商务智能复习题
商务智能复习的题目
商务智能复习的题目一、选择题(本题共5道小题,每小题2分,共10分)1、数据仓库就是随着时间变化得,下面得描述不正确得就是( C )。
A、数据仓库随时间得变化不断增加新得数据内容B、捕捉到得新数据会覆盖原来得快照C、数据仓库随事件变化不断删去旧得数据内容D、数据仓库中包含大量得综合数据,这些综合数据会随着时间得变化不断地进行重新综合2、有关数据仓库得开发特点,不正确得描述就是( B )。
A、数据仓库使用得需求在开发初期就要明确B、数据仓库开发要从数据出发C、数据仓库得开发就是一个不断循环得过程,就是启发式得开发D、在数据仓库环境中,并不存在操作型环境中所固定得与较确切得处理流,数据仓库中数据分析与处理更灵活,且没有固定得模式3、在有关数据仓库测试,下列说法不正确得就是 ( D )。
A、在完成数据仓库得实施过程中,需要对数据仓库进行各种测试。
测试工作中要包括单元测试与系统测试。
B、当数据仓库得每个单独组件完成后,就需要对她们进行单元测试。
C、系统得集成测试需要对数据仓库得所有组件进行大量得功能测试与回归测试。
D、在测试之前没必要制定详细得测试计划。
4、关于基本数据得元数据就是指 ( D )。
A、基本元数据与数据源、数据仓库、数据集市与应用程序等结构相关得信息B、基本元数据包括与企业相关得管理方面得数据与信息C、基本元数据包括日志文件与简历执行处理得时序调度信息D、基本元数据包括关于装载与更新处理,分析处理以及管理方面得信息6、下面关于数据粒度得描述不正确得就是 ( C )。
A、粒度就是指数据仓库小数据单元得详细程度与级别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、粒度得具体划分将直接影响数据仓库中得数据量以及查询质量6、关于OLAP得特性,下面正确得就是:( 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)7、关于OLAP与OLTP得区别描述,不正确得就是: ( C )A、OLAP主要就是关于如何理解聚集得大量不同得数据,它与OTAP应用程序不同。
商务智能复习题.doc
二、判断题(本题共10道小题，每小题1分，共10分)(F ) 4.独立的数据集市架构的优点是企业内数据一致，不会产生信息孤岛。
(F ) 6.企业风险分析是通过对企业的经营成本进行综合评价，拟定一个企业成本的临界值。
(T ) &在BI中，DW是前提和基础，负责统一数据规则的处理和存储。
(F ) 9.客户服务管理是对客户意见或投诉以及售前、售中、售后服务进行管理。
(F ) 10.平衡计分卡共包括三个层面，分别是财务层面、客户层面、内部业务流程层面。
(F ) 12.在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。
(F ) 13. OLAP是用来协助企业对响应事件或事务的日常商务活动进行处理。
(F ) 16. C4.5决策树算法是国际上最早、最有影响力的决策树算法，(T ) 17.平衡计分卡是从财务、客户、内部运营、学习与成长四个角度，将组织的战略落实为可操作的衡量指标和目标值的一种新型绩效管理体系。
(F ) 1&客户服务管理是对客户意见或投诉以及售前、售中、售后服务进行管理。
(F ) 19.企业绩效管理的目的在于进一步加强成本的事前控制，同时有助于通过盈亏分析，辅助产品科学的报价。
(T )等深分箱法使每个箱子的记录个数相同。
(F )数据仓库“粒度”越细，记录数越少。
F记录树越多，范围越广泛(F )回归分析通常用于挖掘关联规则。
(T )孤立点在数据挖掘时总是被视为异常、无用数据而丢弃。
34.决策树方法特别适合于处理数值型数据。
(F )数据立方体是广义知识发现的方法和技术之一。
(F )可信度是对关联规则的准确度的衡量。
(T )可视化技术对于分析的数据类型通常不是专用性的。
(T ) OLAP技术侧重于把数据库中的数据进行分析、转换成辅助决策信息，是继数据库技术发展之后迅猛发展起来的一种新技术。
(F)关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则(F )Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。
复习范围商务智能
一、选择题（5道，10分） 二、判断题（10道，10分） 三、名词解释（4道，20分）商务智能 数据仓库 数据挖掘 绩效管理企业经营分析系统. 平衡计分卡 数据规范化 ROLAP 决策树四、简答题（5道，30分）1. 简述数据、信息和知识之间的关系。
2. 画出商务智能的系统架构图，实现其功能的三大技术是什么？3. 实现商务智能的四个阶段是什么？4. 何谓数据仓库？为什么要建立数据仓库？5. 简述OLAP 与数据挖掘的区别和联系。
6. 简述OLAP 的基本操作有哪些？7. 简述数据挖掘从技术角度的定义和含义。
8. 何谓数据挖掘？它有哪些方面的功能？9. 在数据挖掘之前为什么要对原始数据进行预处理？ 10. 简述构造智能CRM 系统的完整步骤。
11. 简述智能CRM 系统的特点。
12. 影响客户流失的因素有哪些？13. 简述客户流失模型的建立和应用过程。
14. 简述K-近邻分类法的基本思想。
15. 主成分分析法的基本思想是什么？16. 什么是决策树？ID3算法的步骤是什么？ 17. 简述K-近邻分类法的基本思想。
18. 关联规则挖掘能发现什么知识？简述关联规则挖掘的基本步骤。
19. 什么是绩效管理？目的是什么？20. 什么是平衡计分卡？设计平衡计分卡的目的是什么？ 五、计算题（10分）给定如下要进行聚类的元组：{3,5,11,13,4,21,31,12,26}，假设分为2类，即K 1=2，初始时用前两个数值作为类的均值：m=3 和 m=5。
假设给定如下元组：{3,5,11,13,4,21,31,12,26}已分为两类：K1={3,4,5,110,12,13} 和 K2={21,31,26}，应用K-近邻法判断元组x=16属于哪一类？设K=3，写出判断过程。
T )X ,X ,X (X 321=的协方差矩阵⎪⎪⎪⎭⎫ ⎝⎛--=200052021A 的特征值和特征向量分别为：)0,924.0,383.0(e 83.5T11-==，λ，)1,0,0(e 00.2T 22==，λ，)0,383.0,924.0(e 17.0T33==，λ，求X 的主成分，计算其贡献率。
《商务智能》复习题及答案
《商务智能》复习题及答案1、把数据报表从一年展开成四个季度的操作是(C )A、上卷B、旋转C、下钻D、切片2、在多维数据集中,对某一个维度上的数据进行选择一维成员,其他维度没有变化的操作是( D)A、切块B、旋转C、下钻D、切片3、一个多维数组表示为:(维1,维2,维3,维4,变量),这是一个(B )维结构。
A、3B、4C、5D、64、一次购买行为的发起需要有:购买者、商家、商品、购买时间、供应商和订单金额。
如果设计星型模型,请问有几个维度(C ）A、3B、4C、5D、65、在进行ETL时,应该在(C )里进行。
A、ODSB、数据仓库C、数据准备区D、源数据6、(多选题)此大数据带来的变革有(ABD ).A、思维变革B、商业变革C、购物变革D、管理变革7、自然演化式体系结构的问题有(ACD )。
(多选)A、数据可信性B、无法进行数据处理C、生产率问题D、无法将数据转化为信息8、数据立方体是指(C ).A、三维数据集B、三维以上的数据集C、三维和三维以上的数据集D、四维数据集'9、戈登·未尔提出在今后的十几年里,半导体处理器的性能,比如容量、计算速度和复杂程度,每(D )左右可以翻一番。
A、1个月B、6个月C、12个月D、18个月10、大数据时代的核心价值是(B)A.数据收集B.数据分析C.数据挖掘D.数据可视化11、大数据的来源包括( ABCD).A.互联网数据B.传感器数据C.实时数据D.探测数据11、好友的QQ突然发来一个网站链接要求投票,最合理的做法是( C）A.因为是其好反信总,直接打开使接投票B.不参与任何投票C.可能是好友aq被盗,可能是恶意筑接。
先通过予机跟朋友确认链技按无异常,考虑是否投票D.把好友加入黑名单12、关于大数据特点,错误的是(C )A、数据量大B、数据类型多C.数据价值密度高D.数据处理速度快13、Hadop是基于(B )语言的数据分析框架。
A. C++B. JavaC. RD. C#14.Maphedue的主导思想是(C )A.集成化B.一体化C.分而治之D.综合化15.下列与大数据密切相关的技术是(B)A.蓝牙B.云计算C.博穿论D.WiFi16.大数据的数据类型包括结构化数据、非结构化数据和(A ).A.半结构化数据B.无结构化数据C.关系数据库数D.文本数据和WEe数报17.数据仓库中的数据(ABCD )A.集成的B.可以变化的C.面向主题的D.不易丢失的18.数据仓库是随着时间变化的。
商务智能复习题
一、选择题（本题共5道小题,每小题2分,共10分）1. 数据仓库是随着时间变化(de),下面(de)描述不正确(de)是 ( C ).A. 数据仓库随时间(de)变化不断增加新(de)数据内容B. 捕捉到(de)新数据会覆盖原来(de)快照C. 数据仓库随事件变化不断删去旧(de)数据内容D. 数据仓库中包含大量(de)综合数据,这些综合数据会随着时间(de)变化不断地进行重新综合2. 有关数据仓库(de)开发特点,不正确(de)描述是( B ).A. 数据仓库使用(de)需求在开发初期就要明确B. 数据仓库开发要从数据出发C. 数据仓库(de)开发是一个不断循环(de)过程,是启发式(de)开发D. 在数据仓库环境中,并不存在操作型环境中所固定(de)和较确切(de)处理流,数据仓库中数据分析和处理更灵活,且没有固定(de)模式3. 在有关数据仓库测试,下列说法不正确(de)是 ( D ).A. 在完成数据仓库(de)实施过程中,需要对数据仓库进行各种测试.测试工作中要包括单元测试和系统测试.B. 当数据仓库(de)每个单独组件完成后,就需要对他们进行单元测试.C. 系统(de)集成测试需要对数据仓库(de)所有组件进行大量(de)功能测试和回归测试.D. 在测试之前没必要制定详细(de)测试计划.4. 关于基本数据(de)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(de)信息B. 基本元数据包括与企业相关(de)管理方面(de)数据和信息C. 基本元数据包括日志文件和简历执行处理(de)时序调度信息D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面(de)信息6. 下面关于数据粒度(de)描述不正确(de)是 ( C ).A. 粒度是指数据仓库小数据单元(de)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(de)具体划分将直接影响数据仓库中(de)数据量以及查询质量6. 关于OLAP(de)特性,下面正确(de)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)7. 关于OLAP和OLTP(de)区别描述,不正确(de)是： ( C )A. OLAP主要是关于如何理解聚集(de)大量不同(de)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(de)事务.C. OLAP(de)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(de),但其最终数据来源与OLTP一样均来自底层(de)数据库系统,两者面对(de)用户是相同(de).8. 关于OLAP和OLTP(de)说法,下列不正确(de)是： ( A )A. OLAP事务量大,但事务内容比较简单且重复率高B. OLAP(de)最终数据来源与OLTP不一样C. OLTP面对(de)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(de)9. OLAP技术(de)核心是( D ).A. 在线性B. 对用户(de)快速响应C. 互操作性D. 多维分析10．某超市研究销售纪录数据后发现,买啤酒(de)人很大概率也会购买尿布,这种属于数据挖掘(de)哪类问题 ( A )A. 关联规则B. 聚类C. 分类D. 自然语言处理11. 分析型CRM(de)（ C ）功能可以让CRM对所进行(de)销售活动相关信息进行存储和管理,将客户所发生(de)交易与互动事件转化为有意义、高获利(de)销售商机.A. 促销管理B. 个性化和标准化C. 客户分析和建模D. 客户沟通12. 运用关键绩效指标法设计组织关键绩效指标依次经过以下几个步骤（ A ）.A. 确定关键成功领域、确定关键绩效要素、确定关键绩效指标B. 计划目标、实施目标、评价结果、反馈C. 确定目标、比较目标、收集分析数据、系统学习与改进、评价和提高D. 确定长期整体目标、确定短期目标13．什么是KDD ( A )A. 知识发现B. 领域知识发现C. 文档知识发现D. 动态知识发现14. 呼叫中心是一种基于（ D ）(de)一种新(de)综合信息服务系统.A IT技术B CTI技术C WEB技术D CRM技术15. 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(de)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16. 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(de)数据与带其他标签(de)数据相分离 ( B )A. 分类B. 聚类C. 关联分析D. 隐马尔可夫链17. 使用交互式(de)和可视化(de)技术,对数据进行探索属于数据挖掘(de)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18. 为数据(de)总体分布建模,把多维空间划分成组等问题属于数据挖掘(de)哪一类任务( B)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19. 建立一个模型,通过这个模型根据已知(de)变量值来预测其他某个变量值属于数据挖掘(de)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20. 用户有一种感兴趣(de)模式并且希望在数据集中找到相似(de)模式,属于数据挖掘哪一类任务 ( A )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21.下面哪种不属于数据预处理(de)方法 ( D )A. 变量代换B. 离散化C. 聚集D. 估计遗漏值22.下面哪个不属于数据(de)属性类型( D ).A. 标称B. 序数C. 区间D. 相异23. 在上题中,属于定量(de)属性类型是( C ).A. 标称B. 序数C. 区间D. 相异24. 只有非零值才重要(de)二元属性被称作( C ).A. 计数属性B. 离散属性C. 非对称(de)二元属性D. 对称属性25. 以下哪种方法不属于特征选择(de)标准方法 ( D ).A. 嵌入B. 过滤C. 包装D. 抽样26.下面不属于创建新属性(de)相关方法(de)是( C ).A. 特征提取B. 特征修改C. 映射数据到新(de)空间D. 特征构造27. 下面哪个属于映射数据到新(de)空间(de)方法 ( A )A. 傅立叶变换B. 特征加权C. 渐进抽样D. 维归约28. 企业所建立(de)预测模型(de)好坏取决于模型在( A )上(de)表现效果.A. 得分集B. 训练集C. 测试集D. 评价集29. 客户在经济活动中具有多重身份,下面哪一种不是其身份之一( C ).A. 行为身份B. 所有权身份C. 学习身份D. 决策身份30. 下列四条描述中,正确(de)一条是( B ).A. 企业实施数据挖掘,必须要有数据仓库.B. 企业要实施数据挖掘最好(de)方式是请编外专家.C. 企业购买现成数据挖掘模型(de)一个先决条件是：该企业(de)产品、客户、市场定位和所买来(de)现成模型设计之初(de)假设相吻合.D. 在建模(de)时侯,增益最高(de)模型就是最好(de)模型.31. 数据挖掘算法以( D )形式来组织数据.A. 行B. 列C. 记录D. 表格32. 企业要建立预测模型,需准备建模数据集,以下四条描述建模数据集正确(de)是( B ).A. 数据越多越好.B. 尽可能多(de)适合(de)数据.C. 得分集数据是建模集数据(de)一部分.D. 以上三条都正确.33. K—均值类别侦测要求输入(de)数据类型必须是( B ).A. 整型B. 数值型C. 字符型D. 逻辑型34. 在决策树和累计增益图(de)关系转化过程图中,决策树上某一页节点(de)增益与累计增益图上(de)( D )相对应.A. 线段长度B. 线段斜率C. 相对应(de)线段长度D. 相对应(de)线段斜率35. 企业为提升每个客户(de)价值,应实现( C )最优化.A. 促销活动B. 预算最优化C. 客户最优化D. 三者都不是36. 数据挖掘(de)经典案例“啤酒与尿布试验”最主要是应用了( C )数据挖掘方法.A. 分类B. 预测C. 组合或关联法则D. 聚类37. 企业成功实施数据挖掘, 需要以下( B )知识或技术.A. 预先(de)规划B. 对商业文体(de)理解C. 综合商业知识和技能D. 都需要38. 下列哪个不是专门用于可视化时间空间数据(de)技术( B ).A. 等高线图B. 饼图C. 曲面图D. 矢量场图39. 在抽样方法中,当合适(de)样本容量很难确定时,可以使用(de)抽样方法是 ( D ).A. 有放回(de)简单随机抽样B. 无放回(de)简单随机抽样C. 分层抽样D. 渐进抽样40. 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. 741. 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42. 以下哪些算法是分类算法（ B ）.A. DBSCANB. C4.5C. K-MeanD. EM43. 以下哪些分类方法可以较好地避免样本(de)不平衡问题（ A ）.A. KNNB. SVMC. BayesD. 神经网络44. 以下关于人工神经网络（ANN）(de)描述错误(de)有 ( A ).A. 神经网络对训练数据中(de)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(de)过程D. 至少含有一个隐藏层(de)多层神经网络45. 通过聚集多个分类器(de)预测来提高分类准确率(de)技术称为 ( A ) .A. 组合(ensemble)B. 聚集(aggregate)C. 合并(combination)D. 投票(voting)46. 简单地将数据对象集划分成不重叠(de)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47. 在基本K均值算法里,当邻近度函数采用（ A ）(de)时候,合适(de)质心是簇中各点(de)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48.（ C ）是一个观测值,它与其他观测值(de)差别如此之大,以至于怀疑它是由不同(de)机制产生(de).A. 边界点B. 质心C. 离群点D. 核心点48. 检测一元正态分布中(de)离群点,属于异常检测中(de)基于（ A ）(de)离群点检测.A. 统计方法B. 邻近度C. 密度D. 聚类技术49. DBSCAN在最坏情况下(de)时间复杂度是（ B ）.A. O(m)B. O(m2)C. O(log m)D. O(mlog m)50. 关于K均值和DBSCAN(de)比较,以下说法不正确(de)是（ A ）.A. K均值丢弃被它识别为噪声(de)对象,而DBSCAN一般聚类所有对象.B. K均值使用簇(de)基于原型(de)概念,而DBSCAN使用基于密度(de)概念.C. K均值很难处理非球形(de)簇和不同大小(de)簇,DBSCAN可以处理不同大小和不同形状(de)簇.D. K均值可以发现不是明显分离(de)簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠(de)簇.51. 使用交互式(de)和可视化(de)技术,对数据进行探索属于数据挖掘(de)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52.下面哪种不属于数据预处理(de)方法 ( D )A变量代换 B离散化 C 聚集 D 估计遗漏值二、判断题（本题共10道小题,每小题1分,共10分）（ T ）1．商务智能指收集、转换、分析和发布数据(de)过程,目(de)是为了更好(de)决策.（ F ）2．数据分析是整合企业原始数据(de)第一步,包括数据抽取、转换和装载三个过程.（ T ）3．维是人们观察数据(de)特定角度,是考虑问题时(de)一类属性.（ F ）4．独立(de)数据集市架构(de)优点是企业内数据一致,不会产生信息孤岛.（ T ）5. 星型模型(de)核心是事实表,事实表把各种不同(de)维表连接起来.（ F ）6．企业风险分析是通过对企业(de)经营成本进行综合评价,拟定一个企业成本(de)临界值.（ T ）7．衡量客户忠诚(de)唯一尺度就是客户是否重复或持久地购买企业(de)产品或者服务.（ T ）8．在BI中,DW是前提和基础,负责统一数据规则(de)处理和存储.（ F ）9．客户服务管理是对客户意见或投诉以及售前、售中、售后服务进行管理.（ F ）10. 平衡计分卡共包括三个层面,分别是财务层面、客户层面、内部业务流程层面.（ T ）11．数据挖掘(de)主要任务是从数据中发现潜在(de)规则,从而能更好(de)完成描述数据、预测数据等任务.（ F ）12．在聚类分析当中,簇内(de)相似性越大,簇间(de)差别越大,聚类(de)效果就越差.（ F ）13．OLAP是用来协助企业对响应事件或事务(de)日常商务活动进行处理.（ T ）14．数据仓库是面向主题(de)、集成(de)、稳定(de)、随时间变化(de)数据集合,用以支持管理决策(de)过程.（ T ）15. 数据预处理是整合企业原始数据(de)第一步,包括数据抽取、转换和装载三个过程.（ F ）16．C4.5决策树算法是国际上最早、最有影响力(de)决策树算法,（ T ）17．平衡计分卡是从财务、客户、内部运营、学习与成长四个角度,将组织(de)战略落实为可操作(de)衡量指标和目标值(de)一种新型绩效管理体系.（ F ）18．客户服务管理是对客户意见或投诉以及售前、售中、售后服务进行管理.（ F ）19. 企业绩效管理(de)目(de)在于进一步加强成本(de)事前控制,同时有助于通过盈亏分析,辅助产品科学(de)报价.20. 数据仓库(de)数据量越大,其应用价值也越大.F21. 啤酒与尿布(de)故事是聚类分析(de)典型实例.F22. 等深分箱法使每个箱子(de)记录个数相同.T23. 数据仓库“粒度”越细,记录数越少.F24. 数据立方体由3维构成,Z轴表示事实数据.F25. 决策树方法通常用于关联规则挖掘.F26. ID3算法是决策树方法(de)早期代表.T27. C4.5是一种典型(de)关联规则挖掘算法.F28. 回归分析通常用于挖掘关联规则.F29. 人工神经网络特别适合解决多参数大复杂度问题.T30. 概念关系分析是文本挖掘所独有(de).F31. 可信度是对关联规则(de)准确度(de)衡量.F32. 孤立点在数据挖掘时总是被视为异常、无用数据而丢弃.T33. SQL Server 2005不提供关联规则挖掘算法.F34. 决策树方法特别适合于处理数值型数据.F35. 数据仓库(de)数据为历史数据,从来不需要更新.T36. 数据立方体是广义知识发现(de)方法和技术之一.F37. 数据立方体(de)其中一维用于记录事实数据.T38. 数据挖掘(de)目标不在于数据采集策略,而在于对于已经存在(de)数据进行模式(de)发掘.（ T ）39. 图挖掘技术在社会网络分析中扮演了重要(de)角色.（ T ）40. 模式为对数据集(de)全局性总结,它对整个测量空间(de)每一点做出描述；模型则对变量变化空间(de)一个有限区域做出描述.（ F ）41. 寻找模式和规则主要是对数据进行干扰,使其符合某种规则以及模式.（ F ）42. 离群点可以是合法(de)数据对象或者值. （ T ）43. 离散属性总是具有有限个值. （ F ）44. 噪声和伪像是数据错误这一相同表述(de)两种叫法. （ F ）45. 用于分类(de)离散化方法之间(de)根本区别在于是否使用类信息. （ T ）46. 特征提取技术并不依赖于特定(de)领域. （ F ）47. 可信度是对关联规则(de)准确度(de)衡量.F48. 定量属性可以是整数值或者是连续值. （ T ）49. 可视化技术对于分析(de)数据类型通常不是专用性(de). （ T ）50. DSS主要是基于数据仓库、联机数据分析和数据挖掘技术(de)应用.（ F ）51. OLAP技术侧重于把数据库中(de)数据进行分析、转换成辅助决策信息,是继数据库技术发展之后迅猛发展起来(de)一种新技术. （ T ）52. 商业智能系统与一般交易系统之间在系统设计上(de)主要区别在于：后者把结构强加于商务之上,一旦系统设计完毕,其程序和规则不会轻易改变；而前者则是一个学习型系统,能自动适应商务不断变化(de)要求. （ T ）53. 数据仓库中间层OLAP服务器只能采用关系型OLAP. （ F ）54．数据仓库系统(de)组成部分包括数据仓库、仓库管理、数据抽取、分析工具等四个部分. ( F )55.Web数据挖掘是通过数据库仲(de)一些属性来预测另一个属性,它在验证用户提出(de)假设过程中提取信息.（ F ）56. 关联规则挖掘过程是发现满足最小支持度(de)所有项集代表(de)规则.（ F ）57. 聚类（clustering）是这样(de)过程：它找出描述并区分数据类或概念(de)模型(或函数),以便能够使用模型预测类标记未知(de)对象类. （ F ）58. 分类和回归都可用于预测,分类(de)输出是离散(de)类别值,而回归(de)输出是连续数值.( T )59. 对于SVM分类算法,待分样本集中(de)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. （ T ）60. Bayes法是一种在已知后验概率与类条件概率(de)情况下(de)模式分类方法,待分样本(de)分类结果取决于各类域中样本(de)全体. ( F )三、名词解释（本题共4道小题,每小题5分,共20分）1.商务智能商务智能是融合了先进信息技术与创新管理理念(de)结合体,集成企业内外数据,进行加工并从中提取能够创造商业价值(de)知识,面向企业战略并服务于管理层、业务层,指导企业经营决策,提升企业竞争力.2.数据仓库数据仓库是面向主题(de)、集成(de)、稳定(de)、随时间变化(de)数据集合,用以支持管理决策(de)过程.3. 数据集成数据集成是在逻辑上或物理上把不相同来源、格式、特点(de)数据有机地整合,从而为企业提供全面(de)数据共享.4. OLAP(联机分析处理)OLAP是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来(de)、能够真正为用户所理解(de)、并真实反映企业维特性(de)信息进行快速、一致、交互地存取,从而获得对数据(de)更深入了解(de)一类软件技术.5. 数据挖掘数据挖掘是从大量(de)、不完全(de)、有噪声(de)、模糊(de)、随机(de)数据中提取正确(de)、有用(de)、未知(de)、综合(de)以及人们感兴趣(de)知识并用于决策支持(de)过程.6. 孤立点：指数据库中包含(de)一些与数据(de)一般行为或模型不一致(de)异常数据.7. 数据规范化：指将数据按比例缩放(如更换大单位),使之落入一个特定(de)区域（如0－1）以提高数据挖掘效率(de)方法.规范化(de)常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化.8. 聚类：是将物理或抽象对象(de)集合分组成为多个类或簇(cluster)(de)过程,使得在同一个簇中(de)对象之间具有较高(de)相似度,而不同簇中(de)对象差别较大.9. ROLAP：是基于关系数据库存储方式(de),在这种结构中,多维数据被映像成二维关系表,通常采用星型或雪花型架构,由一个事实表和多个维度表构成.10. 数据归约：缩小数据(de)取值范围,使其更适合于数据挖掘算法(de)需要,并且能够得到和原始数据相同(de)分析结果.11. 预测型知识：是根据时间序列型数据,由历史(de)和当前(de)数据去推测未来(de)数据,也可以认为是以时间为关键属性(de)关联知识.12. 决策树：是用样本(de)属性作为结点,用属性(de)取值作为分支(de)树结构.它是分类规则挖掘(de)典型方法,可用于对新样本进行分类.13. 遗传算法：是一种优化搜索算法,它首先产生一个初始可行解群体,然后对这个群体通过模拟生物进化(de)选择、交叉、变异等遗传操作遗传到下一代群体,并最终达到全局最优.14. 知识管理：知识管理就是对一个企业集体(de)知识与技能(de)捕获,是为增强组织(de)绩效而创造、获取和使用知识(de)过程（知识(de)创造、储存、分享、应用和更新）. 15. Web挖掘：Web挖掘是从大量Web文档(de)集合C中发现隐含(de)、有用(de)模式P(de)过程：C→P .四、简答题（本题共5道小题,每小题6分,共30分）1．实现商务智能(de)四个阶段是什么答：实现商务智能(de)四个阶段是数据预处理、建立数据仓库、数据分析及数据展现.（2分）数据预处理是整合企业原始数据(de)第一步,包括数据抽取、转换和装载三个过程; （1分）数据仓库则是处理海量数据(de)基础; （1分）数据分析是体现系统智能(de)关键,一般采用OLAP和DM两大技术.（1分）数据展现则主要保障系统分析结果(de)可视化.（1分）2. 数据库系统(de)局限性①数据库适于存储高度结构化(de)日常事务细节数据.决策分析型数据是多维性,分析内容复杂.②在决策分析环境中,如果事务处理(de)细节数据量太大一方面会严重影响分析效率,另一方面这些细节数据会分散决策者(de)注意力.③当事务型处理环境和分析型处理环境在同一个数据库系统中,事务型处理对数据(de)存取操作频率高,操作处理(de)时间短,而分析型处理可能需要连续运行几个小时,从而消耗大量(de)系统资源.④决策型分析数据(de)数据量大,这些数据有来自企业内部(de),也有来自企业外部(de).来自企业外部(de)数据又可能来自不同(de)数据库系统,在分析时如果直接对这些数据操作会造成分析(de)混乱.对于外部数据中(de)一些非结构化数据,数据库系统常常是无能为力.3．数据仓库与数据集市(de)区别是什么数据仓库收集了关于整个组织(de)主题信息,因此是企业范围(de).对于数据仓库,通常使用星座模式,因为它能对多个相关(de)主题建模；（3分）数据集市是数据仓库(de)一个部门子集,它针对选定(de)主题,因此是部门范围(de).对于数据集市,流行星型或雪花模式,因为它们都适合对单个主题建模.（3分）4. OLAP(de)特点①快速性Fast：用户对OLAP(de)快速反应能力有很高(de)要求.②可分析性Analysis：OLAP系统应能处理与应用有关(de)任何逻辑分析和统计分析.③多维性Multidimensional：多维性是OLAP(de)关键属性.系统必须提供对数据(de)多维视图和分析,包括对层次维和多重层次维(de)完全支持.④信息性Information：OLAP系统应能及时获得信息,并且管理大容量信息.5．简述OLAP(de)基本操作有哪些答：OLAP(de)基本操作有：1. 切片和切块(Slice and Dice)：在多维数据结构中,按二维进行切片,按三维进行切块,可得到所需要(de)数据.（2分）2. 钻取(Drill) ：钻取包含向下钻取(Drill-down)和向上钻取(Drill-up)/上卷(Roll-up)操作,钻取(de)深度与维所划分(de)层次相对应.（2分）3. 旋转(Rotate)/旋转(Pivot)：通过旋转可以得到不同视角(de)数据.（2分）6．简述OLAP 与数据挖掘(de)区别和联系.答：OLAP 侧重于与用户(de)交互、快速(de)响应速度及提供数据(de)多维视图,而数据挖掘则注重自动发现隐藏在数据中(de)模式和有用信息,尽管允许用户指导这一过程.（3分）OLAP (de)分析结果可以给数据挖掘提供分析信息作为挖掘(de)依据,数据挖掘可以拓展OLAP 分析(de)深度,可以发现OLAP 所不能发现(de)更为复杂、细致(de)信息.（3分）7．何谓数据挖掘它有哪些方面(de)功能从大量(de)、不完全(de)、有噪声(de)、模糊(de)、随机(de)数据中,提取隐含在其中(de)、人们事先不知道(de)、但又是潜在有用(de)信息和知识(de)过程称为数据挖掘.相关(de)名称有知识发现、数据分析、数据融合、决策支持等.数据挖掘(de)功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等.（3分）8．在数据挖掘之前为什么要对原始数据进行预处理原始业务数据来自多个数据库或数据仓库,它们(de)结构和规则可能是不同(de),这将导致原始数据非常(de)杂乱、不可用,即使在同一个数据库中,也可能存在重复(de)和不完整(de)数据信息,为了使这些数据能够符合数据挖掘(de)要求,提高效率和得到清晰(de)结果,必须进行数据(de)预处理.为数据挖掘算法提供完整、干净、准确、有针对性(de)数据,减少算法(de)计算量,提高挖掘效率和准确程度.9．简述数据预处理方法和内容.数据清洗：包括填充空缺值,识别孤立点,去掉噪声和无关数据.数据集成：将多个数据源中(de)数据结合起来存放在一个一致(de)数据存储中.需要注意不同数据源(de)数据匹配问题、数值冲突问题和冗余问题等.数据变换：将原始数据转换成为适合数据挖掘(de)形式.包括对数据(de)汇总、聚集、概化、规范化,还可能需要进行属性(de)重构.数据归约：缩小数据(de)取值范围,使其更适合于数据挖掘算法(de)需要,并且能够得到和原始数据相同(de)分析结果.10. 数据挖掘(de)六种常用算法和技术分别是什么①聚类分析；②分类分析；③关联分析；④序列模式挖掘；⑤回归分析；⑥时间序列分析.11. 数据挖掘中(de)数据需要采用哪些格式数据挖掘中(de)数据需要采用以下格式：①所有数据应该在一个表格/数据库视图中②每一行对应于与业务问题相关(de)一个案例③忽略具有单一值/几乎单一值(de)列④忽略所有行(de)值都不同(de)列⑤删除所有同义列⑥对于预测模型,目标列必须是可识别(de)12．简述K-近邻分类法(de)基本思想.答：基本思想：K－近邻分类是基于类比学习(de),每个样本代表d维空间(de)一个点.（3分）。
商务智商测试题答案(3篇)
第1篇一、选择题1. 以下哪个选项不是衡量企业竞争力的指标？A. 市场份额B. 营业收入C. 研发投入D. 政府扶持答案：D解析：政府扶持并不是衡量企业竞争力的指标，而是企业外部环境的一部分。
2. 以下哪个选项不属于企业核心竞争力？A. 知识产权B. 管理团队C. 产业链地位D. 员工福利答案：D解析：员工福利是企业人力资源管理的一部分，并不直接构成企业的核心竞争力。
3. 以下哪个选项不是企业战略规划的核心内容？A. 市场定位B. 产品规划C. 财务预算D. 人力资源规划答案：C解析：财务预算是企业战略规划的一部分，但不是核心内容。
4. 以下哪个选项不是企业战略实施的关键环节？A. 资源配置B. 组织架构调整C. 市场推广D. 产品研发答案：B解析：组织架构调整是企业战略实施的一部分，但不是关键环节。
5. 以下哪个选项不是企业战略风险？A. 市场风险B. 竞争风险C. 政策风险D. 技术风险答案：D解析：技术风险是企业战略风险的一部分，但不是唯一的风险。
二、判断题1. 企业核心竞争力是企业获得竞争优势的根本来源。
（√）2. 企业战略规划的核心内容是产品规划。
（×）3. 企业战略实施的关键环节是资源配置。
（√）4. 企业战略风险主要包括市场风险、竞争风险和政策风险。
（√）5. 企业战略规划应具备前瞻性、可行性和动态调整性。
（√）三、简答题1. 简述企业核心竞争力的构成要素。
答案：企业核心竞争力主要包括以下构成要素：（1）知识产权：包括专利、商标、著作权等。
（2）品牌价值：企业品牌在市场中的知名度和美誉度。
（3）管理团队：具有丰富经验和专业能力的管理团队。
（4）产业链地位：企业在产业链中的地位和影响力。
（5）技术创新：企业在技术研发方面的实力和成果。
2. 简述企业战略规划的实施步骤。
答案：企业战略规划的实施步骤主要包括以下步骤：（1）明确战略目标：确定企业未来发展的方向和目标。
（2）制定战略方案：根据战略目标，制定具体的实施方案。
商业智能系统考试试题
商业智能系统考试试题一、选择题（共50分）1. 商业智能系统是指通过技术手段解决商业问题、支持商业决策的一套系统和工具。
下面哪个不属于商业智能系统的关键组成部分？A. 数据仓库B. 数据分析C. 数据可视化D. 数据备份2. 在商业智能系统中，下面哪个工具可以用来将数据从多个来源整合到一个统一的数据仓库中？A. ETL工具B. OLAP工具C. 数据可视化工具D. 决策支持系统3. 商业智能系统的数据分析功能可以帮助企业进行哪些方面的工作？A. 销售预测B. 成本控制C. 客户关系管理D. 所有选项都正确4. 商业智能系统可以通过可视化方式呈现数据分析结果，下面哪个不属于常用的数据可视化工具？A. 折线图B. 柱状图C. 饼图D. 行列式图5. 商业智能系统的决策支持功能能够帮助企业进行哪些方面的工作？A. 市场定位B. 产品设计C. 供应链管理D. 所有选项都正确二、填空题（共30分）1. 商业智能系统的主要目标是提供有用的_____________，帮助企业做出更明智的决策。
2. 商业智能系统通过_____________、_____________和_____________等技术手段来实现数据分析。
3. 在商业智能系统中，数据仓库一般包括_____________、_____________和_____________等组成部分。
4. 在商业智能系统中，通过_____________和_____________等工具可以将数据可视化呈现。
5. 商业智能系统的决策支持功能可以通过_____________、_____________和_____________等方式来实现。
三、简答题（共20分）1. 请简要描述商业智能系统的应用场景，并举例说明。
2. 商业智能系统的技术架构包括哪些主要组成部分？请简要介绍每个组成部分的作用。
四、论述题（共50分）请就商业智能系统在企业决策中的作用发表你的观点，并提供相关案例或数据支持。
商务智能考试题目
商务智能考试题（共五个大题，每题20分）1、商务智能应用技术？功能组成？一般认为数据仓库、OLAP和数据挖掘技术是商业智能的三大组成部分数据仓库是存放为分析目的而收集的数据的数据库。
数据挖掘是从数据抽取正确的、有用的、以前未知的及可理解的信息，并使用该信息做商业决策的过程。
OLAP（联机分析处理）是针对特定问题的联机数据访问和分析。
通过对信息（这些信息已经从原始的数据进行了转换，以反映用户所能理解的企业的真实的“维”）的很多可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
商业智能系统主要包括数据预处理、建立数据仓库、数据分析及数据展现四个主要阶段。
数据预处理是整合企业原始数据的第一步，它包括数据的抽取、转换和装载三个过程。
建立数据仓库则是处理海量数据的基础。
数据分析是体现系统智能的关键，一般采用联机分析处理和数据挖掘两大技术。
在海量数据和分析手段增多的情况下，数据展现则主要保障系统分析结果的可视化。
2、“商业智能是一种解决方案”这句话怎么理解？为什么商业智能没有“专业出版的教材”?(1)商务智能（Business Intelligence，简称BI）：商务智能不是通常的业务处理。
它的目标是如何更快、更容易地做更好的决策。
BI将信息转换为知识。
商业智能是在正确的时间将正确的信息交给正确的用户以支持决策过程的应用。
目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。
为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。
因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
为此，把商业智能看成是一种解决方案应该比较恰当。
(2)3、商业智能（ＢＩ）与ＣＲＭ，ＥＲＰ，ＣＩＭＳ，等系统的异同和关联？４、商业智能系统的应用过程（步骤）？为什么说商业智能的步骤一般是“循环（迭代）”的？5、IBM说“商业智能之客户直销分析”应用商业智能中的什么技术？分析这些技术？。
- 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、选择题（本题共5道小题，每小题2分，共10分）1. 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2. 有关数据仓库的开发特点，不正确的描述是( B )。
A. 数据仓库使用的需求在开发初期就要明确B. 数据仓库开发要从数据出发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3. 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，需要对数据仓库进行各种测试。
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，就需要对他们进行单元测试。
C. 系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试。
D. 在测试之前没必要制定详细的测试计划。
4. 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理的时序调度信息D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息6. 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6. 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)7. 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。
8. 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9. OLAP技术的核心是( D )。
A. 在线性B. 对用户的快速响应C. 互操作性D. 多维分析10．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B. 聚类C. 分类D. 自然语言处理11. 分析型CRM的（ C ）功能可以让CRM对所进行的销售活动相关信息进行存储和管理，将客户所发生的交易与互动事件转化为有意义、高获利的销售商机。
A. 促销管理B. 个性化和标准化C. 客户分析和建模D. 客户沟通12. 运用关键绩效指标法设计组织关键绩效指标依次经过以下几个步骤（ A ）。
A. 确定关键成功领域、确定关键绩效要素、确定关键绩效指标B. 计划目标、实施目标、评价结果、反馈C. 确定目标、比较目标、收集分析数据、系统学习与改进、评价和提高D. 确定长期整体目标、确定短期目标13．什么是KDD？( A )A. 知识发现B. 领域知识发现C. 文档知识发现D. 动态知识发现14. 呼叫中心是一种基于（ D ）的一种新的综合信息服务系统。
A IT技术B CTI技术C WEB技术D CRM技术15. 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16. 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17. 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18. 为数据的总体分布建模，把多维空间划分成组等问题属于数据挖掘的哪一类任务？(B)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19. 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20. 用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？( A )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21.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22.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23. 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24. 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25. 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26.下面不属于创建新属性的相关方法的是( C )。
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27. 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28. 企业所建立的预测模型的好坏取决于模型在( A )上的表现效果。
A. 得分集B. 训练集C. 测试集D. 评价集29. 客户在经济活动中具有多重身份，下面哪一种不是其身份之一( C )。
A. 行为身份B. 所有权身份C. 学习身份D. 决策身份30. 下列四条描述中，正确的一条是( B )。
A. 企业实施数据挖掘，必须要有数据仓库。
B. 企业要实施数据挖掘最好的方式是请编外专家。
C. 企业购买现成数据挖掘模型的一个先决条件是：该企业的产品、客户、市场定位和所买来的现成模型设计之初的假设相吻合。
D. 在建模的时侯，增益最高的模型就是最好的模型。
31. 数据挖掘算法以( D )形式来组织数据。
A. 行B. 列C. 记录D. 表格32. 企业要建立预测模型，需准备建模数据集，以下四条描述建模数据集正确的是( B )。
A. 数据越多越好。
B. 尽可能多的适合的数据。
C. 得分集数据是建模集数据的一部分。
D. 以上三条都正确。
33. K—均值类别侦测要求输入的数据类型必须是( B )。
A. 整型B. 数值型C. 字符型D. 逻辑型34. 在决策树和累计增益图的关系转化过程图中，决策树上某一页节点的增益与累计增益图上的( D )相对应。
A. 线段长度B. 线段斜率C. 相对应的线段长度D. 相对应的线段斜率35. 企业为提升每个客户的价值，应实现( C )最优化。
A. 促销活动B. 预算最优化C. 客户最优化D. 三者都不是36. 数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( C )数据挖掘方法。
A. 分类B. 预测C. 组合或关联法则D. 聚类37. 企业成功实施数据挖掘，需要以下( B )知识或技术。
A. 预先的规划B. 对商业文体的理解C. 综合商业知识和技能D. 都需要38. 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39. 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40. 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. 741. 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42. 以下哪些算法是分类算法（ B ）。
A. DBSCANB. C4.5C. K-MeanD. EM43. 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44. 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45. 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)46. 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47. 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48.（ 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. DBSCAN在最坏情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)50. 关于K均值和DBSCAN的比较，以下说法不正确的是（ A ）。
A. K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。
B. K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。
C. K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇。
D. K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇。
51. 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52.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 估计遗漏值二、判断题（本题共10道小题，每小题1分，共10分）（T ）1．商务智能指收集、转换、分析和发布数据的过程，目的是为了更好的决策。