初始聚類(lèi)中心敏感B.DBSCAN算法能發(fā)現(xiàn)任意形狀的簇C.層次聚類(lèi)算法計(jì)算復(fù)雜度較低D.以上都不對(duì)9.樸素貝葉斯分類(lèi)器基于的假設(shè)是（）A.特征之間相互獨(dú)立B.特征之間存在強(qiáng)相關(guān)性C.特征服從正態(tài)分布D.特征服從均勻分布10.以下哪種模型不屬于集成學(xué)習(xí)模型？（）A.隨機(jī)森林B.梯度提升C.神經(jīng)網(wǎng)絡(luò)D.AdaBoost二、多項(xiàng)選擇題（總共5題，每題5分，每題給出的選項(xiàng)中，有多個(gè)選項(xiàng)符合題目要求，請(qǐng)將正確答案的序號(hào)填在括號(hào)內(nèi)，少選、多選、錯(cuò)選均不得分）1.數(shù)據(jù)挖掘的主要任務(wù)包括（）A.分類(lèi)B.聚類(lèi)C.關(guān)聯(lián)規(guī)則挖掘D.回歸E.異常檢測(cè)2.以下哪些是決策樹(shù)的優(yōu)點(diǎn)？（）A.模型簡(jiǎn)單直觀B.不需要大量數(shù)據(jù)預(yù)處理C.能處理數(shù)值型和類(lèi)別型數(shù)據(jù)D.訓(xùn)練速度快E.容易解釋3.支持向量機(jī)在處理高維數(shù)據(jù)時(shí)可能面臨的問(wèn)題有（）A.計(jì)算復(fù)雜度高B.容易出現(xiàn)維度災(zāi)難C.過(guò)擬合風(fēng)險(xiǎn)增加D.模型泛化能力下降E.訓(xùn)練時(shí)間長(zhǎng)4.以下關(guān)于聚類(lèi)評(píng)估指標(biāo)的說(shuō)法，正確的是（）A.輪廓系數(shù)越接近1，聚類(lèi)效果越好B.戴維斯-布隆迪指數(shù)越小，聚類(lèi)效果越好C.蘭德指數(shù)用于衡量?jī)蓚€(gè)聚類(lèi)結(jié)果的相似性D.調(diào)整蘭德指數(shù)考慮了隨機(jī)分配的情況E.這些指標(biāo)都能準(zhǔn)確反映聚類(lèi)的實(shí)際效果5.常用的數(shù)據(jù)降維方法包括（）A.主成分分析B.奇異值分解C.線(xiàn)性判別分析D.聚類(lèi)分析E.關(guān)聯(lián)規(guī)則挖掘三、判斷題（總共10題，每題2分，請(qǐng)判斷下列說(shuō)法是否正確，正確的打“√”，錯(cuò)誤的打“×”）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(guò)程。（）2.有監(jiān)督學(xué)習(xí)算法需要有標(biāo)記的訓(xùn)練數(shù)據(jù)。（）3.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。（）4.決策樹(shù)的剪枝可以防止過(guò)擬合。（）5.支持向量機(jī)只能處理線(xiàn)性可分的數(shù)據(jù)。（）6.不平衡數(shù)據(jù)集中，少數(shù)類(lèi)樣本對(duì)模型性能影響較大。（）7.數(shù)據(jù)標(biāo)準(zhǔn)化對(duì)所有模型都有提升效果。（）8.K-Means算法的聚類(lèi)結(jié)果與初始聚類(lèi)中心的選擇無(wú)關(guān)。（）9.樸素貝葉斯分類(lèi)器在處理連續(xù)型變量時(shí)需要進(jìn)行離散化。（）10.集成學(xué)習(xí)模型通過(guò)組合多個(gè)弱學(xué)習(xí)器來(lái)提高性能。（）四、簡(jiǎn)答題（總共3題，每題10分，請(qǐng)簡(jiǎn)要回答以下問(wèn)題）1.請(qǐng)簡(jiǎn)述數(shù)據(jù)挖掘中分類(lèi)算法的基本流程。2.解釋一下關(guān)聯(lián)規(guī)則挖掘中的支持度和置信度，并舉例說(shuō)明。3.說(shuō)明K-Means算法的基本步驟。五、綜合題（總共1題，每題20分，請(qǐng)結(jié)合所學(xué)知識(shí)，解決以下實(shí)際問(wèn)題）某電商平臺(tái)收集了用戶(hù)的購(gòu)買(mǎi)記錄數(shù)據(jù)，包括用戶(hù)ID、商品ID、購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)金額等信息?，F(xiàn)在想要通過(guò)數(shù)據(jù)挖掘技術(shù)分析用戶(hù)的購(gòu)買(mǎi)行為，進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)。1.請(qǐng)?zhí)岢鲆环N適合的數(shù)據(jù)分析方法，并說(shuō)明理由。2.描述該方法的具體步驟。3.如何根據(jù)分析結(jié)果進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)？請(qǐng)給出具體策略。答案：一、選擇題1.C2.D3.D4.D5.C6.A7.C8.A9.A10.C二、多項(xiàng)選擇題1.ABCDE2.ABCE3.ABE4.ABCD5.ABC三、判斷題1.√2.√3.×4.√5.×6.√7.×8.×9.√10.√四簡(jiǎn)答題1.分類(lèi)算法基本流程：首先收集有標(biāo)記的訓(xùn)練數(shù)據(jù)，然后選擇合適的分類(lèi)算法，如決策樹(shù)、支持向量機(jī)等，接著使用訓(xùn)練數(shù)據(jù)訓(xùn)練模型，訓(xùn)練過(guò)程中通過(guò)優(yōu)化目標(biāo)函數(shù)來(lái)調(diào)整模型參數(shù)，最后用測(cè)試數(shù)據(jù)評(píng)估模型性能，若性能不滿(mǎn)足要求則調(diào)整模型或算法參數(shù)重新訓(xùn)練。2.支持度是指在所有數(shù)據(jù)集中，同時(shí)包含規(guī)則左邊和右邊的樣本數(shù)占總樣本數(shù)的比例，反映規(guī)則的普遍程度。置信度是指在包含規(guī)則左邊的樣本中，同時(shí)包含規(guī)則右邊的樣本數(shù)占包含規(guī)則左邊樣本數(shù)的比例，衡量規(guī)則的可靠性。例如，在100個(gè)交易中，有20個(gè)交易同時(shí)購(gòu)買(mǎi)了牛奶和面包，支持度為20%；在購(gòu)買(mǎi)牛奶的50個(gè)交易中，有20個(gè)也購(gòu)買(mǎi)了面包，置信度為40%。3.K-Means算法基本步驟：首先隨機(jī)選擇K個(gè)聚類(lèi)中心；然后計(jì)算每個(gè)樣本到各個(gè)聚類(lèi)中心的距離，將樣本分配到距離最近的聚類(lèi)中心所在的簇；接著重新計(jì)算每個(gè)簇的中心，即簇內(nèi)樣本的均值；重復(fù)上述步驟，直到聚類(lèi)中心不再變化或滿(mǎn)足終止條件。五、綜合題1.可以使用關(guān)聯(lián)規(guī)則挖掘方法。理由如下：通過(guò)分析用戶(hù)購(gòu)買(mǎi)記錄數(shù)據(jù)，挖掘出用戶(hù)購(gòu)買(mǎi)商品之間的關(guān)聯(lián)關(guān)系，能夠發(fā)現(xiàn)哪些商品經(jīng)常被一起購(gòu)買(mǎi)，從而了解用戶(hù)的購(gòu)買(mǎi)偏好和行為模式，為精準(zhǔn)營(yíng)銷(xiāo)提供有力支持。2.具體步驟：首先對(duì)購(gòu)買(mǎi)記錄數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、轉(zhuǎn)換等；然后使用關(guān)聯(lián)規(guī)則挖掘算法，如Apriori算法，設(shè)置合適的支持度和置信度閾值；運(yùn)行算法挖掘出頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則；對(duì)挖掘出的規(guī)則進(jìn)行分