数极客首页

150道数据挖掘试题,你会多少?

单选题

1. 某超市研讨
销售纪录数据后发现,买啤酒的人很大约
率也会置办

尿布,这种属于数据挖掘

的哪类问题?(A)
A. 关联规则发现
B. 聚类
C. 分类
D. 自然言语
处置

2. 以下两种描画

分别对应哪两种对分类算法的评价规范

? (A)
(a)警察抓小偷,描画

警察抓的人中有多少个是小偷的规范


(b)描画

有多少比例的小偷给警察抓了的规范

A. Precision, Recall
B. Recall, Precision
C. Precision, ROC
D. Recall, ROC

3. 将原始数据中止

集成、变换、维度规约、数值规约是在以下哪个步骤的任务?(C)
A. 频繁方式

挖掘

B. 分类和预测
C. 数据预处置

D. 数据流挖掘

4. 当不知道

数据所带标签时,能够

运用
哪种技术促使带同类标签的数据与带其他标签的数据相分别

?(B)
A. 分类
B. 聚类
C. 关联剖析

D. 隐马尔可夫链

5. 什么是KDD? (A)
A. 数据挖掘

与学问
发现
B. 范畴
学问
发现
C. 文档学问
发现
D. 动态学问
发现

6. 运用
交互式的和可视化的技术,对数据中止

探求

属于数据挖掘

的哪一类任务?(A)
A. 探求

数据剖析


B. 建模描画

C. 预测建模
D. 寻觅
方式

和规则

7. 为数据的总体散布

建模;把多维空间划分红
组等问题属于数据挖掘

的哪一类任务?(B)
A. 探求

数据剖析


B. 建模描画

C. 预测建模
D. 寻觅
方式

和规则

8. 树立
一个模型,经过
这个模型依据

已知的变量值来预测其他某个变量值属于数据挖掘

的哪一类任务?(C)
A. 依据

内容检索
B. 建模描画

C. 预测建模
D. 寻觅
方式

和规则

9. 用户有一种感兴味
的方式

并且希望在数据集中找到相似

的方式

,属于数据挖掘

哪一类任务?(A)
A. 依据

内容检索
B. 建模描画

C. 预测建模
D. 寻觅
方式

和规则

11.下面哪种不属于数据预处置
的办法

? (D)
A变量代换
B离散化
C汇集

D估量
遗漏值

12. 假定
12个销售价钱
记载
组曾经
排序如下:5, 10, 11, 13, 15,35, 50, 55, 72, 92, 204, 215 运用
如下每种办法

将它们划分红
四个箱。等频(等深)划分时,15在第几个箱子内? (B)
A 第一个
B 第二个
C 第三个
D 第四个

13.上题中,等宽划分时(宽度为50),15又在哪个箱子里? (A)
A 第一个
B 第二个
C 第三个
D 第四个

14.下面哪个不属于数据的属性类型:(D)
A 标称
B 序数
C 区间
D相异

15. 在上题中,属于定量的属性类型是:(C)
A 标称
B 序数
C 区间
D 相异

16. 只需

非零值才重要的二元属性被称作:( C )
A 计数属性
B 离散属性
C非对称的二元属性
D 对称属性

17. 以下哪种办法

不属于特征选择的规范

办法

: (D)
A 嵌入
B 过滤
C 包装
D 抽样

18.下面不属于创建

新属性的相关办法

的是: (B)
A特征提取
B特征修正

C映射数据到新的空间
D特征结构

19. 思索
值集{1、2、3、4、5、90},其截断均值(p=20%)是 (C)
A 2
B 3
C 3.5
D 5

20. 下面哪个属于映射数据到新的空间的办法

? (A)
A 傅立叶变换
B 特征加权
C 渐进抽样
D 维归约

21. 熵是为消弭
不肯定
性所需求
取得

的信息量,投掷平均

正六面体骰子的熵是: (B)
A 1比特
B 2.6比特
C 3.2比特
D 3.8比特

22. 假定
属性income的最大最小值分别是12000元和98000元。应用
最大最小规范

化的办法

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:(D)
A 0.821
B 1.224
C 1.458
D 0.716

23.假定用于剖析

的数据包含属性age。数据元组中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:运用
按箱平均

值平滑办法

对上述数据中止

平滑,箱的深度为3。第二个箱子
值为:(A)
A 18.3
B 22.6
C 26.8
D 27.9

24. 思索
值集{12 24 33 2 4 55 68 26},其四分位数极差是:(A)
A 31
B 24
C 55
D 3

25. 一所大学内的各年岁
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)
A 一年级
B二年级
C 三年级
D 四年级

26. 下列哪个不是特地
用于可视化时间空间数据的技术: (B)
A 等高线图
B 饼图
C 曲面图
D 矢量场图

27. 在抽样办法

中,当合适

的样本容量很难肯定
时,能够

运用
的抽样办法

是: (D)
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

28. 数据仓库是随着时间变化的,下面的描画

不正确的是 (C)
A. 数据仓库随时间的变化不时
增加新的数据内容;
B. 捕捉到的新数据会掩盖
原来的快照;
C. 数据仓库随事情
变化不时
删去旧的数据内容;
D. 数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不时
地中止

重新综合.

29. 关于基本

数据的元数据是指: (D)
A. 基本

元数据与数据源,数据仓库,数据集市和应用程序等结构

相关的信息;
B. 基本

元数据包括与企业相关的管理方面的数据和信息;
C. 基本

元数据包括日志文件和简历执行处置
的时序调度信息;
D. 基本

元数据包括关于装载和更新处置
,剖析

处置
以及管理方面的信息.

30. 下面关于数据粒度的描画

不正确的是: (C)
A. 粒度是指数据仓库小数据单元的细致
水平

和级别;
B. 数据越细致
,粒度就越小,级别也就越高;
C. 数据综合度越高,粒度也就越大,级别也就越高;
D. 粒度的细致

划分将直接影响数据仓库中的数据量以及查询质量.

31. 有关数据仓库的开发特性
,不正确的描画

是: (A)
A. 数据仓库开发要从数据动身
;
B. 数据仓库运用
的需求在开发进来
就要明白
;
C. 数据仓库的开发是一个不时
循环的过程,是启示
式的开发;
D. 在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处置
流,数据仓库中数据剖析

和处置
更灵活

,且没有固定的方式

32. 在有关数据仓库测试,下列说法不正确的是: (D)
A. 在完成数据仓库的实施

过程中,需求
对数据仓库中止

各种测试.测试工作中要包括单元测试和系统测试.
B. 当数据仓库的每个单独组件完成后,就需求
对他们中止

单元测试.
C. 系统的集成测试需求
对数据仓库的一切
组件中止

大量的功用
测试和回归测试.
D. 在测试之前没必要制定细致
的测试计划

.

33. OLAP技术的中心
是: (D)
A. 在线性;
B. 对用户的快速响应;
C. 互操作性.
D. 多维剖析

;

34. 关于OLAP的特性,下面正确的是: (D)
(1)快速性 (2)可剖析

性 (3)多维性 (4)信息性 (5)共享性
A. (1) (2) (3)
B. (2) (3) (4)
C. (1) (2) (3) (4)
D. (1) (2) (3) (4) (5)

35. 关于OLAP和OLTP的区别描画

,不正确的是: (C)
A. OLAP主要是关于怎样
了解

汇集

的大量不同的数据.它与OTAP应用程序不同.
B. 与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务.
C. OLAP的特性
在于事务量大,但事务内容比较

简单且重复

率高.
D. OLAP是以数据仓库为基础

的,但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的.

36. OLAM技术普通
简称为”数据联机剖析

挖掘

”,下面说法正确的是: (D)
A. OLAP和OLAM都基于客户机/效劳
器方式

,只需

后者有与用户的交互性;
B. 由于OLAM的立方体和用于OLAP的立方体有实质

的区别.
C. 基于WEB的OLAM是WEB技术与OLAM技术的分别

.
D. OLAM效劳
器经过
用户图形借口接纳
用户的剖析

指令,在元数据的知道

下,对超级立方体作一定的操作.

37. 关于OLAP和OLTP的说法,下列不正确的是: (A)
A. OLAP事务量大,但事务内容比较

简单且重复

率高.
B. OLAP的最终数据来源与OLTP不一样.
C. OLTP面对的是决策人员和高层管理人员.
D. OLTP以应用为中心
,是应用驱动的.

38. 设X={1,2,3}是频繁项集,则可由X产生__(C)__个关联规则。
A、4
B、5
C、6
D、7

40. 概念分层图是__(B)__图。
A、无向无环
B、有向无环
C、有向有环
D、无向有环

41. 频繁项集、频繁闭项集、最大频繁项集之间的关系是: (C)
A、频繁项集 频繁闭项集 =最大频繁项集
B、频繁项集 = 频繁闭项集 最大频繁项集
C、频繁项集 频繁闭项集 最大频繁项集
D、频繁项集 = 频繁闭项集 = 最大频繁项集

42. 思索
下面的频繁3-项集的汇合

:{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只需

5个项,采用 兼并
战略
,由候选产生过程得到4-项集不包含(C)
A、1,2,3,4
B、1,2,3,5
C、1,2,4,5
D、1,3,4,5

43.下面选项中t不是s的子序列的是 ( C )
A、s=<{2,4},{3,5,6},{8}> =<{2},{3,6},{8}>
B、s=<{2,4},{3,5,6},{8}> =<{2},{8}>
C、s=<{1,2},{3,4}> =<{1},{2}>
D、s=<{2,4},{2,4}> =<{2},{4}>

44. 在图汇合

中发现一组公共子结构

,这样的任务称为 ( B )
A、频繁子集挖掘

B、频繁子图挖掘

C、频繁数据项挖掘

D、频繁方式

挖掘

45. 下列度量不具有反演性的是 (D)
A、系数
B、几率
C、Cohen度量
D、兴味
因子

46. 下列__(A)__不是将客观
信息参与

到方式

发现任务中的办法


A、与同一时期其他数据对比

B、可视化
C、基于模板的办法

D、客观
兴味
度量

47. 下面购物篮能够

提取的3-项集的最大数据量
是多少(C)

ID 置办


1 牛奶,啤酒,尿布
2 面包,黄油,牛奶
3 牛奶,尿布,饼干
4 面包,黄油,饼干
5 啤酒,饼干,尿布
6 牛奶,尿布,面包,黄油
7 面包,黄油,尿布
8 啤酒,尿布
9 牛奶,尿布,面包,黄油
10 啤酒,饼干

A、1
B、2
C、3
D、4

48. 以下哪些算法是分类算法,(B)
A,DBSCAN
B,C4.5
C,K-Mean
D,EM

49. 以下哪些分类办法

能够

较好地避免

样本的不均衡

问题, (A)

A,KNN
B,SVM
C,Bayes
D,神经网络

50. 决策树中不包含一下哪种结点, (C)

A,根结点(root node)
B,内部结点(internal node)
C,外部结点(external node)
D,叶结点(leaf node)

51. 不纯性度量中Gini计算公式为(其中c是类的个数) (A)
A, B, C, D, (A)

53. 以下哪项关于决策树的说法是错误的 (C)
A. 冗余属性不会对决策树的精确

率构成

不利的影响
B. 子树可能在决策树中重复

多次

C. 决策树算法关于
噪声的干扰十分

敏感
D. 寻觅
最佳决策树是NP完好

问题

54. 在基于规则分类器的中,依据

规则质量的某种度量对规则排序,保证每一个测试记载
都是由掩盖
它的“最好的”规格来分类,这种计划

称为 (B)
A. 基于类的排序计划

B. 基于规则的排序计划

C. 基于度量的排序计划

D. 基于规格的排序计划

55. 以下哪些算法是基于规则的分类器 (A)
A. C4.5
B. KNN
C. Na?ve Bayes
D. ANN

56. 假定

规则集R中不存在两条规则被同一条记载
触发,则称规则集R中的规则为(C);
A, 无序规则
B,穷举规则
C, 互斥规则
D,有序规则

57. 假定

对属性值的任一组合,R中都存在一条规则加以掩盖
,则称规则集R中的规则为(B)
A, 无序规则
B,穷举规则
C, 互斥规则
D,有序规则

58. 假定

规则集中的规则依照

优先级降序排列,则称规则集是 (D)
A, 无序规则
B,穷举规则
C, 互斥规则
D,有序规则

59. 假定

允许一条记载
触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票肯定
测试记载
的类标号,称为(A)
A, 无序规则
B,穷举规则
C, 互斥规则
D,有序规则

60. 思索
两队之间的足球竞赛
:队0和队1。假定
65%的竞赛
队0胜出,剩余的竞赛
队1获胜。队0获胜的竞赛
中只需

30%是在队1的主场,而队1取胜的竞赛
中75%是主场获胜。假定

下一场竞赛
在队1的主场中止

队1获胜的概率为 (C)
A,0.75
B,0.35
C,0.4678
D, 0.5738

61. 以下关于人工神经网络(ANN)的描画

错误的有 (A)
A,神经网络对锻炼
数据中的噪声十分

鲁棒
B,能够

处置
冗余特征
C,锻炼
ANN是一个很耗时的过程
D,至少含有一个躲藏
层的多层神经网络

62. 经过
汇集

多个分类器的预测来进步
分类精确

率的技术称为 (A)
A,组合(ensemble)
B,汇集

(aggregate)
C,兼并
(combination)
D,投票(voting)

63. 简单地将数据对象集划分红
不堆叠
的子集,使得每个数据对象恰在一个子集中,这种聚类类型称作( B )
A、层次聚类
B、划分聚类
C、非互斥聚类
D、含糊

聚类

64. 在基本

K均值算法里,当临近
度函数采用( A )的时分
,合适

的质心是簇中各点的中位数。
A、曼哈顿距离

B、平方欧几里德距离

C、余弦距离

D、Bregman散度

65.( C )是一个观测值,它与其他观测值的差别

如此之大,致使

于狐疑

它是由不同的机制产生的。
A、边境

B、质心
C、离群点
D、中心

66. BIRCH是一种( B )。
A、分类器
B、聚类算法
C、关联剖析

算法
D、特征选择算法

67. 检测一元正态散布

中的离群点,属于异常检测中的基于( A )的离群点检测。
A、统计办法

B、临近

C、密度
D、聚类技术

68.( C )将两个簇的临近
度定义为不同簇的一切
点对的平均

逐对临近
度,它是一种凝聚层次聚类技术。
A、MIN(单链)
B、MAX(全链)
C、组平均

D、Ward办法

69.( D )将两个簇的临近
度定义为两个簇兼并
时招致
的平方误差的增量,它是一种凝聚层次聚类技术。
A、MIN(单链)
B、MAX(全链)
C、组平均

D、Ward办法

70. DBSCAN在最坏状况

下的时间复杂度是( B )。
A、O(m)
B、O(m2)
C、O(log m)
D、O(m*log m)

71. 在基于图的簇评价
度量表里面,假定

簇度量为proximity(Ci , C),簇权值为mi ,那么它的类型是( C )。
A、基于图的凝聚度
B、基于原型的凝聚度
C、基于原型的分别


D、基于图的凝聚度和分别

72. 关于K均值和DBSCAN的比较

,以下说法不正确的是( A )。
A、K均值丢弃被它辨认

为噪声的对象,而DBSCAN普通
聚类一切
对象。
B、K均值运用
簇的基于原型的概念,而DBSCAN运用
基于密度的概念。
C、K均值很难处置
非球形的簇和不同大小的簇,DBSCAN能够

处置
不同大小和不同外形
的簇。
D、K均值能够

发现不是显然
分别

的簇,即便

簇有堆叠
也能够

发现,但是DBSCAN会兼并
有堆叠
的簇。

73. 以下是哪一个聚类算法的算法流程:①结构

k-最近邻图。②运用
多层图划分算法划分图。③repeat:兼并
关于相对互连性和相对接近性而言,最好地坚持
簇的自相似

性的簇。④until:不再有能够

兼并
的簇。( C )。
A、MST
B、OPOSSUM
C、Chameleon
D、Jarvis-Patrick(JP)

74. 思索
这么一种状况

:一个对象碰巧与另一个对象相对接近,但属于不同的类,由于
这两个对象普通
不会共享许多近邻,所以应该选择( D )的相似

度计算办法


A、平方欧几里德距离

B、余弦距离

C、直接相似


D、共享最近邻

75. 以下属于可伸缩聚类算法的是( A )。
A、CURE
B、DENCLUE
C、CLIQUE
D、OPOSSUM

76. 以下哪个聚类算法不是属于基于原型的聚类( D )。
A、含糊

c均值
B、EM算法
C、SOM
D、CLIQUE

77. 关于混合模型聚类算法的优缺陷
,下面说法正确的是( B )。
A、当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处置

B、混合模型比K均值或含糊

c均值更普通
,由于
它能够

运用
各种类

型的散布


C、混合模型很难发现不同大小和椭球外形
的簇。
D、混合模型在有噪声和离群点时不会存在问题。

78. 以下哪个聚类算法不属于基于网格的聚类算法( D )。
A、STING
B、WaveCluster
C、MAFIA
D、BIRCH

79. 一个对象的离群点得分是该对象周围

密度的逆。这是基于( C )的离群点定义。
A.概率
B、临近

C、密度
D、聚类

80. 下面关于Jarvis-Patrick(JP)聚类算法的说法不正确的是( D )。
A、JP聚类擅优点
理噪声和离群点,并且能够

处置
不同大小、外形
和密度的簇。
B、JP算法对高维数据效果良好,特别
擅长发现强相关对象的紧致簇。
C、JP聚类是基于SNN相似

度的概念。
D、JP聚类的基本

时间复杂度为O(m)。

二、 多选题

1. 经过
数据挖掘

过程所推倒出的关系和摘要经常被称为:(A B)
A. 模型
B. 方式

C. 模范
D. 模具

2 寻觅
数据集中的关系是为了寻觅
精确

、便当
并且有价值地总结了数据的某一特征的表示,这个过程包括了以下哪些步骤? (A B C D)
A. 决议
要运用
的表示的特征和结构

B. 决议
怎样
量化和比较

不同表示拟合数据的好坏
C. 选择一个算法过程使评分函数最优
D. 决议
用什么样的数据管理准绳
以高效地完成
算法。

3. 数据挖掘

的预测建模任务主要包括哪几大类问题? (A B)
A. 分类
B. 回归
C. 方式

发现
D. 方式

匹配

4. 数据挖掘

算法的组件包括:(A B C D)
A. 模型或模型结构

B. 评分函数
C. 优化和搜索办法

D. 数据管理战略

5. 以下哪些学科和数据挖掘

有密切

联络
?(A D)
A. 统计
B. 计算机组成原理
C. 矿产挖掘

D. 人工智能

6. 在理想
世界的数据中,元组在某些属性上短少

值是常有的。描画

处置
该问题的各种办法

有: (ABCDE)
A疏忽

元组
B运用
属性的平均

值填充空缺值
C运用
一个全局常量填充空缺值
D运用
与给定元组属同一类的一切
样本的平均


E运用
最可能的值填充空缺值

7.下面哪些属于可视化高维数据技术 (ABCE)
A 矩阵
B 平行坐标系
C星形坐标 D散布


E Chernoff脸

8. 关于
数据挖掘

中的原始数据,存在的问题有: (ABCDE)
A 不分歧

B重复

C不完好

D 含噪声
E 维度高

9.下列属于不同的有序数据的有:(ABCE)
A 时序数据
B 序列数据
C时间序列数据
D事务数据
E空间数据

10.下面属于数据集的普通
特性的有:( B C D)
A 连续性
B 维度
C 稠密

D 分辨率
E 相异性

11. 下面属于维归约常用的线性代数技术的有: (A C)
A 主成分剖析

B 特征提取
C 奇特
值合成

D 特征加权
E 离散化

12. 下面列出的条目中,哪些是数据仓库的基本

特征: (ACD)
A. 数据仓库是面向主题的
B. 数据仓库的数据是集成的
C. 数据仓库的数据是相对稳定的
D. 数据仓库的数据是反映历史变化的
E. 数据仓库是面向事务的

13. 以下各项均是针对数据仓库的不同说法,你以为
正确的有(BCDE )。
A.数据仓库就是数据库
B.数据仓库是一切商业智能系统的基础

C.数据仓库是面向业务的,支持联机事务处置
(OLTP)
D.数据仓库支持决策而非事务处置

E.数据仓库的主要目的
就是辅佐

剖析

,做长期性的战略制定

14. 数据仓库在技术上的工作过程是: (ABCD)
A. 数据的抽取
B. 存储和管理
C. 数据的表现
D. 数据仓库设计
E. 数据的表现

15. 联机剖析

处置
包括以下哪些基本

剖析

功用
? (BCD)
A. 聚类
B. 切片
C. 转轴
D. 切块
E. 分类

16. 应用
Apriori算法计算频繁项集能够

有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集,在候选2-项集中需求
剪枝的是(BD)
ID 项集
1 面包、牛奶
2 面包、尿布、啤酒、鸡蛋
3 牛奶、尿布、啤酒、可乐
4 面包、牛奶、尿布、啤酒
5 面包、牛奶、尿布、可乐

A、啤酒、尿布
B、啤酒、面包
C、面包、尿布
D、啤酒、牛奶

17. 下表是一个购物篮,假定支持度阈值为40%,其中__(A D)__是频繁闭项集。
TID 项
1 abc
2 abcd
3 bce
4 acde
5 de
A、abc
B、ad
C、cd
D、de

18. Apriori算法的计算复杂度受__(ABCD)?__影响。
A、支持度阀值
B、项数(维度)
C、事务数
D、事务平均

宽度

19. 非频繁方式

__(AD)__
A、其支持度小于阈值
B、都是不让人感兴味

C、包含负方式

和负相关方式

D、对异常数据项敏感

20. 以下属于分类器评价或比较

尺度的有: (ACD)

A,预测精确


B,召回率
C,模型描画

的简约

D,计算复杂度

21. 在评价不均衡

类问题分类的度量办法

有如下几种,(ABCD)
A,F1度量
B,召回率(recall)
C,精度(precision)
D,真正率(ture positive rate,TPR)

22. 贝叶斯自信心

网络(BBN)有如下哪些特性
, (AB)
A,结构

网络费时费力
B,对模型的过火
问题十分

鲁棒
C,贝叶斯网络不适合

处置
不完好
的数据
D,网络结构

肯定
后,添加变量相当省事

23. 如下哪些不是最近邻分类器的特性
, (C)
A,它运用
细致

的锻炼
实例中止

预测,不用
维护源自数据的模型
B,分类一个测试样例开支
很大
C,最近邻分类器基于全局信息中止

预测
D,能够

消费
恣意
外形
的决策边境

24. 如下那些不是基于规则分类器的特性
,(AC)
A,规则集的表达才干

远不如决策树好
B,基于规则的分类器都对属性空间中止

直线划分,并将类指派到每个划分
C,无法被用来产生更易于解释的描画

性模型
D,十分

适合

处置
类散布

不均衡

的数据集

25. 以下属于聚类算法的是( ABD )。
A、K均值
B、DBSCAN
C、Apriori
D、Jarvis-Patrick(JP)

26.( CD )都属于簇有效性的监视
度量。
A、轮廓系数
B、共性分类相关系数
C、熵
D、F度量

27. 簇有效性的面向相似

性的度量包括( BC )。
A、精度
B、Rand统计量
C、Jaccard系数
D、召回率

28.( ABCD )这些数据特性都是对聚类剖析

具有很强影响的。
A、高维性
B、范围

C、稠密

D、噪声和离群点

29. 在聚类剖析

当中,( AD )等技术能够

处置
恣意
外形
的簇。
A、MIN(单链)
B、MAX(全链)
C、组平均

D、Chameleon

30. ( AB )都属于团结
的层次聚类算法。
A、二分K均值
B、MST
C、Chameleon
D、组平均

三、 判别

1. 数据挖掘

的主要任务是从数据中发现潜在的规则,从而能更好的完成描画

数据、预测数据等任务。 (对)

2. 数据挖掘

的目的
不在于数据采集战略
,而在于关于
曾经
存在的数据中止

方式

的发掘

。(对)3. 图挖掘

技术在社会网络剖析

中扮演了重要的角色。(对)

4. 方式

为对数据集的全局性总结,它对整个丈量
空间的每一点做出描画

;模型则对蜕变

化空间的一个有限区域做出描画

。(错)

5. 寻觅
方式

和规则主要是对数据中止

干扰,使其契合
某种规则以及方式

。(错)

6. 离群点能够

是合法的数据对象或者值。    (对)

7. 离散属性总是具有有限个值。        (错)

8. 噪声和伪像是数据错误这一相同表述的两种叫法。     (错)

9. 用于分类的离散化办法

之间的基本

区别在于能否
运用
类信息。   (对)

10. 特征提取技术并不依赖于特定的范畴
。      (错)

11. 序列数据没有时间戳。      (对)

12. 定量属性能够

是整数值或者是连续值。     (对)

13. 可视化技术关于
剖析

的数据类型通常不是专用性的。    (错)

14. DSS主要是基于数据仓库.联机数据剖析

和数据挖掘

技术的应用。(对)

15. OLAP技术偏重

于把数据库中的数据中止

剖析

、转换成辅助决策信息,是继数据库技术展开

之后迅猛展开

起来的一种新技术。 (对)

16. 商业智能系统与普通
买卖
系统之间在系统设计上的主要区别在于:后者把结构

强加于商务之上,一旦系统设计终了
,其程序和规则不会随意

改动
;而前者则是一个学习型系统,能自动顺应
商务不时
变化的央求

。 (对)

17. 数据仓库中间层OLAP效劳
器只能采用关系型OLAP (错)

18.数据仓库系统的组成部分

包括数据仓库,仓库管理,数据抽取,剖析

工具等四个部分

. (错)

19. Web数据挖掘

是经过
数据库仲的一些属性来预测另一个属性,它在考证
用户提出的假定
过程中提取信息. (错)

21. 关联规则挖掘

过程是发现满足最小支持度的一切
项集代表的规则。(错)

22. 应用
先验原理能够

辅佐

减少频繁项集产生时需求
探查的候选项个数(对)。

23. 先验原理能够

表述为:假定

一个项集是频繁的,那包含它的一切
项集也是频繁的。(错)

24. 假定

规则 不满足置信度阈值,则形如 的规则一定也不满足置信度阈值,其中 是X的子集。(对)

25. 具有较高的支持度的项集具有较高的置信度。(错)

26. 聚类(clustering)是这样的过程:它找出描画

并辨别

数据类或概念的模型(或函数),以便能够

运用
模型预测类标志
未知的对象类。 (错)

27. 分类和回归都可用于预测,分类的输出是离散的类别值,而回归的输出是连续数值。(对)

28. 关于
SVM分类算法,待分样本集中的大部分

样本不是支持向量,移去或者减少这些样本对分类结果没有影响。 (对)

29. Bayes法是一种在已知后验概率与类条件概率的状况

下的方式

分类办法

,待分样本的分类结果取决于各类域中样本的全体。 (错)

30.分类模型的误差大致分为两种:锻炼
误差(training error)和泛化误差(generalization error). (对)

31. 在决策树中,随着树中结点数变得太大,即便

模型的锻炼
误差还在继续减低,但是检验误差开端
增大,这是呈现
了模型拟合缺乏
的问题。 (错)

32. SVM是这样一个分类器,他寻觅
具有最小边缘的超平面,因而

它也经常被称为最小边缘分类器(minimal margin classifier) (错)

33. 在聚类剖析

当中,簇内的相似

性越大,簇间的差别

越大,聚类的效果就越差。(错)

34. 聚类剖析

能够

看作是一种非监视
的分类。(对)

35. K均值是一种产生划分聚类的基于密度的聚类算法,簇的个数由算法自动地肯定
。(错)

36. 给定由两次运转
K均值产生的两个不同的簇集,误差的平方和最大的那个应该被视为较优。(错)

37. 基于临近
度的离群点检测办法

不能处置
具有不同密度区域的数据集。(对)

38. 假定

一个对象不强属于任何簇,那么该对象是基于聚类的离群点。(对)

39. 从点作为个体簇开端
,每一步兼并
两个最接近的簇,这是一种团结
的层次聚类办法

。(错)40. DBSCAN是相对立
噪声的,并且能够

处置
恣意
外形
和大小的簇。(对)

作者:罗春林 高级教员

来自:百度文库

本文采用「CC BY-SA 4.0 CN」协议转载学习交流,内容版权归原作者一切
,如涉作品、版权和其他问题请联络
「我们」处置

发表评论

评论已关闭。

相关文章