数据挖掘习题题.docx

数据库数据挖掘与分析考试试卷（答案见尾页）一、选择题1. 数据挖掘的主要目的是什么？A. 提取数据库中的数据B. 分析数据库中的数据以发现隐藏的模式和关联C. 存储和管理数据库中的数据D. 传输数据库中的数据2. 在数据挖掘中，以下哪个过程是用来发现数据项之间的有趣关系和关联的？A. 数据清理B. 数据集成C. 数据转换D. 数据挖掘3. 数据挖掘任务通常不包括以下哪项？A.分类B.聚类C.回归D. 数据库优化4. 关联规则学习是数据挖掘中的一个重要技术，它主要关注什么？A. 发现数据集中不同项之间的因果关系B. 发现数据集中频繁出现的模式和关联C. 建立数据模型以预测未来趋势D. 优化数据库查询性能5. 在聚类分析中，以下哪个选项不是常用的距离度量方法？A. 曼哈顿距离B. 欧氏距离C. 切比雪夫距离D. 余弦相似度6. 数据挖掘中经常使用哪种图表来展示聚类结果？A. 条形图B. 饼图C. 网络图D. 散点图7. 在数据挖掘中，以下哪个算法主要用于发现连续数值型数据中的异常值或离群点？A. K-均值算法B. DBSCANC. 谱聚类算法D. 决策树算法8. 数据挖掘中，以下哪个步骤不是数据预处理的一部分？A. 数据清洗B. 数据集成C. 数据转换D. 数据降维9. 在建立数据挖掘模型时，以下哪个步骤不是特征选择的一部分？A. 特征提取B. 特征选择C. 特征验证D. 特征排序10. 数据挖掘中，以下哪个工具不是常用的数据挖掘工具？A. SQLB. ExcelC. PythonD. R二、问答题2. 什么是SQL语言？请列举几种常见的SQL语句。

3. 什么是数据库的完整性约束？请举例说明。

4. 什么是数据库的设计原则？请列举几个常用的设计原则。

5. 什么是数据库的范式？请简要解释第一范式和第二范式。

6. 什么是数据库索引？请简述索引的作用和分类。

7. 什么是数据库的事务处理？请简述事务的定义和特性。

历年数据挖掘期末考试试题及答案2019年春选择题1. 关于数据挖掘下列叙述中，正确的是：- A. 数据挖掘只是寻找数据中的有用信息- B. 数据挖掘就是将数据放置于数据仓库中，方便查询- C. 数据挖掘是指从大量有噪音数据中提取未知、隐含、先前未知的、重要的、可理解的模式或知识- D. 数据挖掘就是从数据中提取出数值型变量2. 下列关于聚类分析的说法中，正确的是：- A. 聚类分析是无监督研究- B. 聚类分析的目的是找到一组最优特征- C. 聚类分析只能用于数值型变量- D. 聚类分析是一种监督研究方法3. 一般的数据挖掘流程包括以下哪些步骤：- A. 数据采集- B. 数据清洗- C. 数据转换- D. 模型构建- E. 模型评价- F. 模型应用- G. A、B、C、D、E- H. A、B、C、D、E、F- I. B、C、D、E、F- J. C、D、E、F简答题1. 什么是数据挖掘？介绍一下数据挖掘的流程。

数据挖掘是从庞大、复杂的数据集中提取有价值的、对决策有帮助的信息。

包括数据采集、数据清洗、数据转换、模型构建、模型评价和模型应用等步骤。

2. 聚类分析和分类分析有什么不同？聚类分析和分类分析都是数据挖掘的方法，不同的是聚类分析是无监督研究，通过相似度，将数据集分为不同的组；分类分析是监督研究，通过已知的训练集数据来预测新的数据分类。

也就是说在分类中有“标签”这个中间过程。

3. 请介绍一个你知道的数据挖掘算法，并简单阐述它的流程。

Apriori算法：是一种用于关联规则挖掘的算法。

主要流程包括生成项集、计算支持度、生成候选规则以及计算可信度四步。

首先生成单个项集，计算各项集在数据集中的支持度；然后根据单个项集生成项集对，计算各项集对在数据集中的支持度；接着从项集对中找出支持度大于某个阈值的，生成候选规则；最后计算规则的置信度，保留置信度大于某个阈值的规则作为关联规则。

数据挖掘考试题一．选择题1. 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？( )2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。

“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。

A 分类B 预测 C关联规则分析 D聚类4.关于K均值和DBSCAN的比较，以下说法不正确的是( )A.K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。

B.K均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。

C.K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇D.K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇’s Method说法错误的是：( )C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似6.下列关于层次聚类存在的问题说法正确的是：( )A.具有全局优化目标函数B.Group Average擅长处理球状的簇C.可以处理不同大小簇的能力D.Max对噪声点和离群点很敏感7.下列关于凝聚层次聚类的说法中，说法错误的事：( )A.一旦两个簇合并，该操作就不能撤销2m O8.规则{牛奶，尿布}→{啤酒}的支持度和置信度分别为：( )TID项 集 12345{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}9.下列( )是属于分裂层次聚类的方法。

10.对下图数据进行凝聚聚类操作，簇间相似度使用MAX 计算，第二步是哪两个簇合并：( )A.在{3}和{l,2}合并B.{3}和{4,5}合并C.{2,3}和{4,5}合并D. {2,3}和{4,5}形成簇和{3}合并二．填空题：1. 属性包括的四种类型： 、 、 、 。

数据挖掘练习题A一、简答题1. 数据对象之间的相似性可用距离来衡量，常见的距离形式有哪些？答：曼哈顿距离，欧几里得距离，切比雪夫距离，闵可夫斯基距离，杰卡德距离2. 简述朴素贝叶斯分类的基本思想。

答：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个概率最大，就认为此待分类项属于哪个类别。

1）设x={a!,a",…,a#}为一个待分类项，a为x的特征属性；2）有类别集合C={y!,y",…,y$}3) 计算p(y!|x)，p(y"|x)，… p(y$|x)4) 如果p(y%|x)=max {p(y!|x),p(y"|x),…,p(y%|x)}，则x∈y%3. 在做数据清洗时，如何处理缺失值？答：处理缺失值的方法有3种：1）忽略元组；2）数据补齐，包括人工填写、特殊值填充、平均值填充、使用最可能的值填充；3）不处理。

4. 简述K-means算法的基本步骤。

答：1）任意选择k个对象作为初始的簇中心；2）计算其它对象与这k个中心的距离，然后把每个对象归入离它“最近”的簇；3）计算各簇中对象的平均值，然后选择簇中心（离平均值“最近”的簇）；4）重复第2步到第3步直到簇中心不再变化为止。

5. 在关联规则中，支持度（support）和置信度（confidence）的含义分别是什么？答：支持度support(x->y)=p(x,y)，表示项集中同时含有x和y的概率。

置信度confidence(x->y)=p(y/x)，表示在关联规则的先决条件x发生的条件下，关联结果y发生的概率，即含有x的项集中，同时含有y的可能性。

二、计算题1.假定属性A的取值x在[x_min,x_max]之间，其中x_min和x_max分别为属性A的最小值和最大值，请利用最小-最大规范化方法（也称离差标准化，是对原始数据的线性变化），将x转化到新的区间[y_min,y_max]中，结果用x’表示。

数据挖掘考试题库及答案一、选择题1. 数据挖掘是从大量数据中提取有价值信息的过程，以下哪项不是数据挖掘的主要任务？A. 预测B. 分类C. 聚类D. 数据可视化答案：D2. 以下哪种技术不属于数据挖掘的常用方法？A. 决策树B. 支持向量机C. 关联规则D. 数据仓库答案：D3. 数据挖掘中，以下哪项技术常用于分类和预测？A. 神经网络B. K-均值聚类C. 主成分分析D. 决策树答案：D4. 在数据挖掘中，以下哪个概念表示数据集中的属性？A. 数据项B. 数据记录C. 数据属性D. 数据集答案：C5. 数据挖掘中，以下哪个算法用于求解关联规则？A. Apriori算法B. ID3算法C. K-Means算法D. C4.5算法答案：A二、填空题6. 数据挖掘的目的是从大量数据中提取______信息。

答案：有价值7. 在数据挖掘中，分类任务分为有监督学习和______学习。

答案：无监督8. 决策树是一种用于分类和预测的树形结构，其核心思想是______。

答案：递归划分9. 关联规则挖掘中，支持度表示某个项集在数据集中的出现频率，置信度表示______。

答案：包含项集的记录中同时包含结论的记录的比例10. 数据挖掘中，聚类分析是将数据集划分为若干个______的子集。

答案：相似三、判断题11. 数据挖掘只关注大量数据中的异常值。

（）答案：错误12. 数据挖掘是数据仓库的一部分。

（）答案：正确13. 决策树算法适用于处理连续属性的分类问题。

（）答案：错误14. 数据挖掘中的聚类分析是无监督学习任务。

（）答案：正确15. 关联规则挖掘中，支持度越高，关联规则越可靠。

（）答案：错误四、简答题16. 简述数据挖掘的主要任务。

答案：数据挖掘的主要任务包括预测、分类、聚类、关联规则挖掘、异常检测等。

17. 简述决策树算法的基本原理。

答案：决策树算法是一种自顶向下的递归划分方法。

它通过选择具有最高信息增益的属性进行划分，将数据集划分为若干个子集，直到满足停止条件。

（完整word版）数据挖掘题⽬及答案⼀、何为数据仓库？其主要特点是什么？数据仓库与KDD的联系是什么？数据仓库是⼀个⾯向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，⽤于⽀持管理决策。

特点：1、⾯向主题操作型数据库的数据组织⾯向事务处理任务，各个业务系统之间各⾃分离，⽽数据仓库中的数据是按照⼀定的主题域进⾏组织的。

2、集成的数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加⼯、汇总和整理得到的，必须消除源数据中的不⼀致性，以保证数据仓库内的信息是关于整个企业的⼀致的全局信息。

3、相对稳定的数据仓库的数据主要供企业决策分析之⽤，⼀旦某个数据进⼊数据仓库以后，⼀般情况下将被长期保留，也就是数据仓库中⼀般有⼤量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

4、反映历史变化数据仓库中的数据通常包含历史信息，系统记录了企业从过去某⼀时点(如开始应⽤数据仓库的时点)到⽬前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

所谓基于数据库的知识发现（KDD）是指从⼤量数据中提取有效的、新颖的、潜在有⽤的、最终可被理解的模式的⾮平凡过程。

数据仓库为KDD提供了数据环境，KDD从数据仓库中提取有效的，可⽤的信息⼆、数据库有4笔交易。

设minsup=60%，minconf=80%。

TID DATE ITEMS_BOUGHTT100 3/5/2009 {A, C, S, L}T200 3/5/2009 {D, A, C, E, B}T300 4/5/2010 {A, B, C}T400 4/5/2010 {C, A, B, E}使⽤Apriori算法找出频繁项集，列出所有关联规则。

解：已知最⼩⽀持度为60%，最⼩置信度为80%1）第⼀步，对事务数据库进⾏⼀次扫描，计算出D中所包含的每个项⽬出现的次数，⽣成候选1-项集的集合C1。

一、解答题（满分30分，每小题5分）1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。

知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。

流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。

2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有：1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。

例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。

2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。

若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。

3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。

由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。

假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。

3. 数据挖掘的分类方法有哪些，请详细阐述之分类方法归结为四种类型：1）、基于距离的分类方法:距离的计算方法有多种，最常用的是通过计算每个类的中心来完成，在实际的计算中往往用距离来表征，距离越近，相似性越大，距离越远，相似性越小。

1.何谓数据挖掘？它有哪些方面的功能？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称为数据挖掘。

相关的名称有知识发现、数据分析、数据融合、决策支持等。

数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。

2.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？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3.简述数据仓库设计的三级模型及其基本内容。

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。

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。

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。

在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。

提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。

4.在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。

为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。

5.简述数据预处理方法和内容。

①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。

②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。

数据挖掘测试题及答案一、选择题1. 数据挖掘的目的是：A. 数据清洗B. 数据转换C. 模式发现D. 数据存储答案：C2. 以下哪项不是数据挖掘的常用算法？A. 决策树B. 聚类分析C. 线性回归D. 关联规则答案：C二、填空题1. 数据挖掘中的_________是指在大量数据中发现的有意义的模式。

答案：知识2. 一种常用的数据挖掘技术是_________，它用于发现数据中隐藏的分组。

答案：聚类三、简答题1. 简述数据挖掘与数据分析的区别。

答案：数据挖掘是一种自动或半自动的过程，旨在从大量数据中发现模式和知识。

数据分析通常涉及更具体的查询和问题，使用统计方法来理解数据。

2. 描述什么是关联规则挖掘，并给出一个例子。

答案：关联规则挖掘是一种用于发现变量之间有趣关系的技术，特别是变量之间的频繁模式、关联或相关性。

例如，在市场篮子分析中，关联规则挖掘可以用来发现顾客购买行为中的模式，如“购买面包的顾客中有80%也购买了牛奶”。

四、计算题1. 给定以下数据集，计算支持度和置信度：| 事务ID | 购买的商品 |||-|| 1 | A, B || 2 | A, C || 3 | B, C || 4 | A, B, C || 5 | B, D |(1) 计算项集{A}的支持度。

(2) 计算规则A => B的置信度。

答案：(1) 项集{A}的支持度为4/5，因为A出现在4个事务中。

(2) 规则A => B的置信度为3/4，因为A和B同时出现在3个事务中，而A出现在4个事务中。

五、论述题1. 论述数据挖掘在电子商务中的应用，并给出至少两个具体的例子。

答案：数据挖掘在电子商务中的应用非常广泛，包括：- 客户细分：通过数据挖掘技术，商家可以识别不同的客户群体，为每个群体提供定制化的服务或产品。

- 推荐系统：利用关联规则挖掘，电商平台可以推荐用户可能感兴趣的商品，提高用户满意度和购买率。

- 欺诈检测：通过分析交易模式，数据挖掘可以帮助识别异常行为，预防信用卡欺诈等风险。