《数据挖掘试卷 题集》由会员分享，可在线阅读，更多相关《数据挖掘试卷 题集（5页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘复习题集1. 名词解释及简答数据矩阵闭频繁项集，极大频繁项集四分位数极差聚类分析聚类算法DBSCAN中的密度可达与密度相连简述数据清理的任务简述k-means聚类与k-中心点聚类的相似与不同之处2. 填空题（1） 计算sin(45o)的Matlab命令是 （2） 假设x=10，计算的Matlab命令是 （3） Matlab中清除显示内容的命令是 （4） Matlab中清除变量y的命令是 （5） Matlab中有矩阵a=1 2 3; 4 5 6; 7 8 9，执行a(2,:)=后，a的值为 。（6） Matlab中绘制曲线的基本命令是 。（7） 数据质量涉及许多因素，包括 ， ， ，时效
2、性，可信性和可解释性。（8） 属性的类型由该属性可能具有的值的集合决定，属性类型包括 ， ，序数的或数值的。（9） KDD 过程包括： , 数据集成, 数据选择, 数据变换, 数据挖掘, 模式评估, 和 。（10） 一个模式是有趣的，如果它是 , 在某种程度上在新的或测试数据上是有效的, , 新颖的, 或验证了用户希望证实的某种假设。（11） 数据对象又称为样本、 、数据点、 或 。（12） 数值属性可以被分为 属性和 属性（13） 常见的数据的可视化技术有基于 的技术，几何投影技术，基于 的技术以及层次的和基于图形的技术。（14） 支持度和 是规则兴趣度的两种度量。3. 选择题：1) Mat
3、lab中，执行a=-4:4；b=reshape(a,3,3)后b的值是（）。D. 报错C. -4 -4 -4；4 4 4；4 4 4B. -4 -1 2; -3 0 3; -2 1 4A. -4 -3 -2; -1 0 1; 2 3 42) 在MATLAB中，列出当前工作空间变量名的函数是(A) who(s) (B) clc (C)path (D) draw3) 已知，则在MATLAB中调用命令A(3)的结果为(A)3 (B)2 (C) 无结果 (D)74) MATLAB对图形窗口进行灵活分割的命令为(A) plot (B) subplot (C) aplot (D) ploval5) ，则A
4、.*B=(A) 运算不执行，因有错 (B)6 83 (C) 5 74 (D) 6 6 36) MATLAB中保持图形窗口不关闭的命令为(A) alter (B) hold on (C) hold off (D) cd7) MATLAB中a=2,3,1，则b=a.2的结果为(A) b=4,6,1(B)b=4,9,1 (C)b=4,6,2 (D) 执行出错，无结果8) MATLAB中给变量w赋空矩阵的语句为(A)w=zeros() (B)w= (C)w=zeros(0,0) (D) clear w9) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？()A
5、. 关联规则发现B. 聚类C. 分类D. 自然语言处理10) 假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15,35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ ()A 第一个B 第二个C 第三个D 第四个11) 上题中，等宽划分时（宽度为50），15又在哪个箱子里？ ()12) 下面哪个不属于数据的属性类型：()A 标称B 序数C 区间D相异13) 在上题中，属于定量的属性类型是：()14) 只有非零值才重要的二元属性被称作：()A 计数属性B 离散属性C非对称的二元属性D 对称属性
6、15) 以下哪种方法不属于特征选择的标准方法： ()A 嵌入B 过滤C 包装D 抽样16) 熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是： ()A 1比特B 2.6比特C 3.2比特D 3.8比特17) 假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：()A 0.821 B 1.224 C 1.458 D 0.71618) 假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25
7、，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。第二个箱子值为：()A 18.3 B 22.6 C 26.8 D 27.919) 考虑值集12 24 33 2 4 55 68 26，其四分位数极差是：( )A 31 B 24 C 55 D 320) 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年级110人。则年级属性的众数是： ()A 一年级B二年级C 三年级D 四年级21) 下列哪个不是专门用于可视化时间空间数据的技术： ()A 等高线图B 饼图C 曲面图D 矢
8、量场图22) 在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是： ()A 有放回的简单随机抽样B 无放回的简单随机抽样C 分层抽样D 渐进抽样23) 以下哪些算法是分类算法，（）A，DBSCANB，C4.5C,K-MeanD,EM24) 以下哪些分类方法可以较好地避免样本的不平衡问题，（）A，KNNB，SVMC，BayesD，神经网络25) 以下哪项关于决策树的说法是错误的 ( )A. 冗余属性不会对决策树的准确率造成不利的影响B. 子树可能在决策树中重复多次C. 决策树算法对于噪声的干扰非常敏感D. 寻找最佳决策树是NP完全问题26) 决策树分类方法中，ID3算法使用的分裂准则
9、是：A. 信息增益 B. 增益比率 C.基尼指数 D.分类错误率27) 决策树分类方法中，C4.5算法使用的分裂准则是：A. 信息增益 B. 增益比率 C.基尼指数 D.分类错误率28) 决策树分类方法中，CART算法使用的分裂准则是：A. 信息增益 B. 增益比率 C.基尼指数 D.分类错误率4. 判断题1. Matlab程序要编译后才能运行。（）2. Matlab中变量名不区分大小写。（）3. Matlab中对2维矩阵的下标与C语言一样，是行优先存储。（）4. Matlab的执行效率比C语言低，但是Matlab的开发难度通常比C语言低。（）5. 聚类算法运行的条件需要所有的训练样本都有类别
10、标签。（）6. 决策树中基于信息增益分裂准则的一个缺陷是它趋向于多值属性。（）7. 分类算法中，随着分类模型的复杂度增加，训练集和测试集上的准确率通常都会提高。（）8. DBSCAN是一种基于密度的聚类方法。（）9. 分位数图是一种观察单变量数据分布的简单有效方法。（）10. 分位数-分位数图可以观察从一个分布到另一个分布是否有漂移。（）11. k-中心点聚类算法比k-均值算法对离群点更鲁棒。（）12. 频繁项集的关联规则挖掘中，闭频繁项集和极大频繁项集都包含了频繁项集的完整支持度信息（）13. 频繁模式增长FP-growth是一种比Aprior算法更高效的关联规则挖掘算法。（）5. 计算题：
11、1. 给定两个元组(10, 20, 30, 10)和(20, 0, 36, 8)表示的对象，求以下距离：（1） 计算这两个对象间的欧几里得距离（2） 计算这两个对象间的曼哈顿距离（3） 使用q=3，计算这两个对象之间的闵可夫斯基距离（4） 计算这两个对象之间的上确界距离2.在决策树分类中，依据分裂规则的不同提出了不同决策树算法，信息增益准则在ID3分类方法中采用。我们希望能够学习出一个贷款申请的决策树,当新的客户提出申请贷款时,根据申请人的特征利用决策树决定是否批准申请贷款。请完成如下的计算。ID年龄有工作有自己的房子信贷情况是否批准贷款申请1青年否否一般否2青年否否好否3青年是否好是4青年是
12、是一般是5青年否否一般否6中年否否一般否7中年否否好否8中年是是好是9中年否是非常好是10中年否是非常好是11老年否是非常好是12老年否是好是13老年是否好是14老年是否非常好是15老年否否一般否1）假设目前在根节点，包含所有15个样本点，请计算根节点分类所需的期望信息。2）计算年龄属性分裂的信息增益。3）计算用是否有工作属性分裂的信息增益。4）计算分别用是否有自己的房子和信贷情况属性分裂的信息增益，并说明基于信息增益准则，应该选择什么属性作为分裂属性。3. 朴素贝叶斯分类方法是一种简单但高效的分类方法，有如下关于顾客是否买计算机的训练数据集，请依据朴素贝叶斯分类方法，写出计算过程，判断属性信
13、息为x=(年龄=青年，收入中等，信用等级=良好)的顾客是否会购买计算机。RID年龄收入信用等级是否买计算机1青年高良否2青年高优否3中年高良是4老年中等良是5老年低良是6老年低优否7中年低优是8青年中等良否9青年低良是10老年中等良是4. 有如下混淆矩阵，请计算指标分类准确率，灵敏度，特效性，精度，召回率和F1度量。预测类别实际类别Class=YesClass=NoClass=Yes90210Class=No14095605. 假设我们对购买计算机游戏和录像带的事务感兴趣。设game表示包含计算机游戏的事务，而video表示包含录像的事务。在所分析的1000个事务中，数据显示有600个顾客事务包含计算机游戏，750个事务包含录像，而400个事务同时包含计算机游戏和录像。假设发现关联规则的数据挖掘程序在该数据上运行，计算如下关联规则的支持度和置信度：buys(X,”游戏”)
