《基于大数据挖掘技术及工程实践》试题及答案
大数据分析与挖掘复习 题集附答案
大数据分析与挖掘复习题集附答案大数据分析与挖掘复习题集附答案一、选择题1. 数据挖掘的主要任务是：A. 模式发现和模型评估B. 数据收集和整理C. 数据分析和可视化D. 数据传输和存储答案：A2. 在数据挖掘过程中，数据预处理的目的是：A. 提取有价值的信息B. 去除异常值和噪声C. 构建合适的模型D. 优化数据存储结构答案：B3. 关联规则挖掘是指：A. 发现不同属性之间的关联关系B. 预测未来事件的发生C. 分析数据的变化趋势D. 构建数据的分类模型答案：A4. 在数据挖掘中，分类和聚类的主要区别在于：A. 数据来源的不同B. 目标的不同C. 算法的不同D. 结果的不同答案：B5. 大数据分析的核心挑战是：A. 数据存储和处理速度B. 数据质量和准确性C. 数据安全和隐私保护D. 数据可视化和展示答案：A二、填空题1. __________是指通过对海量数据进行深入分析和挖掘，从中发现有价值的信息。
答案：大数据分析与挖掘2. 在数据挖掘过程中，将数据按照一定的规则进行重新排列，以便更方便地进行分析和挖掘，这个过程称为__________。
答案：数据预处理3. 数据挖掘中的分类算法主要是通过对已有的样本进行学习和训练，从而预测新的样本所属的__________。
答案：类别4. 聚类算法是将相似的数据样本归为一类，不需要事先知道数据的__________。
答案：类别5. 在大数据分析中，数据的__________对于结果的准确性和可靠性至关重要。
答案：质量三、简答题1. 请简要说明大数据分析与挖掘的步骤和流程。
答：大数据分析与挖掘的步骤主要包括数据收集与清洗、数据预处理、模式发现、模型评估和应用。
首先，需要从各个数据源收集所需数据，并对数据进行清洗，去除异常值和噪声。
然后，通过数据预处理，对数据进行规范化、离散化等处理，以便于后续的分析和挖掘。
接着，利用合适的算法和技术，进行模式发现，例如关联规则挖掘、分类和聚类等。
数据挖掘考试题库及答案
数据挖掘考试题库及答案一、选择题1. 数据挖掘是从大量数据中提取有价值信息的过程，以下哪项不是数据挖掘的主要任务？A. 预测B. 分类C. 聚类D. 数据可视化答案：D2. 以下哪种技术不属于数据挖掘的常用方法？A. 决策树B. 支持向量机C. 关联规则D. 数据仓库答案：D3. 数据挖掘中，以下哪项技术常用于分类和预测？A. 神经网络B. K-均值聚类C. 主成分分析D. 决策树答案：D4. 在数据挖掘中，以下哪个概念表示数据集中的属性？A. 数据项B. 数据记录C. 数据属性D. 数据集答案：C5. 数据挖掘中，以下哪个算法用于求解关联规则？A. Apriori算法B. ID3算法C. K-Means算法D. C4.5算法答案：A二、填空题6. 数据挖掘的目的是从大量数据中提取______信息。
答案：有价值7. 在数据挖掘中，分类任务分为有监督学习和______学习。
答案：无监督8. 决策树是一种用于分类和预测的树形结构，其核心思想是______。
答案：递归划分9. 关联规则挖掘中，支持度表示某个项集在数据集中的出现频率，置信度表示______。
答案：包含项集的记录中同时包含结论的记录的比例10. 数据挖掘中，聚类分析是将数据集划分为若干个______的子集。
答案：相似三、判断题11. 数据挖掘只关注大量数据中的异常值。
（）答案：错误12. 数据挖掘是数据仓库的一部分。
（）答案：正确13. 决策树算法适用于处理连续属性的分类问题。
（）答案：错误14. 数据挖掘中的聚类分析是无监督学习任务。
（）答案：正确15. 关联规则挖掘中，支持度越高，关联规则越可靠。
（）答案：错误四、简答题16. 简述数据挖掘的主要任务。
答案：数据挖掘的主要任务包括预测、分类、聚类、关联规则挖掘、异常检测等。
17. 简述决策树算法的基本原理。
答案：决策树算法是一种自顶向下的递归划分方法。
它通过选择具有最高信息增益的属性进行划分，将数据集划分为若干个子集，直到满足停止条件。
（完整word版）数据挖掘题目及答案
（完整word版）数据挖掘题⽬及答案⼀、何为数据仓库？其主要特点是什么？数据仓库与KDD的联系是什么？数据仓库是⼀个⾯向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，⽤于⽀持管理决策。
特点：1、⾯向主题操作型数据库的数据组织⾯向事务处理任务，各个业务系统之间各⾃分离，⽽数据仓库中的数据是按照⼀定的主题域进⾏组织的。
2、集成的数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加⼯、汇总和整理得到的，必须消除源数据中的不⼀致性，以保证数据仓库内的信息是关于整个企业的⼀致的全局信息。
3、相对稳定的数据仓库的数据主要供企业决策分析之⽤，⼀旦某个数据进⼊数据仓库以后，⼀般情况下将被长期保留，也就是数据仓库中⼀般有⼤量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。
4、反映历史变化数据仓库中的数据通常包含历史信息，系统记录了企业从过去某⼀时点(如开始应⽤数据仓库的时点)到⽬前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。
所谓基于数据库的知识发现（KDD）是指从⼤量数据中提取有效的、新颖的、潜在有⽤的、最终可被理解的模式的⾮平凡过程。
数据仓库为KDD提供了数据环境，KDD从数据仓库中提取有效的，可⽤的信息⼆、数据库有4笔交易。
设minsup=60%，minconf=80%。
TID DATE ITEMS_BOUGHTT100 3/5/2009 {A, C, S, L}T200 3/5/2009 {D, A, C, E, B}T300 4/5/2010 {A, B, C}T400 4/5/2010 {C, A, B, E}使⽤Apriori算法找出频繁项集，列出所有关联规则。
解：已知最⼩⽀持度为60%，最⼩置信度为80%1）第⼀步，对事务数据库进⾏⼀次扫描，计算出D中所包含的每个项⽬出现的次数，⽣成候选1-项集的集合C1。
大数据挖掘技术练习(习题卷14)
大数据挖掘技术练习(习题卷14)第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]人工智能不会（）A)听（语音识别、机器翻译），看（图像识别、文字识别）B)说（语音合成、人机对话）,思考（人机对弈、定理证明等）C)学习（机器学习、知识表示等），行动（机器人、自动驾驶汽车等）D)表达感情答案:D解析:2.[单选题]以下关于大数据应用说法错误的是( )。
A)大数据起源互联网,目前处于成熟期;B)目前金融、电信、零售、公共服务等领域在积极的探索和应用大数据;C)互联网是大数据的发源地;D)互联网上形成了多种相对成熟的应用模式。
答案:A解析:3.[单选题]协同过滤分析用户兴趣 , 在用户群中找到指定用户的相似 （兴趣）用户, 综合这些用户对 某一信息的评价 , 形成系统对该指定用户对此信息的喜好程度( ),并将这些用户喜欢的项推荐给有相似兴趣的用户。
A)相似B)相同C)推荐D)预测答案:D解析:4.[单选题]马云认为，（）是数据时代必须跨过的一个坎A)数据隐私B)数据服务C)数据获取D)数据应用答案:A解析:5.[单选题]研究顾客是否想购买手机与年龄,性别,收入和工作地点的关系可以使用()A)回归方法B)分类方法C)聚类方法D)关联分析答案:B解析:C)mapred-site.xmlD)hadoop-env.sh答案:B解析:7.[单选题]BIRCH是一种( B )。
A)分类器B)聚类算法C)关联分析算法D)特征选择算法答案:B解析:8.[单选题]基于DPI的网站统计分析功能目前暂无法支持的是A)域名按网站聚合B)URL的访问源记录C)域名流量统计D)页面内容爬取答案:D解析:9.[单选题]视频业务端到端问题定界的关键点在于（）A)查找KQI对应的相关异常KPI指标B)不同维度的对比定位分析C)进行HTTP错误码分析D)进行接口以上以下分析答案:A解析:10.[单选题]数据仓库是随着时间变化的,下面的描述不正确的是A)数据仓库随时间的变化不断增加新的数据内容;B)捕捉到的新数据会覆盖原来的快照;C)数据仓库随事件变化不断删去旧的数据内容;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断地进行重新综合.答案:C解析:11.[单选题]联机分析处理包括以下不是基本分析功能的为： ( )A)聚类B)切片C)转轴D)切块答案:A解析:12.[单选题]CRISP-DM是跨行业数据挖掘过程标准，下述哪项工作是 在data preperation阶段完成A)数据收集B)数据清洗13.[单选题]订单表order包含用户信息uid和产品信息pid等属性列,以下语句能够返回至少被订购过三次的Pid是______。
大数据技术与数据挖掘测试 选择题 64题
1. 大数据的“4V”特性不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Visibility2. 以下哪个不是大数据处理框架？A. HadoopB. SparkC. MongoDBD. Flink3. 在数据挖掘中，以下哪个步骤通常不是预处理的一部分？A. 数据清洗B. 数据集成C. 数据变换D. 数据分析4. 关联规则挖掘中的“支持度”是指什么？A. 项集出现的频率B. 项集的重要程度C. 项集的置信度D. 项集的相关性5. 在数据挖掘中，K-means算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法6. 以下哪个工具不是用于大数据分析的？A. RB. PythonC. ExcelD. Tableau7. 在Hadoop生态系统中，哪个组件用于数据存储？A. HDFSB. MapReduceC. HiveD. Pig8. Spark中的RDD代表什么？A. Resilient Distributed DatasetB. Relational Database DesignC. Remote Data DescriptorD. Resource Description Framework9. 以下哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系数据库D. 图形数据库10. 在数据挖掘中，决策树算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法11. 以下哪个算法用于异常检测？A. K-meansB. AprioriC. Isolation ForestD. Naive Bayes12. 在数据挖掘中，“过拟合”是指什么？A. 模型在训练数据上表现不佳B. 模型在测试数据上表现不佳C. 模型在训练数据上表现过好，但在新数据上表现不佳D. 模型在所有数据上表现一致13. 以下哪个不是数据仓库的特征？A. 面向主题B. 集成性C. 时变性D. 实时性14. 在数据挖掘中，“特征选择”的目的是什么？A. 增加数据的维度B. 减少数据的维度C. 增加数据的复杂度D. 减少数据的复杂度15. 以下哪个不是数据可视化的工具？A. D3.jsB. Power BIC. SQL ServerD. Highcharts16. 在数据挖掘中，“交叉验证”的目的是什么？A. 增加模型的复杂度B. 减少模型的复杂度C. 评估模型的泛化能力D. 增加数据的数量17. 以下哪个不是数据挖掘的应用领域？A. 金融B. 医疗C. 教育D. 娱乐18. 在数据挖掘中，“朴素贝叶斯”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法19. 以下哪个不是大数据的挑战？A. 数据隐私B. 数据安全C. 数据存储D. 数据可视化20. 在数据挖掘中，“随机森林”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法21. 以下哪个不是数据预处理的步骤？A. 数据清洗B. 数据集成C. 数据变换D. 数据分析22. 在数据挖掘中，“支持向量机”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法23. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储24. 在数据挖掘中，“Apriori”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法25. 以下哪个不是数据挖掘的工具？A. WekaB. RapidMinerC. MATLABD. Photoshop26. 在数据挖掘中，“神经网络”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法27. 以下哪个不是数据挖掘的应用？A. 市场篮分析B. 客户细分C. 图像编辑D. 欺诈检测28. 在数据挖掘中，“主成分分析”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 降维算法29. 以下哪个不是数据挖掘的挑战？A. 数据质量B. 数据量C. 数据类型D. 数据可视化30. 在数据挖掘中，“KNN”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法31. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储32. 在数据挖掘中，“决策树”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法33. 以下哪个不是数据挖掘的工具？A. RB. PythonC. ExcelD. Photoshop34. 在数据挖掘中，“逻辑回归”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法35. 以下哪个不是数据挖掘的应用？A. 市场篮分析B. 客户细分C. 图像编辑D. 欺诈检测36. 在数据挖掘中，“聚类分析”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法37. 以下哪个不是数据挖掘的挑战？A. 数据质量B. 数据量C. 数据类型D. 数据可视化38. 在数据挖掘中，“关联规则”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法39. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储40. 在数据挖掘中，“随机森林”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法41. 以下哪个不是数据挖掘的工具？A. WekaB. RapidMinerC. MATLABD. Photoshop42. 在数据挖掘中，“神经网络”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法43. 以下哪个不是数据挖掘的应用？A. 市场篮分析B. 客户细分C. 图像编辑D. 欺诈检测44. 在数据挖掘中，“主成分分析”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 降维算法45. 以下哪个不是数据挖掘的挑战？A. 数据质量B. 数据量C. 数据类型D. 数据可视化46. 在数据挖掘中，“KNN”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法47. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储48. 在数据挖掘中，“决策树”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法49. 以下哪个不是数据挖掘的工具？A. RB. PythonC. ExcelD. Photoshop50. 在数据挖掘中，“逻辑回归”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法51. 以下哪个不是数据挖掘的应用？A. 市场篮分析B. 客户细分C. 图像编辑D. 欺诈检测52. 在数据挖掘中，“聚类分析”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法53. 以下哪个不是数据挖掘的挑战？A. 数据质量B. 数据量C. 数据类型D. 数据可视化54. 在数据挖掘中，“关联规则”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法55. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储56. 在数据挖掘中，“随机森林”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法57. 以下哪个不是数据挖掘的工具？A. WekaB. RapidMinerC. MATLABD. Photoshop58. 在数据挖掘中，“神经网络”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法59. 以下哪个不是数据挖掘的应用？A. 市场篮分析B. 客户细分C. 图像编辑D. 欺诈检测60. 在数据挖掘中，“主成分分析”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 降维算法61. 以下哪个不是数据挖掘的挑战？A. 数据质量B. 数据量C. 数据类型D. 数据可视化62. 在数据挖掘中，“KNN”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法63. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据预处理C. 数据分析D. 数据存储64. 在数据挖掘中，“决策树”算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法答案1. D2. C3. D4. A5. B6. C7. A8. A9. C10. A11. C12. C13. D14. B15. C16. C17. D18. A19. D20. A21. D22. A23. D24. C25. D26. A27. C28. D29. D30. A31. D32. A33. D34. A35. C36. B37. D38. C39. D40. A41. D42. A43. C44. D45. D46. A47. D48. A49. D50. A51. C52. B53. D54. C55. D56. A57. D58. A59. C60. D61. D62. A63. D64. A。
数据挖掘测试题及答案
数据挖掘测试题及答案一、选择题1. 数据挖掘的目的是：A. 数据清洗B. 数据转换C. 模式发现D. 数据存储答案：C2. 以下哪项不是数据挖掘的常用算法？A. 决策树B. 聚类分析C. 线性回归D. 关联规则答案：C二、填空题1. 数据挖掘中的_________是指在大量数据中发现的有意义的模式。
答案：知识2. 一种常用的数据挖掘技术是_________，它用于发现数据中隐藏的分组。
答案：聚类三、简答题1. 简述数据挖掘与数据分析的区别。
答案：数据挖掘是一种自动或半自动的过程，旨在从大量数据中发现模式和知识。
数据分析通常涉及更具体的查询和问题，使用统计方法来理解数据。
2. 描述什么是关联规则挖掘，并给出一个例子。
答案：关联规则挖掘是一种用于发现变量之间有趣关系的技术，特别是变量之间的频繁模式、关联或相关性。
例如，在市场篮子分析中，关联规则挖掘可以用来发现顾客购买行为中的模式，如“购买面包的顾客中有80%也购买了牛奶”。
四、计算题1. 给定以下数据集，计算支持度和置信度：| 事务ID | 购买的商品 |||-|| 1 | A, B || 2 | A, C || 3 | B, C || 4 | A, B, C || 5 | B, D |(1) 计算项集{A}的支持度。
(2) 计算规则A => B的置信度。
答案：(1) 项集{A}的支持度为4/5，因为A出现在4个事务中。
(2) 规则A => B的置信度为3/4，因为A和B同时出现在3个事务中，而A出现在4个事务中。
五、论述题1. 论述数据挖掘在电子商务中的应用，并给出至少两个具体的例子。
答案：数据挖掘在电子商务中的应用非常广泛，包括：- 客户细分：通过数据挖掘技术，商家可以识别不同的客户群体，为每个群体提供定制化的服务或产品。
- 推荐系统：利用关联规则挖掘，电商平台可以推荐用户可能感兴趣的商品，提高用户满意度和购买率。
- 欺诈检测：通过分析交易模式，数据挖掘可以帮助识别异常行为，预防信用卡欺诈等风险。
大数据挖掘技术练习(习题卷6)
大数据挖掘技术练习(习题卷6)第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]基于输入的用户信息,通过模型的训练学习,找出数据中的规律和趋势,以确定未来目标数据的预测值()A)聚类B)分类C)预测D)关联答案:C解析:2.[单选题]使用pip工具升级科学计算扩展库numpy的完整命令是（）A)pip install --upgrade numpyB)pip list --upgrade numpyC)upgrade numpyD)upg numpy--pip install答案:A解析:3.[单选题]在一个表中有字段“专业”,要查找包含“信息”两个字的记录,正确的表达式是______。
A)LEFT(专业, 2)="信息"B)LIKE "%信息%"C)LIKE "_信息_"D)RIGHT(专业, 2)="信息"答案:B解析:4.[单选题]两台路由器成为OSPF邻居关系的必要条件不包括A)两台路由器的Hello时间一致B)两台路由器的Dead时间一致C)两台路由器的Router ID一致D)两台路由器所属区域一致答案:C解析:5.[单选题]自动化高级分析实验室,实现与统一数据资源库互联,实现数据的自助组表、自助分析功能,满足不同层级、不同水平的用户需求的是( )A)初级分析;B)综合分析C)典型分析D)高级分析答案:D解析:6.[单选题]关于 K 均值和 DBSCAN 的比较，以下说法不正确的是( )。
A)KB)KC)KD)K答案:A解析:7.[单选题]属于定量的属性类型是A)标称B)序数C)区间D)相异答案:C解析:8.[单选题]终端支持的频段，在下列哪个流程中会得以体现A)ATTACHB)DETACHC)切换流程D)呼叫流程答案:A解析:9.[单选题]概念分层图是____图。
A)无向无环B)有向无环C)有向有环D)无向有环答案:B解析:10.[单选题]关于OLAP和OLTP的区别描述,不正确的是:A)OLAP主要是关于如何理解聚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的特点在于事务量大,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.答案:C解析:11.[单选题]在FP-GROWTH算法中，已构造FP-Tree如图则项 I3 的条件模式基为A)<(I1,I2:2)>、I2:2、 I1:2B)<(I2,I1:2)>、I2:1、 I1:1C)<(I2,I1:2)>、I2:2、 I1:2D)<(I2,I1:1)>、I2:2、 I1:2答案:C解析:12.[单选题]下面的代码其功能为（）>>> x = [range(3*i, 3*i+5) for i in range(2)]>>> x = list(map(list, x))>>> x = list(map(list, zip(*x)))A)首先生成一个随机的列表，然后生成矩阵B)首先生成一个包含列表的列表，然后生成矩阵C)首先生成一个包含列表的列表，然后模拟矩阵转置D)首先排序列表，然后模拟矩阵转置答案:C解析:13.[单选题]下述方法不属于聚类方法的是( )A)K-均值B)K-中心性C)DBSCAN算法D)神经网络答案:D解析:14.[单选题]设有一个回归方程为y=2-2.5x,则变量x增加一个单位时()A)y平均增加2.5个单位B)y平均增加2个单位C)y平均减少2.5个单位D)y平均减少2个单位答案:C解析:15.[单选题]JSON 中的中括号一般来表示( )。
大数据挖掘技术练习(习题卷3)
大数据挖掘技术练习(习题卷3)说明：答案和解析在试卷最后第1部分：单项选择题，共51题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]缺失值处理方法中错误的是( )。
A)对于分类属性,使用同类对象属性值的均值B)转换为分类问题或数值预测问题C)对于离散属性或定性属性,使用众数D)对于所有属性都可以使用均值2.[单选题]以下哪项关于决策树的说法是错误的A)决策树算法对于噪声的干扰非常敏感B)冗余属性不会对决策树的准确率造成不利的影响C)子树可能在决策树中重复多次D)寻找最佳决策树是NP完全问题3.[单选题]考虑值集{12 24 33 2 4 55 68 26}，其四分位数极差是：A)31B)24C)55D)34.[单选题]下面选项中t不是s的子序列的是 ( )A)S=<{2,4},{3,5,6},{8}> t=<{2},{3,6},{8}>B)S=<{2,4},{3,5,6},{8}> t=<{2},{8}>C)S=<{1,2},{3,4}> t=<{1},{2}>D)S=<{2,4},{2,4}> t=<{2},{4}>5.[单选题]资金的时间价值是()A)同一资金在同一时点上价值量的差额B)同一资金在不同时点上价值量的差额C)不同资金在同一时点上价值量的差额D)不同资金在不同时点上价值量的差额6.[单选题]Logistic 回归是在商业领域上使用最广泛的预测模型, 常用于( )分类变量预测和概率预测。
A)四值B)三值C)二值D)一值7.[单选题]MapReduce 是一种( )计算模型A)集中式;C)离散式D)放射式8.[单选题]已知:A)klB)dC)1D)69.[单选题]以下哪个聚类算法不属于基于网格的聚类算法（）A)STINGB)MAFIAC)BIRCHD)WaveCluster10.[单选题]给定df是一个DataFrame对象，对df所有字段进行描述性统计，可以利用的方法为（ ）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《海量数据挖掘技术及工程实践》题目一、单选题（共80题）1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。
A.数据清洗B.数据集成C.数据变换D.数据归约2)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)A. 关联规则发现B. 聚类C. 分类D. 自然语言处理3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。
(b)描述有多少比例的小偷给警察抓了的标准。
A. Precision,RecallB. Recall,PrecisionA. Precision,ROC D. Recall,ROC4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)A. 频繁模式挖掘B. 分类和预测C. 数据预处理D. 数据流挖掘5)当不知道数据所带标签时，可以使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离？(B)A. 分类B. 聚类C. 关联分析D. 隐马尔可夫链6)建立一个模型，通过这个模型根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. 根据内容检索B. 建模描述C. 预测建模D. 寻找模式和规则7)下面哪种不属于数据预处理的方法？ (D)A.变量代换B.离散化C.聚集D.估计遗漏值8)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？(B)A.第一个B.第二个C.第三个D.第四个9)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10)只有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11)以下哪种方法不属于特征选择的标准方法： (D)A.嵌入B.过滤C.包装D.抽样12)下面不属于创建新属性的相关方法的是： (B)A.特征提取B.特征修改C.映射数据到新的空间D.特征构造13)下面哪个属于映射数据到新的空间的方法？ (A)A.傅立叶变换B.特征加权C.渐进抽样D.维归约14)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：(D)A.0.821B.1.224C.1.458D.0.71615)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)A.一年级B.二年级C.三年级D.四年级16)下列哪个不是专门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17)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： (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18)数据仓库是随着时间变化的,下面的描述不正确的是 (C)A.数据仓库随时间的变化不断增加新的数据内容B.捕捉到的新数据会覆盖原来的快照C.数据仓库随事件变化不断删去旧的数据内容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断地进行重新综合19)下面关于数据粒度的描述不正确的是: (C)A.粒度是指数据仓库小数据单元的详细程度和级别B.数据越详细,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.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量20)有关数据仓库的开发特点,不正确的描述是: (A)A.数据仓库开发要从数据出发B.数据仓库使用的需求在开发出去就要明确C.数据仓库的开发是一个不断循环的过程,是启发式的开发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理流,数据仓库中数据分析和处理更灵活,且没有固定的模式21)关于OLAP的特性,下面正确的是: (D)(1)快速性 (2)可分析性 (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)22)关于OLAP和OLTP的区别描述,不正确的是: (C)A.OLAP主要是关于如何理解聚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的特点在于事务量大,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23)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以应用为核心,是应用驱动的24)设X={1，2，3}是频繁项集，则可由X产生( C )个关联规则。
A.4B.5C.6D.725)考虑下面的频繁3-项集的集合：{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采用合并策略,由候选产生过程得到4-项集不包含（ C ）A.1,2,3,4B.1,2,3,5C.1,2,4,5D.1,3,4,526)下面选项中t不是s的子序列的是 ( C )A.s=<{2,4},{3,5,6},{8}> t=<{2},{3,6},{8}>B.s=<{2,4},{3,5,6},{8}> t=<{2},{8}>C.s=<{1,2},{3,4}> t=<{1},{2}>D.s=<{2,4},{2,4}> t=<{2},{4}>27)在图集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.频繁模式挖掘28)下列度量不具有反演性的是 (D)A.系数B.几率C.Cohen度量D.兴趣因子29)下列 ( A )不是将主观信息加入到模式发现任务中的方法。
A.与同一时期其他数据对比B.可视化C.基于模板的方法D.主观兴趣度量30)下面购物蓝能够提取的3-项集的最大数量是多少（C）A.1B.2C.3D.431)以下哪些算法是分类算法（B）A.DBSCANB.C4.5C.K-MeanD.EM32)以下哪些分类方法可以较好地避免样本的不平衡问题（A）A.KNNB.SVMC.BayesD.神经网络33)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）34)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35)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,保证每一个测试记录都是由覆盖它的“最好的”规格来分类,这种方案称为 (B)A. 基于类的排序方案B. 基于规则的排序方案C. 基于度量的排序方案D. 基于规格的排序方案。
36)以下哪些算法是基于规则的分类器 (A)A. C4.5B. KNNC. Naive BayesD. ANN37)可用作数据挖掘分析中的关联规则算法有（C）。
A. 决策树、对数回归、关联模式B. K均值法、SOM神经网络C. Apriori算法、FP-Tree算法D. RBF神经网络、K均值法、决策树38)如果对属性值的任一组合,R中都存在一条规则加以覆盖,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39)用于分类与回归应用的主要算法有: ( D )A.Apriori算法、HotSpot算法B.RBF神经网络、K均值法、决策树C.K均值法、SOM神经网络D.决策树、BP神经网络、贝叶斯40)如果允许一条记录触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票确定测试记录的类标号,称为（A）A.无序规则B.穷举规则C.互斥规则D.有序规则41)考虑两队之间的足球比赛：队0和队1。
假设65%的比赛队0胜出,剩余的比赛队1获胜。
队0获胜的比赛中只有30%是在队1的主场,而队1取胜的比赛中75%是主场获胜。
如果下一场比赛在队1的主场进行队1获胜的概率为 (C)A.0.75B.0.35C.0.4678D.0.573842)以下关于人工神经网络（ANN）的描述错误的有 (A)A.神经网络对训练数据中的噪声非常鲁棒B.可以处理冗余特征C.训练ANN是一个很耗时的过程D.至少含有一个隐藏层的多层神经网络43)通过聚集多个分类器的预测来提高分类准确率的技术称为 (A)A.组合(ensemble)B.聚集(aggregate)C.合并(combination)D.投票(voting)44)简单地将数据对象集划分成不重叠的子集,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.模糊聚类45)在基本K均值算法里,当邻近度函数采用（ A ）的时候,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46)（ C ）是一个观测值,它与其他观测值的差别如此之大,以至于怀疑它是由不同的机制产生的。
A.边界点B.质心C.离群点D.核心点47)BIRCH是一种（ B ）。
A.分类器B.聚类算法C.关联分析算法D.特征选择算法48)检测一元正态分布中的离群点,属于异常检测中的基于（ A ）的离群点检测。
A.统计方法B.邻近度C.密度D.聚类技术49)（ C ）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，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方法50)（ D ）将两个簇的邻近度定义为两个簇合并时导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方法51) 下列算法中，不属于外推法的是（ B ）。
A.移动平均法B.回归分析法C.指数平滑法D.季节指数法52) 关联规则的评价指标是：（ C ）。