下载文档原格式
数据挖掘考试题及答案### 数据挖掘考试题及答案#### 一、选择题（每题2分，共20分）1. 数据挖掘的目的是发现数据中的：- A. 错误- B. 模式- C. 异常- D. 趋势答案：B2. 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. 神经网络答案：C3. 关联规则挖掘中，Apriori算法用于发现：- A. 频繁项集- B. 异常值- C. 趋势- D. 聚类答案：A4. K-means算法是一种：- A. 分类算法- B. 聚类算法- C. 预测算法- D. 关联规则挖掘算法答案：B5. 以下哪个指标用于评估分类模型的性能：- A. 准确率- B. 召回率- C. F1分数- D. 所有以上答案：D#### 二、简答题（每题10分，共30分）1. 描述数据挖掘中的“过拟合”现象，并给出避免过拟合的策略。
答案：过拟合是指模型对训练数据拟合得过于完美，以至于失去了泛化能力。
避免过拟合的策略包括：使用交叉验证、正则化技术、减少模型复杂度、获取更多的训练数据等。
2. 解释什么是“数据清洗”以及它在数据挖掘中的重要性。
答案：数据清洗是指从原始数据中识别并纠正（或删除）错误、重复或不完整的数据的过程。
它在数据挖掘中至关重要，因为脏数据会导致分析结果不准确，影响最终的决策。
3. 描述“特征选择”在数据挖掘中的作用。
答案：特征选择是数据挖掘中用来降低数据维度、提高模型性能和减少计算成本的过程。
通过选择最有信息量的特征，可以去除冗余或无关的特征，从而提高模型的准确性和效率。
#### 三、应用题（每题25分，共50分）1. 假设你正在分析一个电子商务网站的用户购买行为，描述你将如何使用数据挖掘技术来识别潜在的营销机会。
答案：首先，我会使用聚类分析来识别不同的用户群体。
然后，通过关联规则挖掘来发现不同用户群体的购买模式。
接着，利用分类算法来预测用户可能感兴趣的产品。
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。
数据挖掘与分析考试试题一、选择题（每题 3 分，共 30 分）1、以下哪个不是数据挖掘的主要任务？（）A 分类B 聚类C 数据清洗D 关联规则挖掘2、在数据挖掘中，以下哪种方法常用于处理缺失值？（）A 直接删除包含缺失值的记录B 用平均值填充缺失值C 用中位数填充缺失值D 以上方法都可以3、决策树算法中，用于选择最佳分裂特征的指标通常是（）A 信息增益B 基尼系数C 准确率D 召回率4、以下哪个不是聚类算法？（）A KMeans 算法B 层次聚类算法C 朴素贝叶斯算法D DBSCAN 算法5、数据挖掘中的关联规则挖掘，常用的算法是（）A Apriori 算法B C45 算法C KNN 算法D SVM 算法6、以下哪种数据预处理方法可以用于将连续型特征转换为离散型特征？（）A 标准化B 归一化C 分箱D 主成分分析7、在构建分类模型时，如果数据集存在类别不平衡问题，以下哪种方法可以解决？（）A 过采样B 欠采样C 调整分类阈值D 以上方法都可以8、以下哪个指标常用于评估分类模型的性能？（）A ROC 曲线下面积B 均方误差C 平均绝对误差D 决定系数9、对于高维数据，以下哪种方法可以进行降维？（）A 因子分析B 线性判别分析C 主成分分析D 以上方法都可以10、以下关于数据挖掘的描述，错误的是（）A 数据挖掘可以发现隐藏在数据中的模式和关系B 数据挖掘需要大量的数据C 数据挖掘的结果一定是准确无误的D 数据挖掘是一个反复迭代的过程二、填空题（每题 3 分，共 30 分）1、数据挖掘的一般流程包括：＿_______、＿_______、＿_______、＿_______、＿_______和________。
2、分类算法中，常见的有________、＿_______、＿_______等。
3、聚类算法中，KMeans 算法的基本思想是：＿_______。
4、关联规则挖掘中，常用的度量指标有________、＿_______等。
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。
数据挖掘知识竞赛题库及答案一、选择题1. 数据挖掘的目的是从大量的数据中发现有价值的信息和知识。
以下哪个不是数据挖掘的主要任务？A. 分类B. 聚类C. 预测D. 图像识别答案：D2. 在数据挖掘过程中，特征工程是指什么？A. 选择与目标变量相关的特征B. 对特征进行标准化处理C. 特征降维D. 以上都是答案：D3. K-近邻算法是一种基于什么的分类方法？A. 决策树B. 支持向量机C. 神经网络D. 实例匹配答案：D4. 在数据挖掘中，什么是衡量分类器性能的主要指标？A. 准确率B. 召回率C. F1值D. AUC值答案：D5. 在关联规则挖掘中，最小支持度是指什么？A. 出现在至少一半的事务中的项集B. 出现在至少一定比例的事务中的项集C. 出现在至少一个事务中的项集D. 出现在至少多数事务中的项集答案：B6. 以下哪种技术不属于聚类分析？A. K-均值B. 层次聚类C. 密度聚类D. 决策树聚类答案：D7. 在时间序列分析中，什么是时间序列的前向扩散？A. 过去的信息对当前信息的影响B. 当前的信息对过去信息的影响C. 未来的信息对当前信息的影响D. 当前的信息对未来信息的影响答案：C8. 在数据挖掘中，什么是基于模型的预测方法？A. 利用已有数据建立模型，对新数据进行预测B. 直接对原始数据进行预测C. 利用专家经验进行预测D. 利用机器学习算法进行预测答案：A9. 在数据挖掘中，什么是维度归一化？A. 将特征值缩放到一个固定范围B. 减少特征的数量C. 特征选择D. 特征提取答案：A10. 在数据挖掘中，什么是过拟合？A. 模型在训练集上的性能很好，但在测试集上的性能较差B. 模型在训练集上的性能较差，但在测试集上的性能很好C. 模型在训练集和测试集上的性能都很好D. 模型在训练集和测试集上的性能都较差答案：A二、填空题1. 数据挖掘的主要任务包括分类、聚类、预测和__________。
数据挖掘课程模拟考试题库一、选择题（每题 5 分，共 30 分）1、以下哪项不是数据挖掘的主要任务？（）A 数据清洗B 分类C 聚类D 关联规则挖掘2、数据挖掘中的分类算法不包括（）A 决策树B 朴素贝叶斯C 支持向量机D 主成分分析3、在数据挖掘中，以下哪种方法常用于处理缺失值？（）A 直接删除包含缺失值的记录B 用平均值填充缺失值C 用中位数填充缺失值D 以上方法都可以4、数据挖掘中的聚类算法中，KMeans 算法的基本思想是（）A 基于密度的聚类B 基于层次的聚类C 基于划分的聚类D 基于模型的聚类5、以下哪项不是关联规则挖掘中的常用指标？（）A 支持度B 置信度C 提升度D 准确率6、数据挖掘在以下哪个领域应用较少？（）A 医疗保健B 市场营销C 天文学D 物理学二、填空题（每题 5 分，共 20 分）1、数据挖掘的流程通常包括、、、、和。
2、常见的数据预处理方法有、、、。
3、决策树算法在进行分裂时，通常依据来选择特征。
4、聚类分析中，评估聚类效果的指标通常有、。
三、简答题（每题 10 分，共 30 分）1、简述数据挖掘与数据分析的区别。
2、解释什么是过拟合，并说明如何避免过拟合。
3、请简要介绍 Apriori 算法的基本思想和步骤。
四、应用题（20 分）假设有一个电商网站的销售数据集，包含用户 ID、商品 ID、购买时间和购买金额等字段。
请使用关联规则挖掘算法，找出经常一起被购买的商品组合，并给出相应的支持度和置信度。
请详细描述你的分析过程和结果。
以下是对上述模拟考试题库的详细解析：选择题解析：1、数据清洗虽然是数据预处理的重要步骤，但不是数据挖掘的主要任务。
数据挖掘的主要任务包括分类、聚类、关联规则挖掘等。
所以选择 A 选项。
2、主成分分析主要用于数据降维，而不是分类算法。
决策树、朴素贝叶斯和支持向量机都是常见的分类算法。
所以选择 D 选项。
3、处理缺失值的方法有多种，直接删除包含缺失值的记录可能会导致数据量减少，影响分析结果；用平均值或中位数填充缺失值是常见的处理方式。
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。
数据挖掘测试题及答案一、单项选择题（每题2分，共10题，共20分）1. 数据挖掘中，用于发现数据集中的关联规则的算法是：A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案：B2. 以下哪个选项不是数据挖掘的步骤之一：A. 数据预处理B. 数据探索C. 数据收集D. 数据分析答案：C3. 在分类问题中，以下哪个算法属于监督学习：A. 聚类B. 决策树C. 关联规则D. 异常检测答案：B4. 数据挖掘中，用于发现数据集中的频繁项集的算法是：A. K-meansB. AprioriC. Naive BayesD. Decision Tree5. 在数据挖掘中，以下哪个选项不是数据预处理的步骤：A. 数据清洗B. 数据集成C. 数据变换D. 数据分类答案：D6. 以下哪个算法主要用于聚类问题：A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案：A7. 在数据挖掘中，以下哪个选项不是数据挖掘的应用领域：A. 市场分析B. 医疗诊断C. 社交网络分析D. 视频游戏开发答案：D8. 以下哪个算法主要用于异常检测：A. K-meansB. AprioriC. Naive BayesD. One-Class SVM答案：D9. 在数据挖掘中，以下哪个选项不是数据挖掘的输出结果：B. 规则C. 趋势D. 软件答案：D10. 以下哪个算法主要用于分类问题：A. K-meansB. AprioriC. Naive BayesD. Decision Tree答案：D二、多项选择题（每题3分，共5题，共15分）1. 数据挖掘中，以下哪些算法可以用于分类问题：A. K-meansB. Decision TreeC. Naive BayesD. Logistic Regression答案：BCD2. 在数据挖掘中，以下哪些步骤属于数据预处理：A. 数据清洗B. 数据集成C. 数据变换D. 数据分类答案：ABC3. 以下哪些算法可以用于聚类问题：A. K-meansB. AprioriC. Hierarchical ClusteringD. DBSCAN答案：ACD4. 在数据挖掘中，以下哪些步骤属于数据探索：A. 数据可视化B. 数据摘要C. 数据分类D. 数据变换答案：AB5. 以下哪些算法可以用于异常检测：A. K-meansB. One-Class SVMC. Isolation ForestD. Apriori答案：BC三、简答题（每题5分，共3题，共15分）1. 简述数据挖掘中关联规则挖掘的主要步骤。
数据挖掘及应用考试试题及答案一、选择题（每题2分，共20分）1. 以下哪项不属于数据挖掘的主要任务？A. 分类B. 聚类C. 关联规则挖掘D. 数据清洗答案：D2. 数据挖掘中，以下哪项技术不属于关联规则挖掘的方法？A. Apriori算法B. FP-growth算法C. ID3算法D. 决策树算法答案：C3. 以下哪个算法不属于聚类算法？A. K-means算法B. DBSCAN算法C. Apriori算法D. 层次聚类算法答案：C4. 数据挖掘中，以下哪个属性类型不适合进行关联规则挖掘？A. 连续型属性B. 离散型属性C. 二进制属性D. 有序属性答案：A5. 数据挖掘中，以下哪个评估指标用于衡量分类模型的性能？A. 准确率B. 精确度C. 召回率D. 所有以上选项答案：D二、填空题（每题3分，共30分）6. 数据挖掘的目的是从大量数据中挖掘出有价值的________和________。
答案：知识；模式7. 数据挖掘的主要任务包括分类、聚类、关联规则挖掘和________。
答案：预测分析8. Apriori算法中，最小支持度（min_support）和最小置信度（min_confidence）是两个重要的参数，它们分别用于控制________和________。
答案：频繁项集；强规则9. 在K-means聚类算法中，聚类结果的好坏取决于________和________。
答案：初始聚类中心；迭代次数10. 数据挖掘中，决策树算法的构建过程主要包括________、________和________三个步骤。
答案：选择最佳分割属性；生成子节点；剪枝三、判断题（每题2分，共20分）11. 数据挖掘是数据库技术的一个延伸，它的目的是从大量数据中提取有价值的信息。
（）答案：√12. 数据挖掘过程中，数据清洗是必不可少的步骤，用于提高数据质量。
（）答案：√13. 数据挖掘中，分类和聚类是两个不同的任务，分类需要训练集，而聚类不需要。
《数据挖掘方法》期末考试试卷附答案数据挖掘方法期末考试试卷一、选择题（每题5分，共25分）1. 数据挖掘的目的是从大量数据中发现有价值的模式和知识。
以下哪项不是数据挖掘的主要任务？A. 分类B. 聚类C. 预测D. 图像识别答案：D2. 决策树是一种常见的分类算法，它在哪个阶段进行剪枝？A. 生成阶段B. 修剪阶段C. 测试阶段D. 应用阶段答案：B3. K-近邻算法中，K值一般取多少比较合适？A. 1B. 3C. 5D. 10答案：B4. 在关联规则挖掘中，最小支持度是指？A. 一条规则必须满足的最小条件概率B. 一条规则必须满足的最小置信度C. 数据集中满足条件概率的最小值D. 数据集中满足条件的最小实例数答案：D5. 以下哪种技术不属于聚类分析？A. 层次聚类B. 基于密度的聚类C. 基于距离的聚类D. 基于规则的聚类答案：D二、填空题（每题5分，共25分）1. 在分类算法中，将数据集中的每个实例分配给一个类别的过程称为________。
答案：分类2. 决策树算法中，用于评估节点纯度的指标有________、________和________等。
答案：信息熵、增益、增益率3. K-均值聚类算法中，簇心的初始值通常通过________算法来确定。
答案：随机初始化4. 在关联规则挖掘中，________、________和________是三个基本的概念。
答案：项集、频繁项集、关联规则5. 在基于距离的聚类算法中，常用的距离度量有________、________和________等。
答案：欧氏距离、曼哈顿距离、余弦相似度三、简答题（每题10分，共30分）1. 请简要解释什么是决策树，以及它的工作原理。
答案：决策树是一种常见的分类和回归算法，它通过一系列的判断条件将数据集划分为不同的子集，最终达到分类或回归的目的。
它的工作原理是从根节点开始，根据特征值的不同，选择合适的分支，一直递归到叶节点，得到最终的预测结果。
数据挖掘复习题集1. 名词解释及简答 数据矩阵 闭频繁项集， 极大频繁项集 四分位数极差 聚类分析聚类算法DBSCAN 中的密度可达与密度相连简述数据清理的任务简述k-means 聚类与k-中心点聚类的相似与不同之处2. 填空题（1） 计算sin(45o )的Matlab 命令是 （2） 假设x=10，计算的Matlab 命令是（3） Matlab 中清除显示内容的命令是 （4） Matlab 中清除变量y 的命令是（5） Matlab 中有矩阵a=[1 2 3; 4 5 6; 7 8 9]，执行a(2,:)=[]后，a 的值为 。
（6） Matlab 中绘制曲线的基本命令是 。
（7） 数据质量涉及许多因素，包括 ， ， ，时效性，可信性和可解释性。
（8） 属性的类型由该属性可能具有的值的集合决定，属性类型包括 ， ，序数的或数值的。
（9） KDD 过程包括： , 数据集成, 数据选择, 数据变换, 数据挖掘, 模式评估,和 。
（10） 一个模式是有趣的，如果它是 , 在某种程度上在新的或测试数据上是有效的, , 新颖的, 或验证了用户希望证实的某种假设。
（11） 数据对象又称为样本、 、数据点、 或 。
（12） 数值属性可以被分为 属性和 属性 （13） 常见的数据的可视化技术有基于 的技术，几何投影技术，基于 的技术以及层次的和基于图形的技术。
（14） 支持度和 是规则兴趣度的两种度量。
3. 选择题：1) Matlab 中，执行a=-4:4；b=reshape(a,3,3)后b 的值是（）。
2) 在MATLAB 中，列出当前工作空间变量名的函数是(A) who(s) (B) clc (C)path (D) draw3) 已知462837A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，则在MATLAB 中调用命令A(3)的结果为 (A)3 (B)2 (C) 无结果 (D)7 4) MATLAB 对图形窗口进行灵活分割的命令为(A) plot (B) subplot (C) aplot (D) ploval 5)[3 6 3]A =，[2 1 1]B =，则A .*B=(A) 运算不执行，因有错 (B)6 83 (C) 5 74 (D) 6 6 36) MATLAB 中保持图形窗口不关闭的命令为(A) alter (B) hold on (C) hold off (D) cd 7) MATLAB 中a=[2,3,1]，则b=a .^2的结果为(A) b=[4,6,1](B)b=[4,9,1] (C)b=[4,6,2] (D) 执行出错，无结果 8) MATLAB 中给变量w 赋空矩阵的语句为(A)w=zeros() (B)w=[] (C)w=zeros(0,0) (D) clear w9) 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10) 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？ () A 第一个B 第二个C 第三个D 第四个 11) 上题中，等宽划分时（宽度为50），15又在哪个箱子里？ () 12) 下面哪个不属于数据的属性类型：()A 标称B 序数C 区间D 相异13) 在上题中，属于定量的属性类型是：() 14) 只有非零值才重要的二元属性被称作：()A 计数属性B 离散属性C 非对称的二元属性D 对称属性 15) 以下哪种方法不属于特征选择的标准方法： ()A 嵌入B 过滤C 包装D 抽样16) 熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是： ()A 1比特B 2.6比特C 3.2比特D 3.8比特17) 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：() A 0.821 B 1.224 C 1.458 D 0.71618) 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）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。
第二个箱子值为：()A 18.3B 22.6C 26.8D 27.919)考虑值集{12 24 33 2 4 55 68 26}，其四分位数极差是：( )A 31B 24C 55D 320)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 一年级B二年级C 三年级D 四年级21)下列哪个不是专门用于可视化时间空间数据的技术：()A 等高线图B 饼图C 曲面图D 矢量场图22)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：()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23)以下哪些算法是分类算法，（）A，DBSCANB，C4.5C,K-MeanD,EM24)以下哪些分类方法可以较好地避免样本的不平衡问题，（）A，KNNB，SVMC，BayesD，神经网络25)以下哪项关于决策树的说法是错误的( )A. 冗余属性不会对决策树的准确率造成不利的影响B. 子树可能在决策树中重复多次C. 决策树算法对于噪声的干扰非常敏感D. 寻找最佳决策树是NP完全问题26)决策树分类方法中，ID3算法使用的分裂准则是：A. 信息增益B. 增益比率C.基尼指数D.分类错误率27)决策树分类方法中，C4.5算法使用的分裂准则是：A. 信息增益B. 增益比率C.基尼指数D.分类错误率28)决策树分类方法中，CART算法使用的分裂准则是：A. 信息增益B. 增益比率C.基尼指数D.分类错误率4. 判断题1. Matlab程序要编译后才能运行。
（）2. Matlab中变量名不区分大小写。
（）3. Matlab中对2维矩阵的下标与C语言一样，是行优先存储。
（）4. Matlab的执行效率比C语言低，但是Matlab的开发难度通常比C语言低。
（）5. 聚类算法运行的条件需要所有的训练样本都有类别标签。
（）6. 决策树中基于信息增益分裂准则的一个缺陷是它趋向于多值属性。
（）7. 分类算法中，随着分类模型的复杂度增加，训练集和测试集上的准确率通常都会提高。
（）8. DBSCAN是一种基于密度的聚类方法。
（）9. 分位数图是一种观察单变量数据分布的简单有效方法。
（）10. 分位数-分位数图可以观察从一个分布到另一个分布是否有漂移。
（）11. k-中心点聚类算法比k-均值算法对离群点更鲁棒。
（）12. 频繁项集的关联规则挖掘中，闭频繁项集和极大频繁项集都包含了频繁项集的完整支持度信息（）13. 频繁模式增长FP-growth是一种比Aprior算法更高效的关联规则挖掘算法。
（）5. 计算题：1.给定两个元组(10, 20, 30, 10)和(20, 0, 36, 8)表示的对象，求以下距离：（1）计算这两个对象间的欧几里得距离（2）（3）计算这两个对象间的曼哈顿距离（4）（5）使用q=3，计算这两个对象之间的闵可夫斯基距离（6）（7）计算这两个对象之间的上确界距离2.在决策树分类中，依据分裂规则的不同提出了不同决策树算法，信息增益准则在ID3分类方法中采用。
我们希望能够学习出一个贷款申请的决策树,当新的客户提出申请贷款时,根据申请人的特征利用决策树决定是否批准申请贷款。
请完成如下的计算。
1）假设目前在根节点，包含所有15个样本点，请计算根节点分类所需的期望信息。
2）计算年龄属性分裂的信息增益。
3）计算用是否有工作属性分裂的信息增益。
4）计算分别用是否有自己的房子和信贷情况属性分裂的信息增益，并说明基于信息增益准则，应该选择什么属性作为分裂属性。
3. 朴素贝叶斯分类方法是一种简单但高效的分类方法，有如下关于顾客是否买计算机的训练数据集，请依据朴素贝叶斯分类方法，写出计算过程，判断属性信息为x=(年龄=青年，收入中等，信用等级=良好)的顾客是否会购买计算机。
4. 有如下混淆矩阵，请计算指标分类准确率，灵敏度，特效性，精度，召回率和F1度量。
预测类别实际类别Class=Yes Class=No Class=Yes 90 210 Class=No 140 95605. 假设我们对购买计算机游戏和录像带的事务感兴趣。
设game表示包含计算机游戏的事务，而video表示包含录像的事务。
在所分析的1000个事务中，数据显示有600个顾客事务包含计算机游戏，750个事务包含录像，而400个事务同时包含计算机游戏和录像。
假设发现关联规则的数据挖掘程序在该数据上运行，计算如下关联规则的支持度和置信度：buys(X,”游戏”) buys(X,“录像”)假设事务数据库只有2个事务：{1,2,…,100},{1,2,…,50}.设最小支持度计数阈值min_sup=1.则我们有2个闭频繁项集和它们的支持度，C={{a1,a2,…,a100}:1; {a1,a2,..,a50}:2}。
只有一个极大频繁项集：M={{a1,a2,…,a100}:1}。
