数据仓库与数据挖掘考试试题
一、 填空题（15分）
1.数据仓库的特点分别是 面向主题 、 集成 、 相对稳定 、反映历史变化。
2.元数据是描述数据仓库内数据的结构和建立方法的数据。根据元数据用途的不
同可将元数据分为 技术 元数据和 业务 元数据两类。
3.OLAP技术多维分析过程中，多维分析操作包括 切片 、 切块 、 钻取 、
旋转 等。
4.基于依赖型数据集市和操作型数据存储的数据仓库体系结构常常被称为“ 中
心和辐射 ”架构，其中 企业级数据仓库 是中心，源数据系统和数据集市在输
入和输出范围的两端。
5.ODS实际上是一个集成的、 面向主题的 、 可更新的 、 当前值的 、 企业
级的 、详细的数据库，也叫运营数据存储。
二、 多项选择题（10分）
6.在数据挖掘的分析方法中，直接数据挖掘包括（ ＡＣＤ ）
A 分类 B 关联 C 估值 D 预言
7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ）
A 数据抽取 B 数据转换 C 数据加载 D 数据稽核
8.数据分类的评价准则包括（ ABCD ）
A 精确度 B 查全率和查准率 C F-Measure D 几何均值
9.层次聚类方法包括（ BC ）
A 划分聚类方法 B 凝聚型层次聚类方法 C 分解型层次聚类方法 D 基于密
度聚类方法
10.贝叶斯网络由两部分组成，分别是（ A D ）
A 网络结构 B 先验概率 C 后验概率 D 条件概率表
三、 计算题（30分）
11.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收
款机业务中卖出的项目，假定supmin=40%，confmin=40%，使用Apriori算法计算
生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）
事务 项目 事务 项目
T1 T2 T3 面包、果冻、花生酱 面包、花生酱 面包、牛奶、花生酱 T4 T5 啤酒、面包
啤酒、牛奶
解：（1）由I={面包、果冻、花生酱、牛奶、啤酒}的所有项目直接产生1-候选
C1，计算其支持度，取出支持度小于supmin的项集，形成1-频繁集L1，如下表所
示：
项集C1 支持度 项集L1 支持度
{面包} {花生酱} {牛奶} {啤酒} 4/5 3/5 2/5 2/5 {面包} {花生酱} {牛奶} {啤酒} 4/5
3/5
2/5
2/5
(2)组合连接L1中的各项目，产生2-候选集C2，计算其支持度，取出支持度小于
supmin的项集，形成2-频繁集L2，如下表所示：
项集C2 支持度 项集L2 支持度
{面包、花生酱} 3/5 {面包、花生酱} 3/5
至此，所有频繁集都被找到，算法结束，
所以，confidence（{面包}→{花生酱}）=（4/5）/（3/5）=4/3> confmin
confidence（{ 花生酱}→{面包}）=（3/5）/（4/5）=3/4> confmin
所以，关联规则{面包}→{花生酱}、{ 花生酱}→{面包}均是强关联规则。
12.给定以下数据集（2 ，4，10，12，15，3，21），进行K-Means聚类，设定聚
类数为2个，相似度按照欧式距离计算。（15分）
解：（1）从数据集X中随机地选择k个数据样本作为聚类的出示代表点，每一个
代表点表示一个类别，由题可知k=2，则可设m1=2，m2=4：
（2）对于X中的任意数据样本xm（1
（2 ，4，10，12，15，3，21）距离该代表点的距离分别为2，8，10，13，1，
19。
当m2=4时，样本（2 ，4，10，12，15，3，21）距离该代表点的距离分别为-2，
6，8，11，-1，17。
最小距离是1或者-1将该元素放入m1=2的聚类中，则该聚类为（2，3），另一个
聚类m2=4为（4，10，12，15，21）。
（3）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均
值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点：m1=2.5，m2=12：
（4）对于X中的任意数据样本xm（1
样本（2 ，4，10，12，15，3，21）距离该代表点的距离分别为-0.5，0.5，1.5，
7.5，9.5，12.5，18.5。
当m2=12时，样本（2 ，4，10，12，15，3，21）距离该代表点的距离分别为-10，
-9，-8，2，3，9。
最小距离是1.5将该元素放入m1=2.5的聚类中，则该聚类为（2，3，4），另一
个聚类m2=12为（10，12，15，21）。
（5）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均
值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点：m1=3，
m2=14.5：
（6）对于X中的任意数据样本xm（1
本（2 ，4，10，12，15，3，21）距离该代表点的距离分别为-1，1，7，9，12，
18，。
当m2=14.5时，样本（2 ，4，10，12，15，3，21）距离该代表点的距离分别为
-12.58，-11.5，-10.5，-4.5，-2.5，0.5，6.5。
最小距离是0.5将该元素放入m1=3的聚类中，则该聚类为（2，3，4），另一个
聚类m2=14.5为（10，12，15，21）。
至此，各个聚类不再发生变化为止，即误差平方和准则函数的值达到最优。
四．设计题（45分）
13.按照题目给定的3个数据文件，任选一个建立数据流图，要求至少包括记录
选项、字段选项、图形结点各一个。任选关联规则Apriori算法、贝叶斯网络、
K-Means聚类、决策树C5.0（C4.5）算法、神经网络中的一个进行挖掘，并给出
数据流图。（10分）
14.对以上数据流图中使用的每个结点做一简短说明。（10分）
选择：age>25.
过滤：过滤后的字段。Region,tenure,age,marital,churn.
类型：
15.给出以上数据流图中模型的执行结果（生成模型完全展开后的数据），对于执
行结果太多的，可节选部分结果。（10分）
16.对以上模型生成的结果做一简要的分析，包括算法采用的基本原理、数学模
型、算法步骤等。(15分)
答：k-means聚类算法基本原理：将各个聚类子集内的所有数据样本的均值作为
该聚类的代表点，算法的主要思想是通过迭代过程把数据划分为不同的类别，使
得评价聚集类性能的准则函数达到最优，从而使生成的每个聚集类的紧凑，类间
独立。
操作步骤：
输入：数据集,其中的数据样本只包含描述属性，不包含类别属性。聚类个数K
输出：
（1）从数据集X中随机地选择k个数据样本作为聚类的出示代表点，每一个代
表点表示一个类别
（2）对于X中的任意数据样本xm（1
（3）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均
值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点
（4）对于X中的任意数据样本xm（1
（5）重复3.4，直到各个聚类不再发生变化为止。即误差平方和准则函数的值
达到最优
【免费下载】数据仓库与数据挖掘复习题
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14.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15. 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19. 考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是(C)A 2B 3C 3.5D 520. 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21. 熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是：(B)A 1比特B 2.6比特C 3.2比特D 3.8比特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 0.71623.假定用于分析的数据包含属性age。
数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年1.非频繁项集的超集有可能是频繁的。
参考答案:错误2.决策树中不包含以下哪种节点。
参考答案:外部节点（external node）3.数据集成是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（如数据仓库）中。
数据源可能涉及多个数据库、数据立方体或一般文件。
参考答案:正确4.数据取样时，除了要求抽样时严把质量关外，还要求抽样数据必须在足够范围内有代表性。
参考答案:正确5.若属性income的平均值和标准差分别为32000元和17000元，则使用z-score规范化后，65600元被转换为：参考答案:1.9766.朴素贝叶斯算法能够解决特征之间有相关性的问题。
参考答案:错误7.OLAP技术的核心是：参考答案:多维分析8.假定某属性的最小与最大值分别为8000元和14000元。
要将其映射到区间[0.0,1.0]，按照最小-最大规范化方法对属性进行变换，属性值12600将变换为：参考答案:0.7679.后验概率P(H|X)表示条件X下H的概率。
参考答案:正确10.只要有两个频繁3项集，就一定能够生成一个候选4项集。
参考答案:错误11.先验概率是根据历史资料或主观估计的方法得到的概率。
参考答案:正确12.公司里面男性有60人，女性有40人，男性穿皮鞋的人数有25人，穿运动鞋的人数有35人，女性穿皮鞋的人数有10人，穿高跟鞋的人数有30人。
现在你只知道有一个人穿了皮鞋，推测他是男性的概率为：参考答案:0.71413.数据归约是用来得到数据集的归约表示，它比源数据集小得多，但仍接近于保持源数据的完整性。
参考答案:正确14.数据分类由两步过程组成：第一步，建立一个分类模型，描述指定的数据类集或概念集；第二步，使用模型进行分类。
参考答案:正确15.假设吸烟的本科生比例为15%，而吸烟的研究生占23%。
如果五分之一的大学生是研究生，其余的是本科生，那么吸烟的学生是研究生的概率是多少？参考答案:0.27716.决策树构建之后，为了避免过度拟合，需要对树进行剪枝。
12《数据仓库与数据挖掘》复习题
《数据仓库与数据挖掘》复习大纲三、简答题（5×6分=30分）四、分析计算题（3×10分=30分）考试范围：第一讲数据挖掘概述考点：1、数据挖掘、知识发现（KDD）基本概念；2、数据挖掘的过程；3、数据挖掘过技术的三个主要部分。
复习参考题：一、填空题（1）数据库中的知识挖掘(KDD)包括以下七个步骤：数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示。
（2）数据挖掘的性能问题主要包括：算法的效率、可扩展性和并行处理。
（3）当前的数据挖掘研究中，最主要的三个研究方向是：统计学、数据库技术和机器学习。
（4）在万维网(WWW)上应用的数据挖掘技术常被称为：WEB挖掘。
（5）孤立点是指：一些与数据的一般行为或模型不一致的孤立数据。
二、单选题（1）数据挖掘应用和一些常见的数据统计分析系统的最主要区别在于：BA、所涉及的算法的复杂性；B、所涉及的数据量；C、计算结果的表现形式；D、是否使用了人工智能技术（2）孤立点挖掘适用于下列哪种场合？DA、目标市场分析B、购物篮分析C、模式识别D、信用卡欺诈检测（3）下列几种数据挖掘功能中，（ D ）被广泛的应用于股票价格走势分析。
A. 关联分析B.分类和预测C.聚类分析D. 演变分析（4）下面的数据挖掘的任务中，（ B ）将决定所使用的数据挖掘功能。
A、选择任务相关的数据B、选择要挖掘的知识类型C、模式的兴趣度度量D、模式的可视化表示（5）下列几种数据挖掘功能中，（A ）被广泛的用于购物篮分析。
A、关联分析B、分类和预测C、聚类分析D、演变分析（6）根据顾客的收入和职业情况，预测他们在计算机设备上的花费，所使用的相应数据挖掘功能是（ B）。
A.关联分析B.分类和预测C. 演变分析D. 概念描述（7）帮助市场分析人员从客户的基本信息库中发现不同的客户群，通常所使用的数据挖掘功能是（ C ）。
A.关联分析B.分类和预测C.聚类分析D. 孤立点分析E. 演变分析（8）假设现在的数据挖掘任务是解析数据库中关于客户的一般特征的描述，通常所使用的数据挖掘功能是（ E ）A.关联分析B.分类和预测C. 孤立点分析D. 演变分析E. 概念描述三、简答题1、何谓数据挖掘？它有哪些方面的功能？答：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。
数据仓库和数据挖掘试题答案南京理工研究生
数据仓库及数据挖掘I.选择题，为每个问题选择最适宜的答案(10×2%＝20%)1.数据仓库上的业务处理称作＿B＿。
A.联机事务处理B.联机分析处理C.联机输入处理D.联机查询处理2.在自然演化体系构造中，关于导致数据缺乏可信性的原因的说法哪个不正确？DA.数据无时基B.抽取程序的算法有差异C.抽取的层次不同D.缺乏集成性3.下面哪项关于OLTP及OLAP访问特点的说法是不正确的。
AA.OLTP和OLAP对于响应时间的要求都高B.OLTP访问频率高，OLAP访问频率低C.OLAP访问大量的历史，执行大量统计操作D.OLTP数据处理具有并发性4.下面关于数据仓库中数据的说法错误的选项是？A.数据越详细，粒度越小，层次级别就越高。
B.在估计直接存储设备数时，如数据超过1000万行必须强制采取双重粒度级。
C.数据仓库大局部分析是针对被压缩的、存取效率高的轻度级数据进展的。
D.数据分割便于数据的重构、重组和恢复，以提高创立索引和顺序扫描的效率。
5.下面关于数据仓库的数据存储方式的说法哪个是不正确的？FE.虚拟存储方式中，数据仓库的数据仍然在源数据中。
F.星型模式下的维表标准化的，而雪花模式下的不需要标准化G.在查询效率方面，星型模式效率更高H.在事实星座模式中有多个事实表，且它们共享一样的维表6.下面关于星型模型的说法哪个是不正确的？I.有一个包含大量数据的事实表J.有一组小的附属表，称为维表，每维一个。
K.事实表的每个字段都是事实度量字段L.事实中每条元组都含有指向各个维表的外键和一些相应的度量数据。
7.下面关于数据仓库的数据追加的说法哪个是不正确的？CA.时标法需要为记录数据增加一个时间标志。
B.前后映像文件方法需要扫描整个数据库，占用较多资源，对性能有较大影响C.DELTA不需要扫描整个数据库，效率较高，应用普遍D.日志文件法也不需要扫描整个数据库，是固有机制。
8.假设收入属性的最小及最大分别是10000和90000，现在想把当前值30000映射到区间[0,1],假设采用最大－最小数据标准方法，计算结果是多少？B9.下面关于维的概念哪个是不正确的？ CA.维是人们观察数据的特定角度。
数据仓库与数据挖掘试题
09数据仓库与数据挖掘试题(最后)(总3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--数据仓库与数据挖掘试题一、什么是数据仓库数据仓库的主要特征有哪些它与传统的关系数据库系统有什么区别二、关系模型和多维模型在数据仓库设计中各有什么优缺点？三、数据仓库上的代数操作有哪些？如何定义的，举例说明。
四、什么是知识发现，知识发现的过程包括那几个步骤五、什么是关联规则如何利用Apriori算法在给定的数据集合上找出关联规则六、什么是分类什么是聚类二者的区别是什么常用的分类和聚类方法有哪些1、数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它用于支持企业或组织的决策分析处理。
数据仓库的主要特征: 面向主题的、集成的、时变的、非易失的数据仓库与数据库的区别数据库是面向事务的设计，数据仓库是面向主题设计的。
数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。
数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。
2、关系模型先建立企业级数据仓库，再在其上开发具体的应用。
企业级数据仓库固然是我们所追求的目标，但在缺乏足够的技术力量和数据仓库建设经验的情况下，按照这种模型设计的系统建设过程长，周期长，难度大，风险大，容易失败。
这种模型的优点是信息全面、系统灵活。
由于采用了第三范式，数据存储冗余度低、数据组织结构性好、反映的业务主题能力强以及具有较好的业务扩展性等，但同时会存在大量的数据表，表之间的联系比较多，也比较复杂，跨表操作多，查询效率较低，对数据仓库系统的硬件性能要求高等问题。
另一方面，数据模式复杂，不容易理解，对于一般计算机用户来说，增加了理解数据表的困难。
多维模型降低了范式化，以分析主题为基本框架来组织数据。
北京大学《数据仓库与数据挖掘》试题答案整理
《数据仓库与数据挖掘》试题与答案整理2013级智能系高飙1.名词解释5x4（1）主题主题（Subject）：宏观分析领域所涉及的分析对象。
是在较高层次上将企业信息系统中的数据进行综合、归类和分析利用的一个抽象概念，每一个主题基本对应一个宏观的分析领域。
面向主题的数据组织方式：在较高的层次上对分析对象的数据的一个完整、一致的描述。
（2）事实（P联机分析）事实是数值度量的；存储一个多维数据，表达期望分析的主题（目的、感兴趣的事情、事件或者指标等）；具有一定的粒度，粒度的大小与维层次相关；一个事实中通常包含一个或者多个度量一个事实的两个组件：数字型指标、聚集函数（3）数据归约（P数据预处理）在可能获得相同或相似结果的前提下，对数据的容量进行有效的缩减数据归约的方法：1数据立方体聚集：聚集操作作用于立方体中的数据2减少数据维度（维归约）：可以检测并删除不相关、弱相关或者冗余的属性或维3数据压缩：使用编码机制压缩数据集4数值压缩：用替代的、较小的数据表示替换或估计数据5数据离散化以及概念层次的建立：属性的原始值用区间值或较高层的概念予以替换（4）兴趣度（P数据挖掘）一个数据挖掘系统的挖掘结果可能会产生成千上万个模式，但是并不是所有的模式都有意义。
兴趣度度量用于将不感兴趣的模式从知识中分开。
他们可以用于指导挖掘过程，或在挖掘之后，评估发现的模式。
不同类型的数据需要不同的兴趣度量。
兴趣度的度量：一个模式是否感兴趣，取决于它是否容易被用户所理解，是否有效可信，是否潜在有用，是否新颖等兴趣度的度量:客观的度量: 从模式的角度出发，基于模式结构的某些统计的结果，如：支持度（support）、置信度（confidence）等。
主观的度量:从用户的角度出发，对模式的信任程度，如：新颖性、可操作性等。
（5）数据分区（片）（P数据仓库设计）把逻辑上统一的数据分割成较小的、可以独立管理的物理单元（分片）进行存储。
可按时间、按地区、按业务类型进行数据分片（6）数据挖掘数据挖掘是识别数据中有效的、新颖的、潜在有用的和最终可被理解的模式（Pattern）的非平凡过程。
数据仓库与数据挖掘期末试题 (1)
1、数据仓库数据仓库（Data Warehouse）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。
2、数据挖掘：数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。
3、雪花模型：雪花模式中某些维表是规范化的，因而把数据进一步分解到附加的表中，模式图形成了类似雪花的形状。
通过最大限度地减少数据存储量以及联合较小的维表来改善查询性能。
雪花模型增加了用户必须处理的表数量，增加了某些查询的复杂性，但同时提高了处理的灵活性，可以回答更多的商业问题，特别适合系统的逐步建设要求。
4、OLAP OLAP是联机分析处理，是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。
它支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
5、决策树：决策树是将训练集函数表示成树结构，通过它来近似离散值的目标函数。
这种树结构是一种有向树，它以训练集的一个属性作节点，这个属性所对应的一个值作边。
决策树一般都是自上而下的来生成的。
1、企业面对海量数据，应如何具体实施数据挖掘，使之转换成可行的结果/模型？首先进行数据的预处理，主要进行数据的清洗，数据清洗，处理空缺值，数据的集成，数据的变换和数据规约。
2、请列举您使用过的各种数据仓库工具软件（包括建模工具，ETL工具，前端展现工具，OLAP Server、数据库、数据挖掘工具）和熟悉程度。
ETL工具：AscentialDataStage ，IBM warehouseMANAGER、Informatica公司的PowerCenter、Cognos 公司的DecisionStream市场上的主流数据仓库存储层软件有：SQL SERVER、SYBASE、ORACLE、DB2、TERADATA但是使用过的只有SQLSERVER和数据挖掘工具Analysis Services，而且不大熟悉。
数据仓库与数据挖掘期末考试题库
复习内容填空题（每空1分）第1章1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2、根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类：联机事务处理（OLTP）和联机分析处理。
4、多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立数据集市、依赖型数据集市和操作型数据存储和逻辑型数据集市和实时数据仓库。
8、操作型数据存储（ODS）实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
P159、“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
11、数据挖掘的分析方法可以分为直接数据挖掘和间接数据挖掘两类。
第2章1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此，我们要求ETL 过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年1.假设数据挖掘的任务是将如下8个点（用（x，y）代表位置）聚类为3个簇：A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9)距离函数是欧式距离。
假设初始选择A1，B1和C1分别为每个聚类的中心，用K-平均算法来给出在第一次循环执行后的三个聚类中心:答案:(2,10),(6,6),(1.5,3.5)2.设训练样本集包含{ID，收入（万元），婚否，爱旅游}四个特征，8条记录如表所示，采用C4.5算法进行连续属性划分，请问“收入”属性具有几种划分可能？ID 收入婚否爱旅游1 2.5 否否2 12 否是3 3 否否4 3.2 是是5 4 否否6 4.8 否否7 6.8 是是8 9.8 否是答案:73.设训练样本集包含{ID，收入（万元），婚否，爱旅游}四个特征，8条记录如表所示，采用C4.5算法进行连续属性划分，对于“收入”属性的划分“2.75”，计算其信息增益率：ID 收入婚否爱旅游1 2.5 否否2 12 否是3 3 否否4 3.2 是是5 4 否否6 4.8 否否7 6.8 是是8 9.8 否是答案:0.2554.在下表中给定的样本上进行合并（凝聚）层次聚类，初始簇{1}，{2}，{3}，{4}，{5}，{6}，{7}，{8}.假定算法的终止条件为3个簇，则此3个簇为：序号属性1属性2序号属性1属性21 2 10 5 7 52 2 5 6 6 43 84 7 1 24 5 8 8 4 9答案:最后3个簇为：{2，7}，{1，4，8}，{3，5，6}5.简单的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，这种聚类类型称作答案:划分聚类6. 1. 数据库有5个事物，设min_sup=60%，min_conf=80%。
TID 购买的商品I100 {M,O,N,K,E,Y}I200 {D,O,N,K,E,Y}I300 {M,A,K,E}I400 {M,U,C,K,Y}I500 {C,O,O,K,I,E}使用Apriori算法找出所有频繁项集包括：答案:频繁2项集：{M,K},{O,K},{O,E},{K,E},{K,Y}频繁3项集：{O,K,E}频繁1项集：{M}，{O}，{K}，{E}，{Y}7.数据库有5个事物，设min_sup=60%，min_conf=80%。
数据仓库与数据挖掘_北京理工大学中国大学mooc课后章节答案期末考试题库2023年
数据仓库与数据挖掘_北京理工大学中国大学mooc课后章节答案期末考试题库2023年1.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：（）参考答案:0.7162.数据的可视化是将数据以各种图表的形式展现在用户的面前，使用户能观察数据，并在较高的层次上找出数据间可能的关系。
参考答案:正确3.数据挖掘和可视化都是知识提取的方式。
参考答案:正确4.面向应用场景的可视化交互式数据挖掘方法是以数据挖掘算法和模型为主，并不针对具体应用场景或数据类型参考答案:错误5.将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务？（）参考答案:数据预处理6.数据仓库的数据ETL过程中，ETL软件的主要功能包括（）参考答案:数据抽取_数据加载_数据转换7.数据挖掘的主要任务是从数据中发现潜在规则，从而能更好的完成描述数据、预测数据的任务。
参考答案:正确8.传统数据仓库包括数据仓库数据库、数据抽取/转换/加载、元数据、访问工具、数据集市、和信息发布系统七个部分组成。
参考答案:数据仓库管理9.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。
参考答案:错误10.假定你现在训练了一个线性SVM并推断出这个模型出现了欠拟合现象。
在下一次训练时，应该采取下列什么措施？（）参考答案:增加特征11.下面哪一项关于CART的说法是错误的（）参考答案:CART输出变量只能是离散型。
12.以下哪种方法不是常用的数据约减方法（）参考答案:关联规则挖掘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。
等频（等深）划分时，15在第几个箱子内？ ()参考答案:第二个14.下表是一个购物篮，假定支持度阈值为40%，其中（）是频繁闭项集。