《数据挖掘考试题目》由会员分享，可在线阅读，更多相关《数据挖掘考试题目（5页珍藏版）》请在金锄头文库上搜索。
1、、10个选择1. 以下属于关联分析的是（）A. CPU性能预测B.购物篮分析C-自动判断莺尾花类别D.股票趋势建模2. 维克托 迈尔-舍恩伯格在大数据时代：生活、工作与思维的大变革一书中，持续强 调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我 们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以 下哪个算法直接挖掘（）A. K-meansB.Bayes NetworkC.D.Apriori3.直信度（confidence）是衡量兴趣度度量:(）的指标。A.简洁性B.确定性C.实用性D.新颖性算法的加速过程依赖于以下哪个策略（)A.抽
2、样B.剪枝C.缓冲D.并行5.以下哪个会降低Apriori算法的挖掘效率()A.支持度阈值增大B.项数减少C.事务数减少D.减小硬盘读写速率算法使用到以下哪些东东（）A.格结构、有向无环图B.二叉树、哈希树C.格结构、哈希树D.多叉树、有向无环图7.非频繁模式（）A.其置信度小于阈值B.令人不感兴趣C.包含负模式和负相关模式D.对异常数据项敏感8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（）注.分别以1 2 3代表之L注分别以1、2、3代表之A. 3可以还原出无损的1B.2可以还原出无损的1C. 3与2是完全等价的D.2与1是完全等价的tree在Aprior i算法中所起的作用是
3、（)A.存储数据B.查找C.加速查找D.剪枝10.以下不属于数据挖掘软件的是（）A. SPSS ModelerB.WekaC. Apache SparkD.Knime二、10个填空1. 关联分析中表示关联关系的方法主要有：和。2. 关联规则的评价度量主要有： 和 。3. 关联规则挖掘的算法主要有： 和 。4. 购物篮分析中，数据是以的形式呈现。5. 一个项集满足最小支持度，我们称之为。6. 一个关联规则同时满足最小支持度和最小置信度，我们称之为7. 在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫 做。8. 极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集白
4、 信息。9. 经典的Apriori算法是逐层扫描的，也就是说它 （选:深度/宽度）优先的。10. 数据挖掘大概步骤包括：输入数据 预处理 挖掘 后处理 输出知识。其中，输出的 知识可以有很多种表示形式，两种极端的形式是：内部结构难以被理解的黑匣子，比如说 人工神经网络训练得出的网络；模式结构清晰的匣子，这种结构容易被人理解，比如说决 策树产生的树。那么，关联分析中输出的知识的表示形式主要（选:黑匣子/清 晰结构）。三、10个判断（）1.啤酒与尿布的故事是聚类分析的典型实例。（）算法是一种典型的关联规则挖掘算法。（）3.支持度是衡量关联规则重要性的一个指标。（）4.可信度是对关联规则的准确度的衡
5、量。（）5.给定关联规则A B，意味着：若A发生，B也会发生。（）6.频繁闭项集可用来无损压缩频繁项集。（）7.关联规则可以用枚举的方法产生。（）算法产生的关联规则总是确定的。（）9.不满足给定评价度量的关联规则是无趣的。（）10.对于项集来说，置信度没有意义。四、5个简答1. 简述关联规则产生的两个基本步骤。算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知 识，从候选项集中找到频繁项集。请简述Aprior i算法的基本原理。3. 简述Apriori算法的优点和缺点。4. 针对Apriori算法的缺点，可以做哪些方面的改进？5. 强关联规则一定是有趣的吗？为什么？
6、数据挖掘考试题目+参考答案、10个选择1. 以下属于关联分析的是（B ）A. CPU性能预测B.购物篮分析C-自动判断莺尾花类别D.股票趋势建模2. 维克托 迈尔-舍恩伯格在大数据时代：生活、工作与思维的大变革一书中，持续强 调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我 们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以 下哪个算法直接挖掘（D ）A. K-meansB. Bayes NetworkC. D. Apriori3置信度（confidence）是衡量兴趣度度量（B ）的指标。A.简洁性B.确定性C.实用性D.新颖性算
7、法的加速过程依赖于以下哪个策略（B ）A.抽样B.剪枝C.缓冲D.并行5.以下哪个会降低Apriori算法的挖掘效率（D ）B.项数减少D.减小硬盘读写速率B.二叉树、哈希树D.多叉树、有向无环图B.令人不感兴趣D.对异常数据项敏感A.支持度阈值增大C.事务数减少算法使用到以下哪些东东（C ）A.格结构、有向无环图C.格结构、哈希树7. 非频繁模式（D ）A.其置信度小于阈值C.包含负模式和负相关模式8. 对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（B ）注.分别以1 2 3代表之I.注：分别以1、2、3代表之A. 3可以还原出无损的1B. 2可以还原出无损的1C. 3与2是完全等
8、价的D. 2与1是完全等价的tree在Apriori算法中所起的作用是（C ）A.存储数据B.查找C.加速查找D.剪枝10.以下不属于数据挖掘软件的是（C ）A.SPSS ModelerB.WekaD.KnimeC. Apache Spark 二、10个填空1. 关联分析中表示关联关系的方法主要有：顼 和关联规则2. 关联规则的评价度量主要有：支持度和置信度。3. 关联规则挖掘的算法主要有：Apriori 和 FP-Growth 。4. 购物篮分析中,数据是以不对称二元变量的形式呈现。5-个项集满足最小支持度.我们称之为频繁项集。6. 一个关联规则同时满足最小支持度和最小置信度，我们称之为顼规
9、虹。7. 在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫做女 相关。8. 极大频繁项集不能无损还原出频繁项集.是因为它不包含频繁项集的支持度信息。9. 经典的Aprior i算法是逐层扫描的，也就是说它是 宽度（选:深度/宽度）优先的。10. 数据挖掘大概步骤包括：输入数据 预处理 挖掘 后处理 输出知识。其中，输出的 知识可以有很多种表示形式，两种极端的形式是：内部结构难以被理解的黑匣子，比如说 人工神经网络训练得出的网络；模式结构清晰的匣子，这种结构容易被人理解，比如说决 策树产生的树。那么，关联分析中输出的知识的表示形式主要是清晰结构（选:黑匣子/ 清晰结构）
10、。三、10个判断（X）1.啤酒与尿布的故事是聚类分析的典型实例。（/）算法是一种典型的关联规则挖掘算法。（/）3.支持度是衡量关联规则重要性的一个指标。（/）4.可信度是对关联规则的准确度的衡量。（X）5.给定关联规则A B，意味着：若A发生，B也会发生。（/）6.频繁闭项集可用来无损压缩频繁项集。（/）7.关联规则可以用枚举的方法产生。（/）算法产生的关联规则总是确定的。（X）9.不满足给定评价度量的关联规则是无趣的。（/）10.对于项集来说，置信度没有意义。四、5个简答1.简述关联规则产生的两个基本步骤。答：关联规则产生的两个基本步骤为：根据给定的支持度从项集中产生频繁项集；根据 给定的置
11、信度从频繁项集中产生关联规则。算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知 识，从候选项集中找到频繁项集。请简述Aprior i算法的基本原理。答：关联规则的产生并不依赖于Aprior i算法，Aprior i算法用来加速规则的产生过程。 Apriori算法的加速过程依赖于这样一个先验原理：“频繁项集的子集是频繁的”。3. 简述Apriori算法的优点和缺点。答：Aprior i算法的优点：结构简单、易于理解。Apriori算法的缺点：产生大量的候选项集，I/O开销较大。4. 针对Apriori算法的缺点，可以做哪些方面的改进？答：Aprior i算法的缺点主要是产生的候选项集较多，从而导致I/O开销较大。由此，可以 将庞大的数据集划分为可以装进内存的数据块，利用“频繁项集至少在一个分区中是频繁的” 原理合并各个数据块产生的频繁项集得到最终的频繁项集。5. 强关联规则一定是有趣的吗？为什么? 答：不一定。因为：规则的评价标准有很多，可以是客观的也可以是主观的。另外，强规则 也可能是负相关的，即因变量值随自变量值的增大（减小）而减小（增大）的现象。
