2023年商业经济行业技能考试-数据挖掘工程师考试冲刺-历年真题演练带答案

（图片大小可任意调节）2023年商业经济行业技能考试-数据挖掘工程师考试冲刺-历年真题演练带答案第一卷一.参考题库(共20题)1.为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类优缺点。2.简述雪花模型。3.ID3算法主要存在的缺点是什么？4.离散属性总是具有有限个值。5.维度可以根据其变化快慢分为元变化维度、（）维度和剧烈变化维度三类。6.MOLAP7.如何用决策树进行分类？8.关于OLAP的特性，下面正确的是（） （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）9.下表中列出了4个点的两个最近邻。使用SNN相似度定义，计算每对点之间的SNN相似度。 10.以下哪种聚类方法可以发现任意形状的聚类？（）A、划分的方法B、基于模型的方法C、基于密度的方法D、层次的方法11.数据仓库的三层架构主要包括以下哪三部分？（）A、数据源B、数据仓库服务器C、OLAP服务器D、前端工具12.如果规则不满足置信度阈值，则形如的规则一定也不满足置信度阈值，其中是X的子集。13.根据关联分析中所涉及的抽象层，可以将关联规则分类为（）。A、布尔关联规则B、单层关联规则C、多维关联规则D、多层关联规则14.数据挖掘的预测建模任务主要包括哪几大类问题？（）A、分类B、回归C、模式发现D、模式匹配15.项集的频率是指（）16.可视化技术对于分析的数据类型通常不是专用性的。17.数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：（）、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。18.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19.数据分类模型的常用表示形式包括（）、（）等。20.基于网格的聚类方法的优点是：（）第二卷一.参考题库(共20题)1.考虑如下的频繁3-项集：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}。 （a）根据Apriori算法的候选项集生成方法，写出利用频繁3-项集生成的所有候选4-项集。 （b）写出经过剪枝后的所有候选4-项集。2.分类方法的常用评估度量都有哪些？3.数据挖掘的特征：（）。4.（）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5.寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。6.定量属性可以是整数值或者是连续值。7.数据从集结区加载到数据仓库中的主要方法是什么？8.下面哪种分类方法是属于神经网络学习算法？（）A、判定树归纳B、贝叶斯分类C、后向传播分类D、基于案例的推理9.简述分类器设计阶段包含的3个过程。10.当前的数据挖掘研究中，最主要的三个研究方向是：（）、（）和（）11.常见的分箱方法有哪些？数据平滑处理的方法有哪些？12.简述K-means算法的基本操作步骤（包括算法的输入和输出）。13.在基于图的簇评估度量表里面，如果簇度量为proximity（Ci，C），簇权值为mi，那么它的类型是（）。A、基于图的凝聚度B、基于原型的凝聚度C、基于原型的分离度D、基于图的凝聚度和分离度14.在判定树归纳中，为什么树剪枝是有用的？15.关于OLAP和OLTP的说法，下列不正确的是（）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16.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17.在评价不平衡类问题分类的度量方法有如下几种，（）。A、F1度量B、召回率（recall）C、精度（precision）D、真正率（turepositiverate，TPR）18.数据仓库数据库常见的存储优化方法包括（）、反向规范化引入冗余、表的物理分割。19.简述数据分类的两步过程。20.下列哪些是数据变换可能涉及的内容？（）A、数据压缩B、数据概化C、维归约D、规范化第三卷一.参考题库(共20题)1.为什么时间总是数据仓库或数据集市的维？2.数据挖掘要解决的问题是什么？3.寻找数据集中的关系是为了寻找精确、方便并且有价值地总结了数据的某一特征的表示，这个过程包括了以下哪些步骤？（）A、决定要使用的表示的特征和结构B、决定如何量化和比较不同表示拟合数据的好坏C、选择一个算法过程使评分函数最优D、决定用什么样的数据管理原则以高效地实现算法4.进行数据预处理时所使用的主要方法包括：（）、（）、（）和（）5.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、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6.数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。7.抽取、转换、加载过程的目的是为决策支持应用提供一个（）、权威数据源。因此，我们要求ETL过程产生的数据是详细的、历史的、规范的、可理解的、即时的和质量可控制的。8.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、0.821B、1.224C、1.458D、0.7169.在项目实施时，根据事实表的特点和拥护的查询需求，可以选用（）、业务类型、区域和下属组织等多种数据分割类型。10.贝叶斯信念网络（BBN）有如下哪些特点，（）。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11.考虑两队之间的足球比赛：队0和队1。假设65%的比赛队0胜出，剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场，而队1取胜的比赛中75%是主场获胜。如果下一场比赛在队1的主场进行队1获胜的概率为（）。A、0.75B、0.35C、0.4678D、0.573812.请列出3种数据仓库产品，并说明其优缺点。13.在数据挖掘中，常用的聚类算法包括：（）、（）、（）、基于网格的方法和基于模型的方法。14.下面关于数据粒度的描述不正确的是（）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15.定义下列数据挖掘功能： 关联、分类、聚类、演变分析、离群点检测 使用你熟悉的生活中的数据，给出每种数据挖掘功能的例子。16.如果允许一条记录触发多条分类规则，把每条被触发规则的后件看作是对相应类的一次投票，然后计票确定测试记录的类标号，称为（）。A、无序规则B、穷举规则C、互斥规则D、有序规则17.关于数据仓库的设计，四种不同的视图必须考虑，分别是：（）、（）、（）、（）18.企业面对海量数据，应如何具体实施数据挖掘，使之转换成可行的结果/模型？19.Web挖掘包括哪些步骤？20.确定了数据仓库的粒度模型以后，为提高数据仓库的使用性能，还需要根据拥护需求设计（）第一卷参考答案一.参考题库1.正确答案:基于贝叶斯定理的推断需要大量训练数据以覆盖类条件概率空间，引入了很大开销。朴素贝叶斯分类做了类条件独立假设，大幅降低了计算开销。他的优点是容易实现并在大多数情况下可以取得较好的结果；他的缺陷是类条件独立在实际应用缺乏准确性，因为变量之间经常存在依赖关系，这种依赖关系影响了朴素贝叶斯分类器的准确性。2.正确答案:雪花模式中某些维表是规范化的，因而把数据进一步分解到附加的表中，模式图形成了类似雪花的形状。通过最大限度地减少数据存储量以及联合较小的维表来改善查询性能。雪花模型增加了用户必须处理的表数量，增加了某些查询的复杂性，但同时提高了处理的灵活性，可以回答更多的商业问题，特别适合系统的逐步建设要求。3.正确答案:（1）ID3算法在选择根结点和各内部结点中的分枝属性时，使用信息增益作为评价标准。信息增益的缺点是倾向于选择取值较多的属性，在有些情况下这类属性可能不会提供太多有价值的信息。 （2）ID3算法只能对描述属性为离散型属性的数据集构造决策树。4.正确答案:错误5.正确答案:缓慢变化6.正确答案:是基于类似于“超立方”块的OLAP存储结构，由许多经压缩的、类似于多维数组的对象构成，并带有高度压缩的索引及指针结构，通过直接偏移计算进行存取。7.正确答案:决策树用于对新样本的分类，即通过决策树对新样本属性值的测试，从树的根结点开始，按照样本属性的取值，逐渐沿着决策树向下，直到树的叶结点，该叶结点表示的类别就是新样本的类别。决策树方法是数据挖掘中非常有效的分类方法。8.正确答案:D9.正确答案:SNN即共享最近邻个数为其相似度。 点1和点2的SNN相似度：0（没有共享最近邻） 点1和点3的SNN相似度：1（共享点4这个最近邻） 点1和点4的SNN相似度：1（共享点3这个最近邻） 点2和点3的SNN相似度：1（共享点4这个最近邻） 点2和点4的SNN相似度：1（共享点3这个最近邻） 点3和点4的SNN相似度：0（没有共享最近邻）10.正确答案:C11.正确答案:B,C,D12.正确答案:正确13.正确答案:B,D14.正确答案:A,B15.正确答案:包含项集的事务数16.正确答案:错误17.正确答案:两层架构18.正确答案:A19.正确答案:分类规则；决策树和数学公式20.正确答案:处理速度快第二卷参考答案一.参考题库1.正确答案:（a）利用频繁3-项集生成的所有候选4-项集： {1，2，3，4}，{1，2，3，5}，{1，2，4，5}，{1，3，4，5}，{2，3，4，5} （b）经过剪枝后的所有候选4-项集： {1，2，3，4}，{1，2，3，5}2.正确答案: 精度（precision）：标记为正类的元组实际为正类所占的百分比。召回率：正元组标记为正的百分比。F量度：精度和召回率的调和评估指标。准确率，识别率：测试数据中正被正确分类的元组所占的百分比。 灵敏度：真正例（识别）率。特效性：真负例率。3.正确答案:先前未知，有效和实用4.正确答案:A,B,C,D5.正确答案:错误6.正确答案:正确7.正确答案:SQL命令（如Insert或Update） 由DW供应商或第三方提供专门的加载工具 由DW管理员编写自定义程序8.正确答案:C9.正确答案:划分数据集，分类器构造，分类器测试。10.正确答案:统计学；数据路技术；机器学习11.正确答案:分箱的方法主要有：①统一权重法（又称等深分箱法）②统一区间法（又称等宽分箱法）③最小熵法④自定义区间法数据平滑的方法主要有：平均值法、边界值法和中值法。12.正确答案:13.正确答案:C14.正确答案:决策树建立时，血多分析反映的是训练数据中的噪声和离群点点，树剪枝可以识别并剪去这种分枝，以提高对未知数据分类的准确性。15.正确答案:A16.正确答案:D17.正确答案:A,B,C,D18.正确答案:表的归并与簇文件19.正确答案: 第一步，建立模型：建立描述预先定义的数据类或概念集的分类器； 第二步，在独立测试集上评估模型的预测准确率，通过测试后再使用模型，对新的数据进行分类。20.正确答案:B,D第三卷参考答案一.参考题库1.正确答案:因为数据仓库或数据集市的数据总是历史的数据，需要时间维来区别。2.正确答案:面对高维，复杂，异构的海量数据，如何集中获取有用的信息和知识。3.正确答案:A,B,C,D4.正确答案:数据清理；数据集成；数据变换；数据规约5.正确答案:A6.正确答案:数据挖掘处理的对象是某一专业领域中积累的数据，对象既可以来自社会科学，又可以来自自然科学产生的数据，还可以是卫星观测得到的数据。数据形式和结构也各不相同，可以是传统的关系数据库，可以是面向对象的高级数据库系统，也可以是面向特殊应用的数据库，如空间数据库、时序数据库、文本数据库和多媒体数据库等，还可以是Web数据信息。 实际生活的例子： ①电信行业中利用数据挖掘技术进行客户行为分析，包含客户通话记录、通话时间、所开通的服务等，据此进行客户群体划分以及客户流失性分析。 ②天文领域中利用决策树等数据挖掘方法对上百万天体数据进行分类与分析，帮助天文学家发现其他未知星体。 ③制造业中应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。 ④市场业中应用数据挖掘技术进行市场定位、消费者分析、辅助制定市场营销策略等。7.正确答案:单一的8.正确答案:D9.正确答案:时间10.正确答案:A,B11.正确答案:D12.正确答案: （1）IBM提供了基于可视化数据仓库的商业智能（BI）解决方案，包括：VisualWarehouse（VW），Essbase/DB2OLAPServer5.0、IBMDB2UDB，其中，VW是一个功能很强的集成环境，既可用于数据仓库建模和元数据管理，又可用于数据抽取、转换、装载和调度。Essbase/DB2OLAPServer支持“维”的定义和数据装载。 （2）Oracle数据仓库解决方案主要包括OracleExpress和OracleDiscoverer两个部分。OracleExpress由四个工具组成：OracleExpressServer是一个MOLAP（多维OLAP）服务器，它利用多维模型，存储和管理多维数据库或多维高速缓存，同时也能够访问多种关系数据库 （3）Microsoft将OLAP功能集成到SQLServer数据库中，其解决方案包括BI平台、BI终端工具、BI门户和BI应用四个部分。BI平台是BI解决方案的基础，包括ETL平台SQLServer2005IntegrationService（SSIS）、数据仓库引擎SQLServer2005RDBMS以及多维分析和数据挖掘引擎SQLServer2005AnalysisService、报表管理引擎SQLServer2005ReportingService。13.正确答案:划分方法；层次方法；基于密度的方法14.正确答案:C15.正确答案:关联是指发