数据挖掘练习题
数据挖掘考试题及答案
数据挖掘考试题及答案### 数据挖掘考试题及答案#### 一、选择题（每题2分，共20分）1. 数据挖掘的目的是发现数据中的：- A. 错误- B. 模式- C. 异常- D. 趋势答案：B2. 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. 神经网络答案：C3. 关联规则挖掘中，Apriori算法用于发现：- A. 频繁项集- B. 异常值- C. 趋势- D. 聚类答案：A4. K-means算法是一种：- A. 分类算法- B. 聚类算法- C. 预测算法- D. 关联规则挖掘算法答案：B5. 以下哪个指标用于评估分类模型的性能：- A. 准确率- B. 召回率- C. F1分数- D. 所有以上答案：D#### 二、简答题（每题10分，共30分）1. 描述数据挖掘中的“过拟合”现象，并给出避免过拟合的策略。
答案：过拟合是指模型对训练数据拟合得过于完美，以至于失去了泛化能力。
避免过拟合的策略包括：使用交叉验证、正则化技术、减少模型复杂度、获取更多的训练数据等。
2. 解释什么是“数据清洗”以及它在数据挖掘中的重要性。
答案：数据清洗是指从原始数据中识别并纠正（或删除）错误、重复或不完整的数据的过程。
它在数据挖掘中至关重要，因为脏数据会导致分析结果不准确，影响最终的决策。
3. 描述“特征选择”在数据挖掘中的作用。
答案：特征选择是数据挖掘中用来降低数据维度、提高模型性能和减少计算成本的过程。
通过选择最有信息量的特征，可以去除冗余或无关的特征，从而提高模型的准确性和效率。
#### 三、应用题（每题25分，共50分）1. 假设你正在分析一个电子商务网站的用户购买行为，描述你将如何使用数据挖掘技术来识别潜在的营销机会。
答案：首先，我会使用聚类分析来识别不同的用户群体。
然后，通过关联规则挖掘来发现不同用户群体的购买模式。
接着，利用分类算法来预测用户可能感兴趣的产品。
数据挖掘(练习)考试答案
数据挖掘（练习）1、(单选，4分)以下哪项不属于知识发现的过程？( )A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C4、(单选，4分)以下哪个度量属于数据散度的描述？（）A、均值B、中位数C、标准差D、众数答案：C5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D ）A、A．均值B、中位数C、众数D、四分位数答案：D6、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、SVMD、EM 答案：C8、(单选，4分)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？( )A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C9、(单选，4分)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？( )A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？( )A、信息增益B、信息增益率C、基尼指数D、距离答案：D11、(单选，4分)知识发现流程最核心的步骤是什么？( )A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：A12、(单选，4分)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？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C13、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、均值B、极差C、众数D、标准差答案：A14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、KNND、EM 答案：C15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A16、(单选，4分)以下哪些算法是分类算法？( ) A、DBSCAN B、C4.5 C、K-Mean D、EM 答案：B17、(单选，4分)K-means算法的缺点不包括？( ) A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B19、(单选，4分)下面那个不属于知识发现过程。
数据挖掘练习题附答案
数据挖掘练习题A一、简答题1. 数据对象之间的相似性可用距离来衡量，常见的距离形式有哪些？答：曼哈顿距离，欧几里得距离，切比雪夫距离，闵可夫斯基距离，杰卡德距离2. 简述朴素贝叶斯分类的基本思想。
答：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个概率最大，就认为此待分类项属于哪个类别。
1）设x={a!,a",…,a#}为一个待分类项，a为x的特征属性；2）有类别集合C={y!,y",…,y$}3) 计算p(y!|x)，p(y"|x)，… p(y$|x)4) 如果p(y%|x)=max {p(y!|x),p(y"|x),…,p(y%|x)}，则x∈y%3. 在做数据清洗时，如何处理缺失值？答：处理缺失值的方法有3种：1）忽略元组；2）数据补齐，包括人工填写、特殊值填充、平均值填充、使用最可能的值填充；3）不处理。
4. 简述K-means算法的基本步骤。
答：1）任意选择k个对象作为初始的簇中心；2）计算其它对象与这k个中心的距离，然后把每个对象归入离它“最近”的簇；3）计算各簇中对象的平均值，然后选择簇中心（离平均值“最近”的簇）；4）重复第2步到第3步直到簇中心不再变化为止。
5. 在关联规则中，支持度（support）和置信度（confidence）的含义分别是什么？答：支持度support(x->y)=p(x,y)，表示项集中同时含有x和y的概率。
置信度confidence(x->y)=p(y/x)，表示在关联规则的先决条件x发生的条件下，关联结果y发生的概率，即含有x的项集中，同时含有y的可能性。
二、计算题1.假定属性A的取值x在[x_min,x_max]之间，其中x_min和x_max分别为属性A的最小值和最大值，请利用最小-最大规范化方法（也称离差标准化，是对原始数据的线性变化），将x转化到新的区间[y_min,y_max]中，结果用x’表示。
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。
数据挖掘试题
单选题1. 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. 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4。
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。
使用交互式的和可视化的技术,对数据进行探索属于数据挖掘的哪一类任务？（A)A。
探索性数据分析 B. 建模描述C。
预测建模 D。
寻找模式和规则11.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12。
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16. 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17. 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18.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22。
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。
数据挖掘 练习
※:数据挖掘（练习）1、(单选，4分)以下哪项不属于知识发现的过程？()A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D※:数据挖掘（练习）2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D※:数据挖掘（练习）3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C※:数据挖掘（练习）4、(单选，4分)以下哪个度量属于数据散度的描述？（）A、均值B、中位数C、标准差D、众数答案：C※:数据挖掘（练习）5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D）A、A．均值B、中位数C、众数D、四分位数答案：D※:数据挖掘（练习）6、(单选，4分)对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？()A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C※:数据挖掘（练习）7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？()A、K-MeansB、DBSCANC、SVMD、EM答案：C※:数据挖掘（练习）8、(单选，4分)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？()A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C※:数据挖掘（练习）9、(单选，4分)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？()A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B※:数据挖掘（练习）10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？()A、信息增益B、信息增益率C、基尼指数D、距离答案：D※:数据挖掘（练习）11、(单选，4分)知识发现流程最核心的步骤是什么？()A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：A※:数据挖掘（练习）12、(单选，4分)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？()A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C※:数据挖掘（练习）13、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、均值B、极差C、众数D、标准差答案：A※:数据挖掘（练习）14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？()A、K-MeansB、DBSCANC、KNND、EM答案：C※:数据挖掘（练习）15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A※:数据挖掘（练习）16、(单选，4分)以下哪些算法是分类算法？()A、DBSCANB、C4.5C、K-MeanD、EM答案：B※:数据挖掘（练习）17、(单选，4分)K-means算法的缺点不包括？()A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D※:数据挖掘（练习）18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B※:数据挖掘（练习）19、(单选，4分)下面那个不属于知识发现过程。
数据挖掘知识竞赛题库及答案
数据挖掘知识竞赛题库及答案一、选择题1. 数据挖掘的目的是从大量的数据中发现有价值的信息和知识。
以下哪个不是数据挖掘的主要任务？A. 分类B. 聚类C. 预测D. 图像识别答案：D2. 在数据挖掘过程中，特征工程是指什么？A. 选择与目标变量相关的特征B. 对特征进行标准化处理C. 特征降维D. 以上都是答案：D3. K-近邻算法是一种基于什么的分类方法？A. 决策树B. 支持向量机C. 神经网络D. 实例匹配答案：D4. 在数据挖掘中，什么是衡量分类器性能的主要指标？A. 准确率B. 召回率C. F1值D. AUC值答案：D5. 在关联规则挖掘中，最小支持度是指什么？A. 出现在至少一半的事务中的项集B. 出现在至少一定比例的事务中的项集C. 出现在至少一个事务中的项集D. 出现在至少多数事务中的项集答案：B6. 以下哪种技术不属于聚类分析？A. K-均值B. 层次聚类C. 密度聚类D. 决策树聚类答案：D7. 在时间序列分析中，什么是时间序列的前向扩散？A. 过去的信息对当前信息的影响B. 当前的信息对过去信息的影响C. 未来的信息对当前信息的影响D. 当前的信息对未来信息的影响答案：C8. 在数据挖掘中，什么是基于模型的预测方法？A. 利用已有数据建立模型，对新数据进行预测B. 直接对原始数据进行预测C. 利用专家经验进行预测D. 利用机器学习算法进行预测答案：A9. 在数据挖掘中，什么是维度归一化？A. 将特征值缩放到一个固定范围B. 减少特征的数量C. 特征选择D. 特征提取答案：A10. 在数据挖掘中，什么是过拟合？A. 模型在训练集上的性能很好，但在测试集上的性能较差B. 模型在训练集上的性能较差，但在测试集上的性能很好C. 模型在训练集和测试集上的性能都很好D. 模型在训练集和测试集上的性能都较差答案：A二、填空题1. 数据挖掘的主要任务包括分类、聚类、预测和__________。
数据挖掘课程模拟考试题库
数据挖掘课程模拟考试题库一、选择题（每题 5 分，共 30 分）1、以下哪项不是数据挖掘的主要任务？（）A 数据清洗B 分类C 聚类D 关联规则挖掘2、数据挖掘中的分类算法不包括（）A 决策树B 朴素贝叶斯C 支持向量机D 主成分分析3、在数据挖掘中，以下哪种方法常用于处理缺失值？（）A 直接删除包含缺失值的记录B 用平均值填充缺失值C 用中位数填充缺失值D 以上方法都可以4、数据挖掘中的聚类算法中，KMeans 算法的基本思想是（）A 基于密度的聚类B 基于层次的聚类C 基于划分的聚类D 基于模型的聚类5、以下哪项不是关联规则挖掘中的常用指标？（）A 支持度B 置信度C 提升度D 准确率6、数据挖掘在以下哪个领域应用较少？（）A 医疗保健B 市场营销C 天文学D 物理学二、填空题（每题 5 分，共 20 分）1、数据挖掘的流程通常包括、、、、和。
2、常见的数据预处理方法有、、、。
3、决策树算法在进行分裂时，通常依据来选择特征。
4、聚类分析中，评估聚类效果的指标通常有、。
三、简答题（每题 10 分，共 30 分）1、简述数据挖掘与数据分析的区别。
2、解释什么是过拟合，并说明如何避免过拟合。
3、请简要介绍 Apriori 算法的基本思想和步骤。
四、应用题（20 分）假设有一个电商网站的销售数据集，包含用户 ID、商品 ID、购买时间和购买金额等字段。
请使用关联规则挖掘算法，找出经常一起被购买的商品组合，并给出相应的支持度和置信度。
请详细描述你的分析过程和结果。
以下是对上述模拟考试题库的详细解析：选择题解析：1、数据清洗虽然是数据预处理的重要步骤，但不是数据挖掘的主要任务。
数据挖掘的主要任务包括分类、聚类、关联规则挖掘等。
所以选择 A 选项。
2、主成分分析主要用于数据降维，而不是分类算法。
决策树、朴素贝叶斯和支持向量机都是常见的分类算法。
所以选择 D 选项。
3、处理缺失值的方法有多种，直接删除包含缺失值的记录可能会导致数据量减少，影响分析结果；用平均值或中位数填充缺失值是常见的处理方式。
- 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)。
一、填空题
1、数据预处理对于数据挖掘是一个重要问题，主要包括、数据集成、和数据归约。
2、多维数据模型的星形模式中，主要依靠事实表中的与维表联系
在一起。
3、允许从多个维对数据建模和观察，它由维和事实定义。
4、数据集{5,10,11,13,15,15,35,50,55,72,92,204,215}的中位数为，
众数为。
5、在多个抽象层上挖掘数据产生的关联规则称为。
6、将物理或抽象对象的集合分成相似的对象类（或簇）的过程称为。
7、分类和预测是两种数据分析形式，可以用来建立模型，预测数据未来的趋势，
其中用来预测类别标号，用来建立连续函数模型。
8、给定两个对象，分别表示为（22，1，42，10），（20，0，36，8），两个对象
之间的曼哈顿距离为。
9、通常数据仓库与OLAP工具是基于模型进行设计的。
10、涉及两个或多个维的关联规则称为。
二、单项选择题
1、SPSS作为通用的统计软件包不仅被广泛地用于经济、管理、工业等领域的数
据统计处理，而且在（）中得到了应用。
A、数据挖掘领域
B、数据仓库领域
C、信息管理领域
D、系统管理领域
2、下列度量中，哪一个度量不属于集中趋势度量：（）。
A、中位数
B、中列数
C、众数
D、极差
3、OLAP技术的核心是: （）。
A、在线性
B、对用户的快速响应
C、互操作性
D、多维分析
4、关于OLAP和OLTP的说法，下列不正确的是：（）
A、OLTP事务量大，但事务内容比较简单且重复率高
B、OLAP的数据来源与OLTP不完全一样
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
5、下列哪种操作可以使用户更加直观地从不同角度观察数据立方体中不同维之间的关系：（）。
A、上卷
B、下钻
C、切片
D、旋转
6、数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了哪种数据挖掘方法：( )。
A、分类
B、预测
C、关联分析
D、聚类
7、利用信息增益方法作为属性选择度量建立决策树时，已知某训练样本集的四
个属性的信息增益分别为：Gain(收入)= 0.940位,Gain(职业)=0.151位,Gain(年龄)=0.780位,Gain(信誉)=0.048位，则应该选择哪个属性作为决策树的测试属性：（）。
A、“收入”属性
B、“职业”属性
C、“年龄”属性
D、“信誉”属性
8、多维数据模型中，下列哪种模式不属于多维模式：（）。
A、星型模式
B、雪花模式
C、星座模式
D、网型模式
9、下列哪种数据挖掘方法是研究自变量与因变量之间关系的分析方法，其目的
在于根据自变量来预测因变量的值：（）。
A、概念描述
B、关联分析
C、回归
D、分类
10、下列哪种数据挖掘方法能够帮助市场分析人员根据购买模式从顾客数据库中
发现不同的顾客群：（）。
A、分类
B、预测
C、关联分析
D、聚类
11、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
规范化方法将属性income的值为73600规范后的结果为：( )。
A、0.821
B、1.224
C、1.458
D、0.716
12、考虑数据集{12，24，33，2，4，55，68，26}，其四分位数极差是：( )。
A、31
B、24
C、55
D、3
13、将原始数据进行数据清洗、集成、变换、规约是以下哪个步骤的任务( )。
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
14、数据仓库上的业务处理称作是：（）。
A、联机事务处理(OLTP)
B、联机分析处理(OLAP)
C、联机查询处理
D、联机输入处理
15、下列哪一种处理过程不是在数据清理阶段完成的（）。
A、空缺值处理
B、噪声数据
C、不一致数据处理
D、规范化处理
三、多项选择题
1、下列四类数据挖掘功能中哪些是描述性功能( )。
A、分类
B、回归
C、关联分析
D、聚类
E、概念描述
2、下面选项中，哪些是数据仓库的基本特征： ( )。
A、数据仓库是面向主题的
B、数据仓库的数据是集成的
C、数据仓库的数据是非易失的
D、数据仓库的数据是时变的
E、数据仓库是面向事务的
3、下面哪些操作是联机分析处理（OLAP）操作 ( )。
A、上卷
B、切片
C、旋转
D、切块
E、下钻
4、下列哪些度量常用来评价关联规则的相关度：（）。
A、提升度
B、全置信度
C、余弦
D、支持度
E、置信度
5、以下属于聚类算法的是（）。
A、K均值
B、K中心点
C、Apriori
D、决策树
E、贝叶斯
6、分类和预测方法可以根据下列哪些标准进行比较和评估：（）。
A、准确率
B、速度
C、鲁棒性
D、可伸缩性
E、可解释
四、简答题：
1、简述知识发现的一般过程。
2、简述K均值聚类的基本思想。
3、已知某班20名学生的英语成绩分别为: 64,65,67,70,71，
75,75,75,76,77,78,79,79, 79,80,81,82,84,85,90。
求：
（1）该组成绩的中位数，众数，极差。
（2）该组成绩的箱图。
4、已知某销售公司销售数据仓库2004年关于销售量的数据立方体（其中location、time、item为三个维）如下图所示，回答下列问题：
（1）该数据库立方体涉及到几个维，几个事实，分别是什么？
（2）在该数据立方体中，要想获得第3季度Q3在New Y ork四类产品总的销售量，应当执行哪些OLAP操作，按执行顺序依次列出。
5、数据库有4个事务（如下表所示）。
设最小支持度min_sup = 75%，最小置信度min_conf
= 80%。
(1)写出使用Apriori算法找出频繁3-项集的过程。
(2)关联规则A=>D是强关联规则吗？为什么？
6、已知辽宁、浙江、河南、甘肃、青海五省1991年城镇居民生活情况的差异
矩阵如下所示，试根据居民的消费情况对五省实现分层聚类，组间距离采用最小距离法度量。
（1）写出使用最小距离法对该问题实现分层聚类的过程。
（2）画出分层聚类层次图。
7、在数据挖掘中为什么要对原始数据进行预处理？对空缺值处理有哪些方法？ 8、简述使用一元线性回归方法实现预测功能的基本步骤？并举例说明。
根据下图所示的决策树，写出相应的所有决策规则。
并预测一客户年龄在40岁以上，但不是学生，信誉为中等，他属于“是”的一类还是“否”的一类，说出你判断的根据。
9、假设
12
个销售价格记录已经排好序：
5,10,11,13,15,35,50,55,72,92,204,215, 请按下列要求完成对以上销售价格数据的处理。
（1）使用等深的分箱方法将数据分成3组。
（2）使用边界值平滑方法分别对以上3组数据进行平滑处理。
10、下表包含了属性name ，gender ，trait-1，trait-2，trait-3，及trait-4，这里的name 是对象的id ，gender 是一个对称二元变量，剩余的trait 属性是非对称二元变量，其中值P 被设为1，值N 被设为0，这些属性描述了希望找到笔友的三个人的个人特点。
假设有一个服务是试图发现合适的笔友,在计算时只针对非对称二元变量的值进行分析计算。
(1)列出对象之间的相依表。
(2)你认为哪两个人最有可能成为最佳笔友？哪两个是最不能相容的？为什么
⎪⎪⎪⎪⎭
⎪⎪⎪⎪⎬⎫⎪⎪⎪
⎪⎩
⎪
⎪⎪
⎪
⎨⎧=021
.251
.354
.2380.12020.206.2412.13063.2480.13067.11054
321
543210
青海
甘肃河南
浙江辽宁D
五、综合应用题
1、简述分类的基本思想和解决分类问题的一般过程，并举例说明如何利分类方法预测新申请信用卡用户的信用等级。
2
（1）请问哪种数据挖掘方法可以根据以上数据预测2010年固定资产投资完成额x为300时该地区的国内生产总值。
（2）简要说明预测的过程。
3、下表为辽宁等5省1991年城镇居民生活消费8个指标的数据分布情况。
（1）现欲将5个省划分成居民消费水平高、中、低3组，请问哪种数据挖掘功能可以完成分组。
（2）简要说明分组的过程。
4、简述分类的基本思想和解决分类问题的一般过程，并举例说明如何利分类方法预测新申请信用卡用户的信用等级。