2012数据挖掘考试题(郑大研究生)
数据挖掘考试题库
一、填空题1.Web挖掘可分为、和3大类。
2.数据仓库需要统一数据源，包括统一、统一、统一和统一数据特征4个方面。
3.数据分割通常按时间、、、以及组合方法进行。
4.噪声数据处理的方法主要有、和。
5.数值归约的常用方法有、、、和对数模型等。
6.评价关联规则的2个主要指标是和。
7.多维数据集通常采用或雪花型架构，以表为中心，连接多个表。
8.决策树是用作为结点，用作为分支的树结构。
9.关联可分为简单关联、和。
10.B P神经网络的作用函数通常为区间的。
11.数据挖掘的过程主要包括确定业务对象、、、及知识同化等几个步骤。
12.数据挖掘技术主要涉及、和3个技术领域。
13.数据挖掘的主要功能包括、、、、趋势分析、孤立点分析和偏差分析7个方面。
14.人工神经网络具有和等特点，其结构模型包括、和自组织网络3种。
15.数据仓库数据的4个基本特征是、、非易失、随时间变化。
16.数据仓库的数据通常划分为、、和等几个级别。
17.数据预处理的主要内容(方法)包括、、和数据归约等。
18.平滑分箱数据的方法主要有、和。
19.数据挖掘发现知识的类型主要有广义知识、、、和偏差型知识五种。
20.O LAP的数据组织方式主要有和两种。
21.常见的OLAP多维数据分析包括、、和旋转等操作。
22.传统的决策支持系统是以和驱动，而新决策支持系统则是以、建立在和技术之上。
23.O LAP的数据组织方式主要有和2种。
24.S QL Server2000的OLAP组件叫，OLAP操作窗口叫。
25.B P神经网络由、以及一或多个结点组成。
26.遗传算法包括、、3个基本算子。
27.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合类型等。
28.聚类分析中最常用的距离计算公式有、、等。
29.基于划分的聚类算法有和。
30.C lementine的工作流通常由、和等节点连接而成。
31.简单地说，数据挖掘就是从中挖掘的过程。
32.数据挖掘相关的名称还有、、等。
数据库数据挖掘与分析考试试卷
数据库数据挖掘与分析考试试卷（答案见尾页）一、选择题1. 数据挖掘的主要目的是什么？A. 提取数据库中的数据B. 分析数据库中的数据以发现隐藏的模式和关联C. 存储和管理数据库中的数据D. 传输数据库中的数据2. 在数据挖掘中，以下哪个过程是用来发现数据项之间的有趣关系和关联的？A. 数据清理B. 数据集成C. 数据转换D. 数据挖掘3. 数据挖掘任务通常不包括以下哪项？A.分类B.聚类C.回归D. 数据库优化4. 关联规则学习是数据挖掘中的一个重要技术，它主要关注什么？A. 发现数据集中不同项之间的因果关系B. 发现数据集中频繁出现的模式和关联C. 建立数据模型以预测未来趋势D. 优化数据库查询性能5. 在聚类分析中，以下哪个选项不是常用的距离度量方法？A. 曼哈顿距离B. 欧氏距离C. 切比雪夫距离D. 余弦相似度6. 数据挖掘中经常使用哪种图表来展示聚类结果？A. 条形图B. 饼图C. 网络图D. 散点图7. 在数据挖掘中，以下哪个算法主要用于发现连续数值型数据中的异常值或离群点？A. K-均值算法B. DBSCANC. 谱聚类算法D. 决策树算法8. 数据挖掘中，以下哪个步骤不是数据预处理的一部分？A. 数据清洗B. 数据集成C. 数据转换D. 数据降维9. 在建立数据挖掘模型时，以下哪个步骤不是特征选择的一部分？A. 特征提取B. 特征选择C. 特征验证D. 特征排序10. 数据挖掘中，以下哪个工具不是常用的数据挖掘工具？A. SQLB. ExcelC. PythonD. R二、问答题2. 什么是SQL语言？请列举几种常见的SQL语句。
3. 什么是数据库的完整性约束？请举例说明。
4. 什么是数据库的设计原则？请列举几个常用的设计原则。
5. 什么是数据库的范式？请简要解释第一范式和第二范式。
6. 什么是数据库索引？请简述索引的作用和分类。
7. 什么是数据库的事务处理？请简述事务的定义和特性。
工程硕士《数据挖掘》考试试卷
工程硕士《数据挖掘》考试试卷《数据挖掘》考试试题一、单选题（本大题共20个子题，每个子题1分，共20分）在每小题列出的四个备选项中选择一项符合题目要求的，请将其代码填写在题后的括号内。
错选、多选或未选均无分。
1.以下哪个选项不属于在线事务处理（OLTP）业务is（）a、在线分析处理（OLAP）B、决策支持（DS）C、数据挖掘（DM）D和数据收集2．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？()a、探索性数据分析B、建模描述C、预测性建模D、发现模式和规则3。
当根据实际应用对模式进行分类时，以下哪项不包括（）a、描述模式B、关联模式C、聚类模式D、序列模式4。
以下哪项不是常用的聚类分析方法（）a、特征聚类b、cf树c、决策树d、随机搜索聚类法5．高层数据模型应该哪种表示方法（）a、 E-R图B，物理数据模型C，逻辑数据模型D，低级数据类型6。
以下哪项不是星图7的逻辑实体（）a、指标B、维度C、详细类别D和关系。
以下哪项不是数据仓库系统的改进（）a、改正性维护b、完善性维护c、预防性维护d、应用维护8．以下两种描述分别对应哪两种对分类算法的评价标准？()（a）警察抓住了小偷。
描述一下警察抓到的有多少人是小偷。
（b）描述一下被警方抓获的小偷的比例。
a.precision,recallb.recall,precisionc.precision,rocd.recall,roc9．下列哪个不是包中包含的集合（）a、步骤集B、连接集C、局部变量集D、任务集10。
以下哪项不属于构建数据仓库系统的阶段（）a、设想阶段b、规划阶段c、开发阶段d、实施阶段11．下列哪个不属于数据挖掘的过程（）a、评估阶段B、巩固和应用阶段C、开采阶段D、维护阶段12。
用户有一个感兴趣的模式，并希望在数据集中找到类似的模式。
数据挖掘属于什么样的任务？（a）根据内容搜索B.建模描述C.预测建模D.查找模式和规则13．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。
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》试题与答案[精品文档]
![《数据挖掘》试题与答案[精品文档]](https://img.taocdn.com/s3/m/a29e0b8b08a1284ac8504393.png)
一、解答题（满分30分，每小题5分）1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。
知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。
流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。
2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有：1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。
例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。
2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。
若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。
3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。
由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。
假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。
3. 数据挖掘的分类方法有哪些，请详细阐述之分类方法归结为四种类型：1）、基于距离的分类方法:距离的计算方法有多种，最常用的是通过计算每个类的中心来完成，在实际的计算中往往用距离来表征，距离越近，相似性越大，距离越远，相似性越小。
数据挖掘考试题修订稿
数据挖掘考试题内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）数据挖掘考试题一．选择题1. 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.主成分分析2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，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3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。
A 分类B 预测 C关联规则分析 D聚类4.关于K均值和DBSCAN的比较，以下说法不正确的是( )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，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5.下列关于Ward’s Method说法错误的是：( )A.对噪声点和离群点敏感度比较小B.擅长处理球状的簇C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似6.下列关于层次聚类存在的问题说法正确的是：( )A.具有全局优化目标函数B.Group Average擅长处理球状的簇C.可以处理不同大小簇的能力D.Max对噪声点和离群点很敏感7.下列关于凝聚层次聚类的说法中，说法错误的事：( )A.一旦两个簇合并，该操作就不能撤销B.算法的终止条件是仅剩下一个簇C.空间复杂度为()2mOD.具有全局优化目标函数8.规则{牛奶，尿布}→{啤酒}的支持度和置信度分别为：( )9.下列( )是属于分裂层次聚类的方法。
A.MinB.MaxC.Group AverageD.MST10.对下图数据进行凝聚聚类操作，簇间相似度使用MAX计算，第二步是哪两个簇合并：( )A.在{3}和{l,2}合并B.{3}和{4,5}合并C.{2,3}和{4,5}合并D. {2,3}和{4,5}形成簇和{3}合并二．填空题：1.属性包括的四种类型：、、、。
(完整版)数据挖掘考试题库
1.何谓数据挖掘？它有哪些方面的功能？从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。
相关的名称有知识发现、数据分析、数据融合、决策支持等。
数据挖掘的功能包括：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。
2.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。
粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。
按粒度组织数据的方式主要有：①简单堆积结构②轮转综合结构③简单直接结构④连续结构3.简述数据仓库设计的三级模型及其基本内容。
概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。
逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。
物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。
在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。
提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。
4.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，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。
为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。
5.简述数据预处理方法和内容。
①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。
②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。
数据挖掘考试习题
数据挖掘考试习题(总9页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--数据挖掘考试题一．选择题1. 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.主成分分析2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。
(单链) (全链) C.组平均方法3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。
A 分类B 预测 C关联规则分析 D聚类4.关于K均值和DBSCAN的比较，以下说法不正确的是( )均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。
均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。
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5.下列关于Ward’s Method说法错误的是：( )A.对噪声点和离群点敏感度比较小B.擅长处理球状的簇C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似6.下列关于层次聚类存在的问题说法正确的是：( )A.具有全局优化目标函数B.Group Average擅长处理球状的簇C.可以处理不同大小簇的能力D.Max对噪声点和离群点很敏感7.下列关于凝聚层次聚类的说法中，说法错误的事：( )A.一旦两个簇合并，该操作就不能撤销B.算法的终止条件是仅剩下一个簇OC.空间复杂度为()2mD.具有全局优化目标函数8.规则{牛奶，尿布}→{啤酒}的支持度和置信度分别为：( )9.下列( )是属于分裂层次聚类的方法。
Average10.对下图数据进行凝聚聚类操作，簇间相似度使用MAX计算，第二步是哪两个簇合并：( )A.在{3}和{l,2}合并B.{3}和{4,5}合并C.{2,3}和{4,5}合并D. {2,3}和{4,5}形成簇和{3}合并二．填空题：1.属性包括的四种类型：、、、。
- 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)。
2012年数据挖掘与数据仓库考试题
一、讨论下列每项活动是否是数据挖掘任务（简单陈述你的理由）：
(a)根据性别划分公司的顾客。
(b)根据可赢利性划分公司的顾客。
(c)计算公司的总销售额。
(d)按学生的学号对学生数据库排序。
(e)预测掷一对骰子的结果。
(f)使用历史记录预测某公司未来的股票价格。
(g)监视病人心率的异常变化。
(h)监视地震活动的地震波。
(i)提取声波的频率。
二、给出一个例子，那里，数据挖掘对于企业（如银行、保险、通信、零售业等）的成功是至关重要的。
该企业需要什么数据挖掘功能（例如，考虑可以挖掘何种类型的模式）？这种模式能够通过简单的查询处理或统计分析得到吗？
三、离群点经常被当作噪声丢弃。
然而，一个人的垃圾可能是另一个人的宝贝。
例如，信用卡交易中的异常可能帮助我们检测信用卡的欺诈使用。
以欺诈检测为例，提出两种可以用来检测离群点的方法，并讨论哪种方法更可靠。
四、假定数据仓库包含三个维：time, doctor和patient；两个度量：count和charge；其中，charge是医生对一位病人的一次诊治的费用。
(a)列举三种流行的数据仓库建模模式。
(b)使用(a)列举的模式之一，画出上面数据仓库的模式图（你可以对三个维给出一些
有意义的属性）。
(c)由基本方体[day, doctor, patient] 开始，为列出2010年每位医生的收费总数，应
当执行哪些OLAP操作？
为得到同样的结果，写一个SQL查询。
假定数据存放在关系数据库中，其模式为fee(day, month, year, doctor, hospital, patient, count, charge)。
五、Apriori算法使用子集支持度性质的先验知识。
(a)证明频繁项集的所有非空子集一定也是频繁的。
(b)证明项集s的任意非空子集s’的支持度至少与s的支持度一样大。
(c)给定频繁项集l和l的子集s，证明规则“s’⇒(l-s’)”的置信度不可能大于“s ⇒(l - s)”
的置信度。
其中，s’是s的子集。
(d)Apriori算法的一种变形将事务数据库D中的事务划分成n个不重叠的分区。
证明
在D中频繁的项集至少在D的一个分区中是频繁的。
六、下表由雇员数据库的训练数据组成。
数据已泛化。
例如，年龄“31…35”表示年龄在31到35的之间。
对于给定的行，count表示department, status, age和salary在该行上具有给定值的元组数。
department status age salary count
sales sales sales systems systems systems systems marketing marketing secretary secretary senior
junior
junior
junior
senior
junior
senior
senior
junior
senior
junior
31 (35)
28 (30)
31 (35)
21 (25)
31 (35)
28 (30)
41 (45)
38 (40)
31 (35)
48 (50)
28 (30)
46K...50K
26K...30K
31K...35K
46K...50K
66K...70K
46K...50K
66K...70K
46K...50K
41K...45K
36K...40K
26K...30K
30
40
40
20
5
3
3
10
4
4
6
设status是类标号属性。
(a)你将如何修改基本决策树算法，以便考虑每个广义数据元组（即每个行）的
count？
(b)使用你的算法，构造给定数据的决策树。
(c)给定一个数据元组，它在属性department, age和salary上的值分别为“systems”,
“26…30”和“46…50K”。
该元组status的朴素贝叶斯分类是什么？
七、按如下标准对下列每种聚类方法进行描述：（i）可以确定的簇的形状；（ii）必须指定的输入参数；（iii）局限性
(a)k-均值
(b)k-中心点
(c)凝聚层次聚类
(d)DBSCAN。