2026年大数据（数据挖掘）试题及答案

2026年大数据（数据挖掘）试题及答案

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题，共40分）答题要求：每题只有一个正确答案，请将正确答案的序号填在括号内。(总共8题，每题5分)1.以下哪种算法不属于数据挖掘中的分类算法？（）A.决策树算法B.支持向量机算法C.K近邻算法D.聚类算法2.数据挖掘中，用于处理高维数据的常用技术是（）A.主成分分析B.关联规则挖掘C.回归分析D.聚类分析3.以下关于数据挖掘中的频繁项集挖掘，说法错误的是（）A.频繁项集是指在数据集中频繁出现的项的集合B.Apriori算法是一种经典的频繁项集挖掘算法C.频繁项集挖掘的目标是找出所有满足最小支持度的项集D.频繁项集挖掘只能处理二元数据4.数据挖掘中，用于评估分类模型性能的常用指标不包括（）A.准确率B.召回率C.F1值D.均方误差5.以下哪种数据类型不属于结构化数据？（）A.关系型数据库中的数据B.文本文件中的数据C.表格形式的数据D.数据库表中的数据6.数据挖掘中，用于处理不平衡数据集的技术有（）A.过采样B.欠采样C.调整分类器的阈值D.以上都是7.以下关于数据挖掘中的关联规则挖掘，说法正确的是（）A.关联规则挖掘的目标是找出数据集中不同项之间的关联关系B.支持度表示规则的频繁程度C.置信度表示规则的可靠性D.以上都正确8.数据挖掘中，用于处理时间序列数据的常用方法是（）A.回归分析B.聚类分析C.时间序列分析D.关联规则挖掘第II卷（非选择题，共60分）9.简答题：请简要阐述数据挖掘的主要任务。(10分)10.简答题：简述决策树算法的基本原理和构建过程。(10分)11.简答题：在数据挖掘中，什么是特征选择？为什么要进行特征选择？(10分)12.分析题：给定以下数据集，要求使用K近邻算法进行分类。数据集包含三个属性（A、B、C）和一个类别标签（Class），数据如下：(总共2题，每题15分)|A|B|C|Class||---|---|---|---||1|2|3|1||4|5|6|2||7|8|9|1||10|11|12|2||13|14|15|1|现有一个新的数据点（5，6，7），请计算它与数据集中各个点的距离，并根据K=3时的K近邻算法确定该新数据点的类别。13.论述题：随着大数据时代的到来，数据挖掘技术在各个领域得到了广泛应用。请结合实际案例，论述数据挖掘技术在某一领域（如医疗、金融、电商等）的应用及带来的影响。(15分)答案：1.D2.A3.D4.D5.B6.D7.D8.C9.数据挖掘的主要任务包括：分类，预测数据所属类别；回归，预测连续值；聚类，将数据分组；关联规则挖掘，发现数据项间关联关系；异常检测，找出异常数据点；趋势分析，分析数据随时间变化趋势等。10.决策树算法基本原理是基于信息熵或基尼系数等指标，对数据进行递归划分，构建树形结构。构建过程：首先计算数据集的初始熵，然后选择最优属性进行划分，不断递归这个过程，直到满足停止条件，如节点中数据全属于同一类或达到最大深度等。11.特征选择是从原始特征中选择出最具代表性、最能有效区分数据的特征子集。进行特征选择原因：减少数据维度，降低计算量和存储需求；避免维数灾难，提高模型性能和泛化能力；去除无关和冗余特征，使模型更简洁有效。12.计算距离可使用欧氏距离公式。新数据点（5，6，7）与各点距离计算略。K=3时，最近的三个点类别为1、2、1，所以新数据点类别为1。13.例如在医疗领域，数据挖掘技术可用于疾病预测。通过分析大量患者的病历数据、基因数据等，构建预测模型，提前预测疾病发生风险，帮助医生进行早期干预。这有助于提高医疗效率，改善患者健康状况。在金融领域，可