数据挖掘试题及答案
1.数据挖掘的定义是什么？
数据挖掘是指从大量数据中通过算法自动发现和提取有用的信息，并对其进行分析和解释，以帮助企业做出决策的过程。
1.数据挖掘的主要任务是什么？
数据挖掘的主要任务包括关联分析、聚类分析、分类和预测、偏差检测等。
1.什么是关联分析？
关联分析是指通过发现大量数据中项集之间的关联性或相关性来进行分析的一种方法。常见的关联分析算法有Apriori算法和FP-Growth算法。
1.什么是聚类分析？
聚类分析是指将物理或抽象对象组成的多个组或类按照它们的相似性进行分类。聚类分析的目标是将相似的对象归为一类，同时将不相似或不同的对象分离出来。
1.什么是分类和预测？
分类是指根据历史数据和经验建立模型，然后使用该模型对新的未知数据进行预测或分类。预测则是利用已知的变量和参数来预测未来的结果或趋势。
1.什么是偏差检测？
偏差检测是指通过检测数据中的异常值、离群点或不寻常的模式来发现异常情况或错误的过程。偏差检测可以帮助企业发现数据中的问题和不一致性，及时纠正错误或采取相应措施。
一、 数据挖掘概述
1、 数据挖掘
定义：通过自动或半自动化的工具对大量的数据进行探索和分析的过程，其目的是发现其中有意义的模式和规律。
——数据挖掘是一门技能，不是一种现成的产品。
2、 数据挖掘能做什么
6种方法：分类（classification）、估计（estimation）、预测（prediction）、组合或关联法则（affinity grouping or association rules）、聚类（clustering）、描述与可视化（description
and visualization）
前三种方法属于直接的数据挖掘，目标是应用可得到的数据建立模型，用其他可得到的数据来描述我们感兴趣某一变量。
后三种方法属于间接的数据挖掘，没有单一的目标变量，目标是在所有变量中发现某些联系。
1） 分类：其特点是先对不同的类别加以定义，并由预先分类的样本构成训练集。任务是建立一个模型并应用这一模型对未分类数据进行分类。分类处理的是离散的结果。
2） 估计处理的是连续的结果。
3） 组合法的任务是确认哪些事物会一起出现。
4） 聚类的任务是将相似的事物分成一类，差异较大的事物分在不同的类中。聚类与分类的区别是聚类并不依赖于事先确定好的组别。
3、 技术层面的数据挖掘
1） 算法与技巧
2） 数据
3） 建模实践
二、数据挖掘方法论：互动循环系统
1、 数据挖掘的两种类型
一种是自上而下的方法，称之为有监督的数据挖掘方法，当明确知道要搜索的目标时，可以是用这种方法。
一种是自下而上的方法，称之为无监督的数据挖掘方法，实际就是让数据解释自己。此方法是在数据中寻找模式，然后把产生的结果留给使用者去判断其中哪些模式重要。
数据挖掘的结果通常是这两种方法的结合。
1） 有监督的数据挖掘
黑匣子模型：使用一个或多个输入值产生一个输出的模型。我们并不关心模型如何运作，那只是黑盒子，我们只关心可能的最优结果。
一、 填空题（15分）
1.数据仓库的特点分别是 面向主题 、 集成 、 相对稳定 、反映历史变化。
2.元数据是描述数据仓库内数据的结构和建立方法的数据。根据元数据用途的不同可将元数据分为 技术
元数据和 业务 元数据两类。
3.OLAP技术多维分析过程中，多维分析操作包括 切片 、 切块 、 钻取 、 旋转 等。
4.基于依赖型数据集市和操作型数据存储的数据仓库体系结构常常被称为“ 中心和辐射 ”架构，其中
企业级数据仓库 是中心，源数据系统和数据集市在输入和输出范围的两端。
5.ODS实际上是一个集成的、 面向主题的 、 可更新的 、 当前值的 、 企业级的 、详细的数据库，也叫运营数据存储。
二、 多项选择题（10分）
6.在数据挖掘的分析方法中，直接数据挖掘包括（ ＡＣＤ ）
A 分类 B 关联 C 估值 D 预言
7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ）
A 数据抽取 B 数据转换 C 数据加载 D 数据稽核
8.数据分类的评价准则包括（ ABCD ）
A 精确度 B 查全率和查准率 C F-Measure D 几何均值
9.层次聚类方法包括（ BC ）
A 划分聚类方法 B 凝聚型层次聚类方法 C 分解型层次聚类方法 D 基于密度聚类方法
10.贝叶斯网络由两部分组成，分别是（ A D ）
A 网络结构 B 先验概率 C 后验概率 D 条件概率表
三、 计算题（30分）
11.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收款机业务中卖出的项目，假定supmin=40%，confmin=40%，使用Apriori算法计算生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）
单选题
1. 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. 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
4. 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. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A）
A. 探索性数据分析 B. 建模描述
C. 预测建模 D. 寻找模式和规则
11.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
12. 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
13.上题中，等宽划分时（宽度为50），15又在哪个箱子里？ (A)
A 第一个 B 第二个 C 第三个 D 第四个
16. 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
单选题
1. 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. 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
4. 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. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A）
A. 探索性数据分析 B. 建模描述
C. 预测建模 D. 寻找模式和规则
11.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
12. 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
13.上题中，等宽划分时（宽度为50），15又在哪个箱子里？ (A)
A 第一个 B 第二个 C 第三个 D 第四个
16. 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
