《大数据时代下的数据挖掘》试题及答案

《海量数据挖掘技术及工程实践》题目

一、单选题（共80题）

1) ( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到

和原始数据相同的分析结果。

A.数据清洗 B.数据集成 C.数据变换 D.数据归约

2) 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)

A. 关联规则发现 B. 聚类

C. 分类 D. 自然语言处理

3) 以下两种描述分别对应哪两种对分类算法的评价标准？ (A)

(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC

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) 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标签的数

据相分离？(B)

A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链

6) 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？(C)

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 7) 下面哪种不属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

8) 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在第几个箱子内？ (B)

A.第一个 B.第二个 C.第三个 D.第四个 9) 下面哪个不属于数据的属性类型：(D)

A.标称 B.序数 C.区间 D.相异 10) 只有非零值才重要的二元属性被称作：( C )

A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性

11) 以下哪种方法不属于特征选择的标准方法： (D)

A.嵌入 B.过滤 C.包装 D.抽样

12) 下面不属于创建新属性的相关方法的是： (B)

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

13) 下面哪个属于映射数据到新的空间的方法？ (A)

A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约

14) 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

法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716

15) 一所大学内的各年纪人数分别为：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) A.一年级 B.二年级 C.三年级 D.四年级

16) 下列哪个不是专门用于可视化时间空间数据的技术： (B)

A.等高线图 B.饼图 C.曲面图 D.矢量场图

17) 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： (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

18) 数据仓库是随着时间变化的,下面的描述不正确的是 (C)

A.数据仓库随时间的变化不断增加新的数据内容 B.捕捉到的新数据会覆盖原来的快照

C.数据仓库随事件变化不断删去旧的数据内容

D.数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合

19) 下面关于数据粒度的描述不正确的是: (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 20) 有关数据仓库的开发特点,不正确的描述是: (A)

A.数据仓库开发要从数据出发

B.数据仓库使用的需求在开发出去就要明确

C.数据仓库的开发是一个不断循环的过程,是启发式的开发

D.在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处理更灵活,且没有固定的模式 21) 关于OLAP的特性,下面正确的是: (D)

(1)快速性 (2)可分析性 (3)多维性 (4)信息性 (5)共享性 A.(1) (2) (3) B.(2) (3) (4)

C.(1) (2) (3) (4) D.(1) (2) (3) (4) (5)

22) 关于OLAP和OLTP的区别描述,不正确的是: (C)

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

23) 关于OLAP和OLTP的说法,下列不正确的是: (A)

A.OLAP事务量大,但事务内容比较简单且重复率高 B.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管理人员 D.OLTP以应用为核心,是应用驱动的

24) 设X={1，2，3}是频繁项集，则可由X产生( C )个关联规则。

A.4 B.5 C.6 D.7

25) 考虑下面的频繁3-项集的集合：

{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采用 合并策略,由候选产生过程得到4-项集不包含（ C ） A.1,2,3,4 B.1,2,3,5 C.1,2,4,5 D.1,3,4,5

26) 下面选项中t不是s的子序列的是 ( C )

A.s=<{2,4},{3,5,6},{8}> t=<{2},{3,6},{8}> B.s=<{2,4},{3,5,6},{8}> t=<{2},{8}> C.s=<{1,2},{3,4}> t=<{1},{2}> D.s=<{2,4},{2,4}> t=<{2},{4}>

27) 在图集合中发现一组公共子结构,这样的任务称为 ( B )

A.频繁子集挖掘 B.频繁子图挖掘 C.频繁数据项挖掘 D.频繁模式挖掘

28) 下列度量不具有反演性的是 (D)

A.系数 B.几率 C.Cohen度量 D.兴趣因子

29) 下列 ( A )不是将主观信息加入到模式发现任务中的方法。

A.与同一时期其他数据对比 B.可视化 C.基于模板的方法 D.主观兴趣度量

30) 下面购物蓝能够提取的3-项集的最大数量是多少（C）

TID 1 2 3 4 5 6 7 8 9 10

A.1 B.2 C.3 D.4 31) 以下哪些算法是分类算法 （B）

A.DBSCAN B.C4.5 C.K-Mean D.EM

32) 以下哪些分类方法可以较好地避免样本的不平衡问题（A）

A.KNN B.SVM C.Bayes D.神经网络 33) 决策树中不包含一下哪种结点 ( C )

A. 根结点（root node) B. 内部结点（internal node）

项集 牛奶,啤酒,尿布 面包,黄油,牛奶 牛奶,尿布,饼干 面包,黄油,饼干 啤酒,饼干,尿布 牛奶,尿布,面包,黄油 面包,黄油,尿布 啤酒,尿布 牛奶,尿布,面包,黄油 啤酒,饼干

C.聚类分析 D.偏差分析

9） 以下各项均是针对数据仓库的不同说法,你认为正确的有（BCD ）。

A．数据仓库就是数据库

B．数据仓库是一切商业智能系统的基础

C．数据仓库是面向业务的,支持联机事务处理（OLTP） D．数据仓库支持决策而非事务处理 10）联机分析处理包括( BCD )基本分析功能。

A.聚类 B.切片 C.转轴 D.切块

11）利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是( BD )

TID 1 2 3 4 5

A.啤酒、尿布 B.啤酒、面包 C.面包、尿布 D.啤酒、牛奶

12）下表是一个购物篮,假定支持度阈值为40%,其中( AD )是频繁闭项集。

ID 1 2 3 4 5

项集 面包、牛奶、尿布 面包、牛奶、尿布、啤酒 牛奶、尿布、鸡蛋 面包、尿布、啤酒、鸡蛋 啤酒、鸡蛋 面包、牛奶 面包、尿布、啤酒、鸡蛋 牛奶、尿布、啤酒、可乐 面包、牛奶、尿布、啤酒 面包、牛奶、尿布、可乐 项集 A.面包、牛奶、尿布 B.面包、啤酒 C.尿布、啤酒 D.啤酒、鸡蛋 13）Apriori算法的计算复杂度受( ABCD )影响。

A.支持度阀值 B.项数（维度） C.事务数 D.事务平均宽度 14）以下关于非频繁模式说法,正确的是（ AD ）

A.其支持度小于阈值 B.都是不让人感兴趣的 C.包含负模式和负相关模式 D.对异常数据项敏感 15）以下属于分类器评价或比较尺度的有: ( ACD )

A.预测准确度 B.召回率 C.模型描述的简洁度 D.计算复杂度 16）贝叶斯信念网络(BBN)有如下哪些特点。 （AB）

A.构造网络费时费力 B.对模型的过分问题非常鲁棒 C.贝叶斯网络不适合处理不完整的数据 D.网络结构确定后,添加变量相当麻烦 17）如下哪些不是最近邻分类器的特点。 (C)

A.它使用具体的训练实例进行预测，不必维护源自数据的模型 B.分类一个测试样例开销很大 C.最近邻分类器基于全局信息进行预测 D.可以生产任意形状的决策边界 18）以下属于聚类算法的是（ AB ）。 A.K-Means B.DBSCAN

C.Apriori D.KNN

19)（ CD ）都属于簇有效性的监督度量。

A.轮廓系数 B.共性分类相关系数

C.熵 D.F度量

20)（ ABCD ）这些数据特性都是对聚类分析具有很强影响的。 A.高维性 B.规模

C.稀疏性 D.噪声和离群点

21)在聚类分析当中，（ AD ）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.Chameleon 22)（ AB ）都属于分裂的层次聚类算法。 A.二分K均值 B.MST

C.Chameleon D.组平均

23)数据挖掘的挖掘方法包括：（ ABCD ）

A.聚类分析 B.回归分析 C.神经网络

D.决策树算法

24)Web内容挖掘实现技术（ ABCD ）

A.文本总结 B.文本分类 C.文本聚类 D.关联规则

25)基于内容的推荐生成推荐的过程主要依靠（ ACD ）

A.内容分析器 B.推荐系统

C.文件学习器 D.过滤部件

26)云计算的服务方式有（ ACD ）

A.IaaS B.Raas C.PaaS D.SaaS 27)文本挖掘的工具有（ BCD ）

A.SPP Text Mining

B.IBM DB2 intelligent Miner C.SAS Text Miner D.SPSS Text Mining

28)推荐系统为客户推荐商品,自动完成个性化选择商品的过程,满足客户的个性化需求,推荐基于网站最热卖商品、客户所处城市、（ D ）,推测客户将来可能的购买行为。

A.客户的朋友

B.客户的个人信息

C.客户的兴趣爱好 D.客户过去的购买行为和购买记录 29)数据预处理方法主要有（ ABCD）。

A.数据清洗 B.数据集成 C.数据变换 D.数据归约

30)与传统的分布式程序设计相比，Mapreduce封装了 （ ABCD ）等细节，还提供了一个简单而强大的接口。

A.并行处理 B.容错处理 C.本地化计算 D.负载均衡

本文来源：https://www.bwwdw.com/article/fimw.html