数据挖掘考试题目——关联分析

一、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．自动判断鸢尾花类别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-means B．Bayes Network
C．D．Apriori
3.置信度(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]
A．3可以还原出无损的1 B．2可以还原出无损的1
C．3与2是完全等价的D．2与1是完全等价的
tree在Apriori算法中所起的作用是（）
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 Modeler B．Weka
C．Apache Spark D．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的信息。

9.经典的Apriori算法是逐层扫描的，也就是说它是 (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：①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；②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 (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Apriori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？
数据挖掘考试题目+参考答案
一、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．自动判断鸢尾花类别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-means B．Bayes Network
C．D．Apriori
3.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 ）
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（ C ）
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（ D ）
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（ B ）[注：分别以1、2、3代表之]
A．3可以还原出无损的1 B．2可以还原出无损的1
C．3与2是完全等价的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 Modeler B．Weka
C．Apache Spark D．Knime
二、10个填空
1.关联分析中表示关联关系的方法主要有：项集和关联规则。

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。

5.一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，我们称之为强规则。

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）的现象叫做负相关。

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Apriori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：①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；②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)。

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。

答：关联规则产生的两个基本步骤为：①根据给定的支持度从项集中产生频繁项集；②根据给定的置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Apriori算法的基本原理。

答：关联规则的产生并不依赖于Apriori算法，Apriori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：Apriori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：Apriori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。