数据仓库与数据挖掘技术复习资料

1、数据仓库与数据挖掘技术复习资料、单项选择题C .算法、技术、领域知识1. 数据挖掘技术包括三个主要的局部A. 数据、模型、技术BC.数据、建模水平、算法与技术D .建模水平、算法与技术、领域知识2. 关于根本数据的元数据是指：D A. 根本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息；B. 根本元数据包括与企业相关的治理方面的数据和信息；C. 根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. 根本元数据包括关于装载和更新处理,分析处理以及治理方面的信息.3. 关于OLAP OLTP勺说法,以下不正确的选项是：AA . OLAP事务量大,但事务内容比拟简单且重复率高B .

2、 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治理人员D . OLTP以应用为核心,是应用驱动的4. 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5. 下面哪种不届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6. 在ID3算法中信息增益是指D A.信息的溢出程度B.信息的增加效益C.嫡增加的程度最大D.嫡减少的程度最大7. 以下哪个算法是基于规那么的分类器A A. C4.5 B. KNN C. Bayes D. ANN8. 以下哪项关于

3、决策树的说法是错误的 C A. 冗余届性不会对决策树的准确率造成不利的影响B. 子树可能在决策树中重复屡次C. 决策树算法对于噪声的十扰非常敏感D. 寻找最正确决策树是 NP完全问题9. 假设收入届性的最小与最大分别是10000和90000,现在想把当前值30000映射到区间0,1,假设采用最大一最小数据标准方法,计算结果是 A A. 0.25B. 0.375D. 0.510. 在抽样方法中,当适宜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11. 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

4、标签的数据相别离？ BA. 分类 B. 聚类 C.关联分析D.隐马尔可夫链12. 设X=1, 2, 3是频繁项集,那么可由X产生C 个关联规那么.A.4B.5C.6D.713. C 将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度,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14. 只有非零值才重要的二元届性被称作：C A.计数届性B.离散届性C.非对称的二元届性D.对称届性15. 在根本K均值算法里,当邻近度函数采用 A 的时候,适宜的质心是 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.Bregma

5、n散度16. 下面关于数据粒度的描述不正确的选项是：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17. 某超市研究销售纪录数据后发现,买啤洒的人很大概率也会购置尿布,这种届于数据挖掘的哪类问题?( B )A.聚类B.关叭那么发现C. 分类D.自然语言处理18. OLA成术的核心是：(D )A.在线性B.对用户的快速响应 C.互操作性 D.多维分析19.下面哪种不届于数据预处理的方法？ D A.变量代换B.涂化C.聚集 D.估计遗漏值20.

6、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21. 上题中,等宽划分时宽度为 50, 15 乂在哪个箱子里？ A A.第一个 B. 第二个 C. 第三个 D. 第四个22. 嫡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嫡是：B A.lbit23. 假设届性income的最大最小值分别是12000元和98000元.利用最大最小规 范化的方法将届性的值映射到 0至1的范围

7、内.对届性income的73600元将被转 化为：D 24. 假定用丁分析的数据包含届性 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.第二个箱子值为：A A. 18.3 B. 22.6 C. 26.8D.27.925. 给定两个对象,分别用元组22,1,42,10和20,0,36,8 表示,那么这两个对象之间的曼哈坦距离为：A.5B.1126.

8、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27. 假设A为事件“产品合格,B为“机器工作正常,现给出以下概率：机器工作正常,生产产品合格的概率为 PA|B=0.95;机器不正常工作时,生产产品合 格的概率为PA| B =0.1;机器正常工作的概率,即 PB=0.9.生产了一个不 合格品,机器不正常工作的概率,即 PB | A是.二、填空题1. 数据仓库是面向主题的、 集成的 、具有特性的、稳定的数据 集合,用以支持经营治理中的决策制定过程.2. OLAP的根本多维分析操作有聚类 、切片、切块以及 旋转等.3. 多维数据集通常采用星型或雪花型架构,以 事实为中央,

9、连 接多个维表.4. 空缺值数据的处理方法主要有使用默认值、届性平均值、同类样本平均值和预测最可能的值等.5. 平均互信息等丁信息嫡减条件嫡,表示不确定性的消除.6. 神经网络的学习方式有3种：监督学习、非监督学习和再励学习强 化学习.7. 聚类分析的数据通常可分为区间标度变量、二元变量、标称变量、比例 标度变量、序数型以及混合类型等.8. 数据立方体是数据的多维建模和表示,由维和事实组成.维就是涉及的 届 性、而事实是一个具体的数据.9. 数据预处理的主要内容方法包括数据活洗、数据变换、数 据集成和数据归约等.10. 关联规那么的经典算法包括Apriori 算法和FP_Growth算法,其中

10、FP_Growth 算法的效率更高.11. 非线性回归的模型有：直接换元法、间接代换法和非线性型三种.12. 人工神经网络的特点和优势主要表现在具有自学习功能、具有联系存储功能和具有高速寻找优化解的水平三个方面.13. ID3算法只能对描述届性为 离散型届性的数据集构造决策树.14. 根据对应的数据类型,Web挖掘可分为内容挖掘、和.15. BP神经网络由输入、输出以及一或多个隐含结点组成.三、判断题1. 数据挖掘的目标不在于数据采集策略,而在于对于已经存在的数据进行模式的开掘.对2. 模式为对数据集的全局性总结,它对整个测量空间的每一点做出描述；模型那么对变量变化空间的一个有限区域做出描述.

11、错3. 数据仓库中间层OLAF®务器只能采用关系型OLAP错4. 特征提取技术并不依赖于特定的领域.错5. 定量届性可以是整数值或者是连续值.对6. We澈据挖掘是通过数据库仲的一些届性来预测另一个届性 ,它在验证用户提出的假设过程中提取信息. 错7. 贝叶斯法是一种在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.错8. 给定由两次运行K均值产生的两个不同的簇集,误差的平方和最大的那个应该被视为较优.错9. 如果规那么不满足置信度阈值,那么形成的规那么一定也不满足置信度阈值,其中是X的子集.对10. 分类和回归都可用于预测,分类的输出是离散的

12、类别值,而回归的输出是连续数值.对11. 如果一个对象不强届于任何簇,那么该对象是基于聚类的离群点.对 12. K均值是一种产生划分聚类的基于密度的聚类算法,簇的个数由算法自动地确定.错 13. 数据挖掘的主要任务是从数据中发现潜在的规那么,从而能更好的完成描述数据、预测数据等任务.对14. 离散届性总是具有有限个值.错 15. 用于分类的离散化方法之间的根本区别在于是否使用类信息.对16. 特征提取技术并不依赖于特定的领域.错17. 定量届性可以是整数值或者是连续值.对18. Web数据挖掘是通过数据库仲的一些届性来预测另一个届性,它在验证用户提出的假设过程中提取信息. 错19. 关联规那么

13、挖掘过程是发现满足最小支持度的所有项集代表的规那么.错 20. 利用先验原理可以帮助减少频繁项集产生时需要探查的候选项个数. 对21. 具有较高的支持度的项集具有较高的置信度.错22. 聚类clustering 是这样的过程：它找出描述并区分数据类或概念的模型或函数,以便能够使用模型预测类标记未知的对象类.错 23. 分类和回归都可用于预测,分类的输出是离散的类别值,而回归的输出是连续数值.对四、简做题1 .设某事务项集构成如表1所示,填空完成粗体字局部支持度和置信度的计算, 保存1位小数.表1事务ID项集L2支持度规那么置信度T1A,DA,B33.3A=>B50T2D,EA,C33.3

14、C=>A60T3A,C,EA,D44.4A=>D66.7T4A,B,D,EB,D33.3B=>D75T5A,B,CC,D33.3C=>D60T6A,B,DD,E33.3D=>E42.9T7A,C,DT8C,D,ET9B,C,D2.写出非对称二元变量相异度计算公式(即jaccard系数),并计算表2中各对象问 的相异度.表2一测试工程 对象test-1test-2test-3test-4test-5test-6OBJ1YNPNNNOBJ2YNPNPNOBJ3NYNYNN.解：Jaccard系数公式可描述为非对称二元相异度=取值不同的同位届性数/(单个元素的届性位数-

15、同取0的位 r s数).d(i, j),其中r表小对象i取值为1,对象j取值为0; s表小对q r s象i取0值,对象j取1值,q表示对象i和j同取1值.3.给定两个对象,分别用元组(22,1,42,10)和(20,0,36,8 )表示(a) 计算两个对象之间的欧几里德的距离；(b) 计算两个对象之间的曼哈坦距离；(c) 计算两个对象间的明考斯基距离,q = 3.解：(a) 欧几里德距离：d(i, j) v(20 22)2 (0 1)2 (36 42)2 (8 10)25 ；(b) 曼哈坦距离：d(i, j)20 22 |0 1 36 42 8 10 11；(c) 明考斯基距离,q=3.一 &

16、#39;,3,3. 3. 3d(i,j)七|20 22|0 1|36 42|8 104.327.五、分析题解：1.某事务数据库如表3所示,请采用FP-Growth算法绘制出FP-tree ,要求 画出绘制过程.TID工程歹0表T1I1,I2,I5T2I2,I3T3I2,I4T4I1,I2,I4T5I1,I4,I5T6I2,I3T7I3,I4T8I1,I2,I3,I5T9I1,I2,I3表3:事务数据库图：FP-tree2.给定表4所示的练习数据,数据样本届性age, income,student和credit_rating 描述.类标号届性buys_computer具有两个不同值(即Yes,N

17、o).给定一个没有 类标号的数据样本 X=(age= <=30 , income= mediunf , student= yes , credit_rating= fair ),使用朴素贝叶斯分类预测这个数据样本的类标号.(10 分)表4数据库练习数据元组RIDageincomestudentCredit_ratingClass:buys_computer1<=30highnofairNo2<=30highnoexcellentNo33140highnofairYes4>40mediumnofairYes5>40lowyesfairYes6>40lowyes

18、excellentNo73140lowyesexcellentYes8<=30mediumnofairNo9<=30lowyesfairYes10>40mediumyesfairYes11<=30mediumyesexcellentYes123140mediumnoexcellentYes133140highyesfairYesRIDageincomestudentCredit_ratingClass:buys_computer14>40mediumnoexcellentNo解：(1) 每个类的先验概率P(buys_computer='Yes )=9/14P(buys_computer ='No" )=5/14(2) 为计算P(X/Ci) , i=1,2,计算下面的条件概率：P(age<=' 30| buys_computer = Yes )=2/9P(age<=' 30| buys_computer = No" )=3/5P(income= medium| bu