数据挖掘试卷-题集汇编

1、学习-好资料数据挖掘复习题集1 .名词解释及简答数据矩阵闭频繁项集，极大频繁项集四分位数极差聚类分析聚类算法DBSCAN中的密度可达与密度相连简述数据清理的任务简述k-means聚类与k-中心点聚类的相似与不同之处2 .填空题(1) 计算sin(45o)的Matlab命令是(2) 假设x=10,计算(J2ex4"5+1)的Matlab命令是(3) Matlab中清除显示内容的命令是(4) Matlab中清除变量y的命令是(5) Matlab中有矩阵a=123;456;789,执行a(2,:)二口后，a的值为。(6) Matlab中绘制曲线的基本命令是。(7) 数据质量涉及许多因素，包

2、括,时效性，可信性和可解释性。(8) 属性的类型由该属性可能具有的值的集合决定，属性类型包括,序数的或数值的。(9) KDD过程包括：,数据集成，数据选择，数据变换，数据寸g掘，模式评估和。(10) 一个模式是有趣的，如果它是,在某种程度上在新的或测试数据上是有效的,新颖的，或验证了用户希望证实的某种假设。(11) 数据对象又称为样本、数据点、或。(12) 数值属性可以被分为属性和属性(13) 常见的数据的可视化技术有基于的技术，几何投影技术，基于的技术以及层次的和基于图形的技术。(14) 支持度和是规则兴趣度的两种度量。3.选择题：1) Matlab中，执行a=-4:4;b=reshape(

3、a,3,3)后b的值是()。2) 在MATLAB中，列出当前工作空间变量名的函数是更多精品文档学习-好资料(A)who(s)(B)clc(C)path(D)draw-4613)已知A=28,则在MATLAB中调用命令A(3)的结果为-37J(A)3(B)2(C)无结果(D)74) MATLAB对图形窗口进行灵活分割的命令为(A)plot(B)subplot(C)aplot(D)ploval5) A=363,B=211,则A.*B=(A)运算不执行，因有错(B)683(C)574(D)6636) MATLAB中保持图形窗口不关闭的命令为(A)alter(B)holdon(C)holdoff(D)

4、cd7) MATLAB中a=2,3,1,则b=a.A2的结果为(A)b=4,6,1(B)b=4,9,1(C)b=4,6,2(D)执行出错，无结果8) MATLAB中给变量w赋空矩阵的语句为（A）w=zeros（）（B）w=（C）w=zeros（0,0）（D）clearw9）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.关联规则发现B.聚类C.分类D.自然语言处理10）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

5、箱子内？（）A第一个B第二个C第三个D第四个11）上题中，等宽划分时（宽度为50）,15又在哪个箱子里？（）12）下面哪个不属于数据的属性类型：（）A标称B序数C区间D相异13）在上题中，属于定量的属性类型是：（）14）只有非零值才重要的二元属性被称作：（）A计数属性B离散属性C非对称的二元属性D对称属性15）以下哪种方法不属于特征选择的标准方法：（）A嵌入B过滤C包装D抽样16）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：（）A1比特B2.6比特C3.2比特D3.8比特17）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

6、的值映射到0至1的范围内。对属性income的73600元将被转化为：（）A0.821B1.224C1.458D0.71618）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。第二个箱子值为：（）更多精品文档学习-好资料A18.3B22.6C26.8D27.919）考虑值集12243324556826,其四分位数极差是：（）A31B24C55D320）一所大学内的各年

7、纪人数分别为：一年级200人，二年级160人，三年级130人，四年级110人。则年级属性的众数是：（）A一年级B二年级C三年级D四年级21）下列哪个不是专门用于可视化时间空间数据的技术：（）A等高线图B饼图C曲面图D矢量场图22）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：（）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23）以下哪些算法是分类算法，（）A,DBSCANBC4.5C,K-MeanD,EM24）以下哪些分类方法可以较好地避免样本的不平衡问题，（）A,KNNB,SVMC,BayesD,神经网络25）以下哪项关于决策树的说法是错误的（）A.冗余

8、属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多次C.决策树算法对于噪声的干扰非常敏感26）决策树分类方法中,A.信息增益27）决策树分类方法中,A.信息增益28）决策树分类方法中,A.信息增益D.寻找最佳决策树是NP完全问题ID3算法使用的分裂准则是：D.分类错误率D.分类错误率D.分类错误率B.增益比率C基尼指数C4.5算法使用的分裂准则是：B.增益比率C基尼指数CART算法使用的分裂准则是：B.增益比率C基尼指数4.判断题1. Matlab程序要编译后才能运行。（）2. Matlab中变量名不区分大小写。（）3. Matlab中对2维矩阵的下标与C语言一样，是行优先存储

9、。（）4. Matlab的执行效率比C语言低，但是Matlab的开发难度通常比C语言低。（）5. 聚类算法运行的条件需要所有的训练样本都有类别标签。（）6. 决策树中基于信息增益分裂准则的一个缺陷是它趋向于多值属性。（）7. 分类算法中，随着分类模型的复杂度增加，训练集和测试集上的准确率通常都会提高。（）8. DBSCAN是一种基于密度的聚类方法。（）9. 分位数图是一种观察单变量数据分布的简单有效方法。（）10. 分位数-分位数图可以观察从一个分布到另一个分布是否有漂移。（）11. k-中心点聚类算法比k-均值算法对离群点更鲁棒。（）更多精品文档学习-好资料12 .频繁项集的关联规则挖掘中，

10、闭频繁项集和极大频繁项集都包含了频繁项集的完整支持度信息()13 .频繁模式增长FP-growth是一种比Aprior算法更高效的关联规则挖掘算法。()14 计算题：1. 给定两个元组(10,20,30,10)和(20,0,36,8)表示的对象，求以下距离:(1) 计算这两个对象间的欧几里得距离(2) 计算这两个对象间的曼哈顿距离(3)(4) 使用q=3,计算这两个对象之间的闵可夫斯基距离(5)(6) 计算这两个对象之间的上确界距离2.在决策树分类中，依据分裂规则的不同提出了不同决策树算法，信息增益准则在ID3分类方法中采用。我们希望能够学习出一个贷款申请的决策树，当新的客户提出申请贷款时，根

11、据申请人的特征利用决策树决定是否批准申请贷款。请完成如下的计算。ID年龄有工作有自己的殴信贷情况是否批准贷款申请1青年否否否2P青年否否好一否3青年是否好是4青年是是是5r青年否否否6中年否否否7中年否否好否8中年是是好是9中年否是非常好是10中年否是非常好是11老年否是非常好是12老年否是好是13老年是否好是14二老年是否非常好是15老年否否否1)假设目前在根节点，包含所有15个样本点，请计算根节点分类所需的期望信息。2)计算年龄属性分裂的信息增益。3)计算用是否有工作属性分裂的信息增益。4)计算分别用是否有自己的房子和信贷情况属性分裂的信息增益，并说明基于信息增益准则，应该选择什么属性作为

12、分裂属性。3.朴素贝叶斯分类方法是一种简单但高效的分类方法，有如下关于顾客是否买计算机的训练数据集，请依据朴素贝叶斯分类方法，写出计算过程，判断属性信息为x=(年龄若年，收更多精品文档学习-好资料入中等，彳t用等级=良好）的顾客是否会购买计算机。RID年龄收入信用等级是否买计算机1青年高良否2青年高优否3中年高良是4老年中等良是5老年低良是6老年低优否7中年低优是8青年中等良否9青年低良是10老年中等良是4.有如下混淆矩阵，请计算指标分类准确率，灵敏度，特效性，精度，召回率和F1度量。预测类别实际类别Class=YesClass=NoClass=Yes90210Class=No14095605.假设我们对购买计算机游戏和录像带的事务感兴趣。设game表示包含计算机游戏的事务，而video表示包含录像的事务。在所分析的1000个事务中，数据显示有600个顾客事务包含计算机游戏，750个事务包含录像，而400个事务同时包含计算机游戏和录像。假设发