2023年商业经济行业技能考试-数据挖掘工程师考试历年真摘选题含答案

2023年商业经济行业技能考试-数据挖掘工程师考试历年真摘选题含答案（图片大小可自由调整）第1卷一.参考题库(共100题)1.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？（）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2.数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。3.对于下图所示的正倾斜数据，中位数、平均值、众数三者之间的关系是（）A、中位数=平均值=众数；B、中位数＞平均值＞众数；C、平均值＞中位数＞众数；D、众数＞中位数＞平均值4.先验原理可以表述为：如果一个项集是频繁的，那包含它的所有项集也是频繁的。5.简述雪花模型。6.为什么要关注离群点？7.SVM是这样一个分类器，他寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器（minimalmarginclassifier）。8.聚类分析包括连续型、二值离散型、（）和混合类型4种类型描述属性的相似度计算方法。9.根据关联分析中所涉及的抽象层，可以将关联规则分类为（）。A、布尔关联规则B、单层关联规则C、多维关联规则D、多层关联规则10.关于OLAP和OLTP的区别描述，不正确的是（）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11.在聚类分析当中，（）等技术可以处理任意形状的簇。A、MIN（单链）B、MAX（全链）C、组平均D、Chameleon12.什么是决策节点？13.OLAP14.考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是（）。A、2B、3C、3.5D、515.以下两种描述分别对应哪两种对分类算法的评价标准？（） （1）警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 （2）描述有多少比例的小偷给警察抓了的标准。A、Precision，RecallB、Recall，PrecisionC、Precision，ROCD、Recall，ROC16.在多维关联规则挖掘中，我们搜索的不是频繁项集，而是（）17.简述数据仓库设计的三级模型的基本内容。18.ROLAP是基于（）的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。19.设X={1，2，3}是频繁项集，则可由X产生（）个关联规则。A、4B、5C、6D、720.规则：age（X，”19-25”）∧buys（X，“popcorn”）=>buys（X，“coke”）是一个（）。A、单维关联规则B、多维关联规则C、混合维关联规则D、不是一个关联规则21.以下是哪一个聚类算法的算法流程（）。 ①构造k－最近邻图。 ②使用多层图划分算法划分图。 ③repeat：合并关于相对互连性和相对接近性而言，最好地保持簇的自相似性的簇。 ④until：不再有可以合并的簇。A、MSTB、OPOSSUMC、ChameleonD、Jarvis－Patrick（JP）22.从信息处理角度看，神经元具有哪些基本特征？写出描述神经元状态的M-P方程并说明其含义。23.聚类分析常作为一个独立的工具来获得（）24.数据立方体度量可以根据其所使用的聚集函数分为三类，分别是：（）、（）和（）25.下面关于数据粒度的描述不正确的是（）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26.从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。27.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。28.数据聚合需要考虑的问题有哪些？29.下面关于Jarvis－Patrick（JP）聚类算法的说法不正确的是（）。A、JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇B、JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇C、JP聚类是基于SNN相似度的概念D、JP聚类的基本时间复杂度为O（m）30.Web数据挖掘是通过数据库仲的一些属性来预测另一个属性，它在验证用户提出的假设过程中提取信息。31.孤立点32.数据挖掘33.简述数据挖掘的过程。34.如果规则集中的规则按照优先级降序排列，则称规则集是（）。A、无序规则B、穷举规则C、互斥规则D、有序规则35.下面不属于创建新属性的相关方法的是：（）。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36.分类的过程包括获取数据、预处理、分类器设计和（）37.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、组合（ensemble）B、聚集（aggregate）C、合并（combination）D、投票（voting）38.简述数据仓库与数据挖掘的关系？39.当前的数据挖掘研究中，最主要的三个研究方向是：（）、（）和（）40.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。41.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42.孤立点是指：（）43.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；模型则对变量变化空间的一个有限区域做出描述。44.在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各种方法。45.数据集分为三类：（）。46.数据从集结区加载到数据仓库中的主要方法是什么？47.序列数据没有时间戳。48.什么是ETL？49.在项目实施时，根据事实表的特点和拥护的查询需求，可以选用（）、业务类型、区域和下属组织等多种数据分割类型。50.列举操作型数据与分析型数据的主要区别。51.为什么说数据仓库具有随时间而变化的特征？52.评估分类模型的性能的方法有哪些？53.比较统计学与数据挖掘的异同？54.请谈一下你对元数据管理在数据仓库中的运用的理解。55.考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同的类，因为这两个对象一般不会共享许多近邻，所以应该选择（）的相似度计算方法。A、平方欧几里德距离B、余弦距离C、直接相似度D、共享最近邻56.使用星型模式可以从一定程度上（）查询效率。因为星型模式中数据的组织已经经过预处理，主要数据都在庞大的事实表中。57.简述K-平均算法的输入、输出及聚类过程（流程）。58.下面属于定量的属性类型是：（）。A、标称B、序数C、区间D、相异59.SQLServerSSAS提供了所有业务数据的同意整合试图，可以作为传统报表、（）、关键性能指示器记分卡和数据挖掘的基础。60.项集的频率是指（）61.如何提高Apriori算法的有效性？有哪些常见方法？62.定量属性可以是整数值或者是连续值。63.数据挖掘要解决的问题是什么？64.试述对于多个异种信息源的集成，为什么许多公司宁愿使用更新驱动的方法（update-driven），而不愿使用查询驱动（query-driven）的方法？65.频繁项集66.什么是数据仓库的数据ETL过程？67.以下哪些是数据仓库的主要应用？（）A、信息处理B、互联网搜索C、分析处理D、数据挖掘68.Aprior算法包括（）和（）两个基本步骤69.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）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70。 （a）使用按箱平均值平滑对以上数据进行平滑，箱的深度为3。解释你的步骤。评论对于给定的数据，该技术的效果。 （b）对于数据平滑，还有哪些其它方法？70.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、预测建模D、寻找模式和规则71.数据挖掘对聚类的典型要求有哪些？72.根据规则中所处理的值类型，关联规则可分为：（）和（）73.简述基于划分的聚类方法。划分的准则是什么？74.（）都属于分裂的层次聚类算法。A、二分K均值B、MSTC、ChameleonD、组平均75.常用的数值属性概念分层的方法有哪些？76.关于数据仓库的设计，四种不同的视图必须考虑，分别是：（）、（）、（）、（）77.已知数据元组中age的值如下（按递增序）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70。 （a）使用min-max规范化，将age值35转换到[0.0，1.0]区间。 （b）使用z-score规范化转换age值35，其中，age的标准偏差为12.94年。 （c）使用小数定标规范化转换age值35。78.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、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79.下面选项中t不是s的子序列的是（）。A、s=，t=B、s=，t=C、s=，t=D、s=，t=80.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？81.按照事实表中度量的可加性情况，可以把事实表对应的事实分为4种类型：（）、快照事实、线性项目事实和事件事实。82.调和数据是存储在（）数据仓库和操作型数据存储中的数据。83.比较OLAP的数据模型MOLAP与ROLAP？84.进行数据预处理时所使用的主要方法包括：（）、（）、（）和（）85.数据分类模型的常用表示形式包括（）、（）等。86.什么是用户信息需求表（信息包图法）？它为什么适用于数据仓库的概念模型的设计？87.简述数据仓库4种体系结构的异同点以其适用性。88.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（）。A、关联分析B、分类和预测C、演变分析D、概念描述89.简述Apriori算法的思想，谈谈该算法的应用领域。90.求和函数sum（）是一个（）的函数。91.下面的数据挖掘的任务中，（）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92.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。93.简述数据仓库的组成。94.下列度量不具有反演性的是（）。A、系数B、几率C、Cohen度量D、兴趣因子95.为什么在进行联机分析处理（OLAP）时，我们需要一个独立的数据仓库，而不是直接在日常操作的数据库上进行。96.关于基本数据的元数据是指（）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97.数据处理通常分成两大类：联机事务处理和（）98.考虑两队之间的足球比赛：队0和队1。假设65%的比赛队0胜出，剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场，而队1取胜的比赛中75%是主场获胜。如果下一场比赛在队1的主场进行队1获胜的概率为（）。A、0.75B、0.35C、0.4678D、0.573899.数据仓库中间层OLAP服务器只能采用关系型OLAP。100.数据库中的知识挖掘（KDD）包括以下七个步骤：（）、（）、（）、（）、（）、（）和（）第1卷参考答案一.参考题库1.正确答案:C2.正确答案:数据挖掘处理的对象是某一专业领域中积累的数据，对象既可以来自社会科学，又可以来自自然科学产生的数据，还可以是卫星观测得到的数据。数据形式和结构也各不相同，可以是传统的关系数据库，可以是面向对象的高级数据库系统，也可以是面向特殊应用的数据库，如空间数据库、时序数据库、文本数据库和多媒体数据库等，还可以是Web数据信息。 实际生活的例子： ①电信行业中利用数据挖掘技术进行客户行为分析，包含客户通话记录、通话时间、所开通的服务等，据此进行客户群体划分以及客户流失性分析。 ②天文领域中利用决策树等数据挖掘方法对上百万天体数据进行分类与分析，帮助天文学家发现其他未知星体。 ③制造业中应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。 ④市场业中应用数据挖掘技术进行市场定位、消费者分析、辅助制定市场营销策略等。3.正确答案:C4.正确答案:错误5.正确答案: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。6.正确答案:在一些应用领域中，识别离群点是许多工作的基础和前提。一般地，离群点可能对应于稀有事件或异常行为，所以，离群点的挖掘会给我们带来新的视角和发现，离群点往往具有特殊的意义和很高的实用价值，需要对其进行认真审视和研究，因为它们表示一种偏差或新的模式的开始，这可能会对用户带来危害，或造成巨大损失。7.正确答案:错误8.正确答案:多值离散型9.正确答案:B,D10.正确答案:C11.正确答案:A,D12.正确答案:代表某个测试，通常对应带分类对象的某个属性。该属性上的不同测试结果对应一个分支。13.正确答案:OLAP是在OLTP的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。14.正确答案:C15.正确答案:A16.正确答案:频繁谓词集17.正确答案: （1）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。 （2）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。 （3）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。18.正确答案:关系数据库19.正确答案:C20.正确答案:B21.正确答案:C22.正确答案: 基本特征： ①多输入、单输出； ②突触兼有兴奋和抑制两种性能； ③可时间加权和空间加权； ④可产生脉冲； ⑤脉冲可进行传递； ⑥非线性，有阈值。 M-P方程：，Wij是神经元之间的连接强度，是阈值，f（x）是阶梯函数。23.正确答案:数据分布的情况24.正确答案:分布的；代数的；整体的25.正确答案:C26.正确答案:错误27.正确答案:以分析为主28.正确答案:（1）模式识别：这主要是实体识别问题； （2）冗余：一个属性是冗余的，即它能由另一个表导出，如果属性或维的命名不一致，也可能导致冗余，可以用相关分析来检测； （3）数据值冲突的检测与处理：有些属性因表示比例或编码不同，会导致属性不同。29.正确答案:D30.正确答案:错误31.正确答案:指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。32.正确答案: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。33.正确答案:数据清洗，数据集成（考虑数据一致性和冗余），数据选择，数据转换，数据挖掘，模式评估，知识表示。34.正确答案:D35.正确答案:B36.正确答案:分类决策37.正确答案:A38.正确答案:数据仓库与数据挖掘都是决策支持新技术。但它们有着完全不同的辅助决策方式。在数据仓库系统的前端的分析工具中，数据挖掘是其中重要工具之一。它可以帮助决策用户挖掘数据仓库的数据中隐含的规律性。39.正确答案:统计学；数据路技术；机器学习40.正确答案:错误41.正确答案:A42.正确答案:一些与数据的一般行为或模型不一致的孤立数据43.正确答案:错误44.正确答案: 1，忽略元组。当类标号缺少是通常这么做，当每个属性缺省值的百分比变化很大时，他的效果非常差。 2，人工填写空缺值。这种方法工作量大，可行性低。 3，使用一个全局变量填充空缺值。 4，使用属性的平均值填充空缺值。 5，使用与给定元组属同一类的所有样本的平均值。 6，使用最可能的值填充空缺值。45.正确答案:记录数据，基于图形的数据和有序的数据集46.正确答案:SQL命令（如Insert或Update） 由DW供应商或第三方提供专门的加载工具 由DW管理员编写自定义程序47.正确答案:正确48.正确答案: E.TL用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。 E.TL是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。49.正确答案:时间50.正确答案:51.正确答案: 1，数据仓库的时间范围比操作数据库系统要长的多。操作数据库系统主要保存当前数据，而数据仓库从历史的角度提供信息。 2，数据仓库中的每一个关键结构都隐式或显式的包含时间元素，而操作数据库中的关键结构可能就不包含时间元素。52.正确答案:（1）保持方法：以无放回抽样方式把数据集分为两个相互独立的子集，训练集（2/3）和测试集（1/3）； （2）随机子抽样：保持方法的多次迭代； （3）k-折交叉验证。53.正确答案: 统计学主要是对数量数据（数值）或连续值数据（如年龄、工资等），进行数值计算（如初等运算）的定量分析，得到数量信息。 数据挖掘主要对离散数据（如职称、病症等）进行定性分析（覆盖、归纳等），得到规则知识。 统计学与数据挖掘是有区别的。但是，它们之间是相互补充的。54.正确答案: 元数据能支持系统对数据的管理和维护，如关于数据项存储方法的元数据能支持系统以最有效的方式访问数据。具体来说，在数据仓库系统中，元数据机制主要支持以下五类系统管理功能： （1）描述哪些数据在数据仓库中； （2）定义要进入数据仓库中的数据和从数据仓库中产生的数据； （3）记录根据业务事件发生而随之进行的数据抽取工作时间安排； （4）记录并检测系统数据一致性的要求和执行情况； （5）衡量数据质量。55.正确答案:D56.正确答案:提高57.正确答案:58.正确答案:C59.正确答案:在线分析处理60.正确答案:包含项集的事务数61.正确答案: 可以使用一下几个思路来提升Apriori算法：减少对数据的扫描次数；缩小产生的候选项集；改进对候选项集的支持度计算方法。 常见方法包括： 1，基于hash表的项集计数； 2，事务压缩； 3，划分； 4，选样； 5，动态项集计数。62.正确答案:正确63.正确答案:面对高维，复杂，异构的海量数据，如何集中获取有用的信息和知识。64.正确答案:因为对于多个异种信息源的集成慢查询驱动方法需要负责的信息过滤盒集成处理，并且与局部数据源上的处理竞争资源，是一种低效的方法，并且对于频繁的查询，特别是需要聚集操作的查询，开销很大，而更新驱动方法为集成的异种数据库系统带来了高性能，因为数据被处理和重新组织到一个语义一致的数据存储中，进行查询的同时并不影响局部数据源上进行的处理。此外，数据仓库存储并集成历史信息，支持复杂的多维查询。65.正确答案:指满足最小支持度的项集，是挖掘关联规则的基本条件之一。66.正确答案: 数据的ETL过程就是负责将操作型数据转换成调和数据的过程。数据调和是构建一个数据仓库中最难的和最具技术挑战性的部分。在为企业级数据仓库填充数据的过程中，数据调和可分为两个阶段：一是企业级数据仓库（EDW）首次创建时的原始加载；二是接下来的定期修改，以保持EDW的当前有效性和扩展性。 整个过程由四个步骤组成：抽取、清洗、转换、加载和索引。事实上，这些步骤可以进行不同的组合，如，可以将数据抽取与清洗组合为一个过程，或者将清洗和转换组合在一起。67.正确答案:A,C,D68.正确答案:连接；剪枝69.正确答案:（a）已知数据元组中age的值如下（按递增序）： 13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，33，35，35，35，35，36，40，45，46，52，70，且箱的深度为3，划分为（等频）箱： （b）对于数据平滑，其它方法有： （1）回归：可以用一个函数（如回归函数）拟合数据来光滑数据； （2）聚类：可以通过聚类检测离群点，将类似的值组织成群或簇。直观地，落在簇集合之外的值视为离群点。70.正确答案:B71.正确答案:1）可伸缩性 2）处理不同类型属性的能力 3）发现任意形状的聚类 4）用于决定输入参数的领域知识最小化 5）处理噪声数据的能力 6）对输入记录的顺序不敏感 7）高维度 8）基于约束的聚类 9）可解释性和可用性72.正确答案:布尔关联规则；量化关联规则73.正确答案: 基于划分的聚类方法：给顶一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个簇，丙炔k《=n。划分方法要求每个组至少包含一个对象并且每个对象属于且仅数以一个组。聚类目标可以是最优化某种量度，比如最小化数据点与类中心的距离平方和等。 划分准则是同一个聚类中的对象尽可能的接近或相关，不同聚类中的对象尽可能的远离或不同。74.正确答案:A,B75.正确答案:分箱、直方图分析，聚类分析，基于熵的离散化和通过自然划分分段。76.正确答案:自上向下视图；数据源视图；数据仓库视图；商务查询视图77.正确答案:（a）已知最大值为70，最小值为13，则可将35规范化为： （b）已知均值为30，标准差为12.94，则可将35规范化为： （c）使用小数定标规范化可将35规范化为：35/100=0.3578.正确答案:A79.正确答案:C80.正确答案: 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81.正确答案:事务事实82.正确答案:企业级83.正确答案: MOLAP是事先生成多维立方体，供以后查询分析用，而ROLAP是通过动态的生成Sql，去做查询关系型数据库，如果没有做性能优化，数据量很大的时候，性能问题就会显得比较突出了。 84.正确答案:数据清理；数据集成；数据变换；数据规约85.正