2026年大学一年级（人工智能技术应用）数据挖掘基础阶段测试题及答案

2026年大学一年级（人工智能技术应用）数据挖掘基础阶段测试题及答案一、选择题（10题，每题3分，共30分）

1.下列哪项不是数据挖掘的主要任务？

A.关联规则挖掘

B.分类

C.数据可视化

D.回归分析

2.在数据预处理阶段，以下哪项不是常见的处理方法？

A.数据清洗

B.数据集成

C.数据变换

D.数据分类

3.以下哪种算法不属于监督学习？

A.决策树

B.K近邻

C.K均值

D.支持向量机

4.在聚类分析中，以下哪种方法不属于划分方法？

A.K均值

B.层次聚类

C.DBSCAN

D.谱聚类

5.以下哪种指标不是用来评估分类模型性能的？

A.准确率

B.精确率

C.召回率

D.相关性系数

6.在关联规则挖掘中，以下哪个指标用于衡量规则的重要性？

A.支持度

B.置信度

C.提升度

D.准确率

7.以下哪种数据挖掘任务主要用于发现数据中的隐藏模式？

A.分类

B.聚类

C.关联规则挖掘

D.回归分析

8.在数据预处理中，以下哪种方法用于处理缺失值？

A.删除缺失值

B.填充缺失值

C.数据规范化

D.数据离散化

9.以下哪种算法不属于无监督学习？

A.K近邻

B.K均值

C.主成分分析

D.支持向量机

10.在数据挖掘过程中，以下哪个阶段不属于模型评估阶段？

A.数据清洗

B.模型训练

C.模型验证

D.模型部署

二、（一）多项选择题（5题，每题4分，共20分）

1.下列哪些属于数据挖掘的常见任务？

A.关联规则挖掘

B.分类

C.聚类

D.回归分析

E.数据可视化

2.下列哪些方法属于数据预处理？

A.数据清洗

B.数据集成

C.数据变换

D.数据分类

E.数据规范化

3.下列哪些算法属于监督学习？

A.决策树

B.K近邻

C.K均值

D.支持向量机

E.神经网络

4.下列哪些方法属于聚类分析？

A.K均值

B.层次聚类

C.DBSCAN

D.谱聚类

E.关联规则挖掘

5.下列哪些指标用于评估分类模型性能？

A.准确率

B.精确率

C.召回率

D.F1分数

E.相关性系数

（二）判断题（5题，每题2分，共10分）

1.数据挖掘的主要任务之一是分类。（）

2.数据预处理阶段不需要进行数据清洗。（）

3.K近邻算法属于无监督学习。（）

4.聚类分析主要用于发现数据中的隐藏模式。（）

5.支持向量机是一种常用的分类算法。（）

三、（一）填空题（5题，每题4分，共20分）

1.数据挖掘的四个基本步骤是数据准备、______、模型评估和模型部署。

2.在数据预处理中，处理缺失值的方法包括删除缺失值和______。

3.聚类分析中，常用的距离度量方法有欧氏距离、曼哈顿距离和______。

4.关联规则挖掘中，常用的评价指标有支持度、置信度和______。

5.监督学习的主要任务包括分类和______。

（二）计算题（2题，每题10分，共20分）

1.假设有以下数据集：

|A|B|C|

|---|---|---|

|1|0|1|

|0|1|1|

|1|1|0|

|0|0|1|

计算A和B之间的卡方统计量。

2.假设有以下数据集：

|X|Y|

|---|---|

|1|2|

|2|3|

|3|4|

|4|5|

计算X和Y之间的皮尔逊相关系数。

四、综合题（2题，每题15分，共30分）

1.描述数据挖掘在金融领域的应用，并举例说明如何利用数据挖掘技术进行风险评估。

2.比较监督学习和无监督学习的区别，并举例说明各自的应用场景。

五、材料分析题（1题，20分）

某公司希望利用数据挖掘技术分析客户的购买行为，以提高销售额。公司收集了以下数据：

-客户ID

-年龄

-性别

-购买记录（包括购买的产品类别和购买金额）

请设计一个数据挖掘方案，包括数据预处理、模型选择和模型评估步骤，并说明如何利用该方案提高销售额。

答案部分：

一、选择题

1.C

2.D

3.C

4.D

5.D

6.C

7.C

8.B

9.A

10.A

二、（一）多项选择题

1.A,B,C,D

2.A,B,C,E

3.A,B,D,E

4.A,B,C,D

5.A,B,C,D

（二）判断题

1.√

2.×

3.×

4.×

5.√

三、（一）填空题

1.模型构建

2.填充缺失值

3.余弦距离

4.提升度

5.回归分析

（二）计算题

1.卡方统计量计算：

-计算期望频数

-计算卡方统计量公式为：χ²=Σ((观察频数-期望频数)²/期望频数)

-具体计算过程略

2.皮尔逊相关系数计算：

-计算X和Y的均值

-计算X和Y的方差

-计算X和Y的协方差

-皮尔逊相关系数公式为：r=cov(X,Y)/(σX*σY)

-具体计算过程略

四、综合题

1.数据挖掘在金融领域的应用：

-风险评估：利用历史数据挖掘技术分析客户的信用行为，预测违约风险。

-客户细分：根据客户的行为和特征进行细分，制定个性化的营销策略。

-反欺诈检测：通过分析交易数据，识别异常交易行为，防止欺诈。

2.监督学习和无监督学习的区别：

-监督学习：需要有标签的数据，通过学习标签与特征之间的关系进行预测。

-无监督学习：不需要标签的数据，通过发现数据中的隐藏结构进行聚类或降维。

-应用场景：

-监督学习：图像识别、语音识别、邮件分类等。

-无监督学习：客户细分、异常检测、数据降维等。

五、材料分析题

数据挖掘方案：

1.数据预处理：

-清洗数据：处理缺失值、异常值。

-数据集成：将不同来源的数据进行整合。

-数据变换：将数据转换为适合挖掘的格式。

2.模型选择：

-分类模型：利用客户的购买记录进行分类，预测客户的购买行为。

-聚类模型：根据客户的特征进行聚类，识别不同类型的客户。

3.模型评估：

-使用