2024年数据挖掘考试题库

一、填空题

1.Web挖掘可分卷、和3大类。

2.数据仓库需要统壹数据源，包括统壹―、统壹—、统壹—和统壹数据特性

410方面。

3.数据分割壹般准畤间、—、—、—以及组合措施迤行。

4.噪声数据处理的措施重要有—、—和—。

5.数值归约的常用措施有一、—、—、—和卦数模型等。

6.评价关联规则的2（0重要指檄是—和—。

7.多维数据集壹股采用或省花型架构，以表卷中心，连接多种表。

8.决策树是用—作悬结黠，用—作卷分支的树构造。

9.关联可分卷简朴关联、—和—o

10.BP神^网络的作用函数壹般卷—区间的—o

11.数据挖掘的谩程重要包括确定业务封象、—、—、—及知识同化等几种环

节。

12.数据挖掘技术重要波及—、—和—3彳固技术领域。

13.数据挖掘的重要功能包括—、—、—、—、趋势分析、孤立黠分析和偏

差分析7值1方面。

14.人工神^网络具有—和—等特黠，其构造模型包括—、—和自组织网络

3种。

15.数据仓库数据的4他基本特性是—、—、非易失、随日寺间变化。

16.数据仓库的数据宜般划分卷—、—、—和—等几种级别。

17.数据预处理的重要内容（措施）包括—、—、—和数据归约等。

18.平滑分箱数据的措施重要有—、—和—。

19.数据挖掘发现知识的类型重要有广义知识、—、—、—和偏差型知识五种。

20.0LAP的数据组织方式重要有—和—两种。

21.常见的0LAP多维数据分析包括—、—、—和旋转等操作。

22.老式的决策支持系统是以—和—驱勃，而新决策支持系统则是以—、建

立在和技术之上。

23.0LAP的数据组织方式重要有—和—2种。

24.SQLServer的OLAP组件叫,OLAP操作窗口叫。

25.BP神^网络由—、—以及壹或多种—结粘构成。

26.遗传算法包括、、R佰1基本算子。

27.聚类分析的数据壹般可分卷区间襟度变量、—、—、—、序数型以及混合

类型等。

28.聚类分析中最常用的距离计算公式有—、—、—等。

29.基于划分的聚类算法有—和—。

3O.Clementine的工作流壹般由—、—和一等节黠连接而成。

31.简朴地三心数据挖掘就是优—中挖掘—的遇程。

32.数据挖掘有关的名称尚有、、等。

、判断题

)1.数据仓库的数据量越大，其应用价值也越大。

)2.啤酒与尿布的故事是聚类分析的^典实例。

)3.等深分箱法使每他箱子的记录他数相似。

)4.数据仓库“粒度”越细，记录数越少。

)5.数据立方体由3维构成，Z轴表达事实数据。

)6.决策树措施壹般用于关联规则挖掘。

)7.1D3算法是决策树措施的初期代表。

)8.C4.5是壹种^典的关联规则挖掘算法。

)9.回归分析宣般用于挖掘关联规则。

)10.人工神畿网络尤其适合处理多参数大复杂度冏题。

)11.概念关系分析是文本挖掘所独有的。

)12.可信度是封关联规则的精确度的衡量。

)13.孤立黠在数据挖掘^^是被视卷异常、维用数据而丢弃。

)14.SQLServer不提供关联规则挖掘算法。

)15.Clementine是IBM企业的专业级数据挖掘软件。

)16.决策树措施尤其适合于处理数值型数据。

)17.数据仓库的数据卷历史数据，历来不需要更新。

)18.等宽分箱法使每他箱子的取值区间相似。

)19.数据立方体是广义知识发现的措施和技术之壹。

)20.数据立方体的其中壹维用于记录事实数据。

)21.决策树壹般用于分类与预测。

)22.Apriori算法是壹种^典的关联规则挖掘算法。

)23.支持度是衡量关联规则重要性的壹种指襟。

)24.SQLServer集成了OLAP,但不具有数据挖掘功能。

)25.人工神^网络常用于分类与预测。

,、名同解释

1.数据仓库：是壹种新的数据处理体系构造，是面向主题的、集成的、不可更新

的(稳定性)、随畤间不停变化(不壹样步间)的数据集合，卷企业决策支持系统

提供所需的集成信息。

2.孤立黠：指数据库中包括的某些与数据的壹般行卷或模型不壹致的异常数据。

3.OLAP：OLAP是在OLTP的基础上发展起来的，以数据仓库卷基础的数据分析处

理，是共享多维信息的迅速分析，是被专门设计用于支持复杂的分析操作，侧

重封分析人员和高层管理人员的决策支持。

4.粒度：指数据仓库的数据军位中保留数据细化或淙合程度的级别。粒度影响寄

存在数据仓库中的数据量的大小，同步影响数据仓库所能回答查冏询题的细节

程度。

5.数据规范化：指将教据按比例缩放（如更换大军位），使之落入壹种特定的区域

（如0—1）以提高数据挖掘效率的措施。规范化的常用措施有：最大一最小规

范化、零一均值规范化、小数定襟规范化。

6.关联知识：是反应壹种事件和其他事件之间依赖或互相关联的知识。假如两项

或多项属性之间存在关联，那么其中壹项的属性值就可以根据其他属性值迤行

预测。

7.数据挖掘：优大量的、不完全的、有噪声的、模糊的、随机的数据中，提取除

含在其中的、人俨J事先不懂得的、但又是潜在有用的信息和知识的遇程。

8.OLTP：OLTP卷联机事务处理的缩写，OLAP是联机分析处理的缩写。前者是以数

据库卷基础的，面封的是操作人员和低层管理人员，封基本数据暹行查询和增、

删、改等处理。

9.ROLAP：是基于关系数据库存储方式的，在造种构造中，多维数据被映像成二维

关系表，堂般采用星型或雪花型架构，由直种事实表和多种维度表构成。

10.MOLAP：是基于类似于“超立方”块的OLAP存储构造，由言午多^压缩的、类似

于多维数组的封象构成，并带有高度压缩的索引及指针构造，通遇直接偏移「

算暹行存取。

II.数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且可

以得到和原始数据相似的分析成果。

12.广义知识：通谩封大量数据的归纳、概括和抽象，提炼出带有普遍性的、概括

性的描述记录的知识。

13.预测型知识：是根据畤间序列型数据，由历史的和目前的数据去推测未来的数

据，也可以认卷是以畤间卷关键属性的关联知识。

14.偏差型知识：是卦差异和极端特例的描述，用于揭示事物偏离常规的异常现象,

如原则类外的特例，数据聚类外的离群值等。

15.遗传算法：是壹种优化搜索算法，它首先产生壹种初始可行解群体，然彳及封道

倜群体通遇模拟生物谨化的选择、交叉、变异等遗传操作遗传到下壹代群体，

并最终到达全局最优。

16.聚类：是将物理或抽象封象的集合分构成^多种类或簇Glust"）的谩程，使得

在同壹种簇中的封象之间具有较高的相似度，而不壹样簇中的卦象差异较大。

17.决策树：是用样本的属性作卷结黠，用属性的取值作卷分支的树构造。它是分

类规则挖掘的典措施，可用于封新样本暹行分类。

18.相异度矩阵：是聚类分析中用于表达各卦象之间相异度的壹种矩阵，n他I封象

的相异度矩阵是壹种rm维的军模矩阵，其封角线元素均卷0,封角线两侧元素

的值相似。

19.频繁项集：指满足最小支持度的项集，是挖掘关我规则的基本条件之壹。

20.支持度：规则A-B的支持度指的是所有事件中A与B同地发生的的概率，即

P(AUB),是AB同步发生的次数与事件^次数之比。支持度是封关联规则重要

性的衡量。

21.可信度：规则A-B的可信度指的是包括A项集的同步也包括B项集的条件概率

P(BA),是AB同步发生的次数与A发生的所有次数之比。可信度是封关联规则

的精确度的衡量。

22.关联规则：同步满足最小支持度阈值和最小可信度阈值的规则称之卷关联规则。

四、综合题

1.何谓数据挖掘？它有哪些方面的功能？

优大量的、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、人俨1事先不懂得的、但又是潜在有用的信息和知识的谩程称悬数据挖掘。有

关的名称有知识发JS、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、孤立黠分析以及偏差分析等。

2.何谓数据仓库？卷何要建立数据仓库？

数据仓库是壹种新的数据处理体系构造，是面向主题的、集成的、不可更新

的(稳定性)、随日寺间不停变化(不壹样步间)的数据集合，卷企业决策支持系统提

供所需的集成信息。

建立数据仓库的目的有3倜：

壹是卷了处理企业决策分析中的系统响应冏题，数据仓库能提供比老式事务

数据库更快的大规模决策分析的响应速度。

二是处理决策分析封数据的特殊需求冏题。决策分析需要全面的、封的的集

成数据，道是老式事务数据库不能直接提供的。

三是处理决策分析封数据的特殊操作规定。决策分析是面向专'也顾客而非壹

般业务员，需要使用专业的分析工具，封分析成果遢要以商业智能的方式暹行体

现，道是事务数据库不能提供的。

3.列举操作型数据与分析型数据的重要区别。

操作型数据分析型数据

目前的、细节的历史的、综合的

面向应用、事务驱勒面向分析、分析驱勃

频繁增、册||、改几乎不更新，定期追加

操作需求事先懂得分析需求事先不懂得

生命周期符合SDLC完全不壹样的生命周期

封性能规定高封性能规定宽松

壹次操作数据量小壹次操作数据量大

支持平常事务操作支持管理决策需求

4.何谓OLTP和OLAP?它优的重要异同有哪些？

OLTP即联机事务处理，是以老式数据库卷基础、面向操作人员和低层管理

人员、封基本数据迤行查询和增、删、改等的平常事务处理。OLAP即联机分析

处理，是在OLTP基础上发展起来的、以数据仓库基础上的、面向高层管理人员

和专业分析人员、卷企业决策支持服务。

OLTP和OI.AP的重要区别如下表:

OLTPOLAP

数据库数据数据库或数据仓库数据

细节性数据综合性数据

目前数据历史数据

常常更新不更新，但周期性刷新

壹次性处理的数据量小壹次处理的数据量大

封响应畤间规定高响应畤间合理

顾客数量大顾客数据相封较少

面向操作人员，支持平常操作面向决策人员，支持管理需要

面向应用，事务驱助面向分析，分析驱勃

5.何谓粒度？它封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罩位中保留数据细化或综合程度的级别。粒度影响

寄存在数据仓库中的数据量的大小，同步影响数据仓库所能回答查周询题的细节

程度。按粒度组织数据的方式重要有：

①简朴堆积构造

②轮转综合构造

③简朴直接构造

④持续构造

6.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，其重要内容包括：界定系统边

界和确定重要的主题域。

逻辑模型设计的重要内容包括：分析主题域、确定粒度层次划分、确定数据

分割方略、定义关系模式、定义记录系统。

物理数据模型设计的重要内容包括：确定数据存储构造、确定数据寄存位置、

确定存储分派以及确定索引方略等。在物理数据模型设计畤重要考虑的原因有：

I/O存取畤间、空间运用率和维护代价等。

提高性能的重要措施有划分粒度、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。

7.在数据挖掘之前卷何要封原始数据暹行预处理？

原始业务数据来自多种数据库或数据仓库，它俨］的构造和规则也^是不壹样

的，道将导致原始数据非常的杂乱、不可用，虽然在同壹种数据库中，也也^存

在反复的和不完整的数据信息，卷了使道些数据可以符合数据挖掘的规定，提高

效率和得到清晰的成果，必须暹行数据的预处理。

卷数据挖掘算法提供完整、洁净、精确、有针封性的数据，减少算法的计算

量，提高挖掘效率和精确程度。

8.简述数据预处理措施和内容。

①数据清洗：包括填充空缺值，识别孤立钻，去掉噪声和辗关数据。

②数据集成：将多种数据源中的数据结合起来寄存在壹种壹致的数据存储中。

需要注意不登样数据源的数据匹配冏题、数值冲突冏题和冗余冏题等。

③数据变换：将原始数据转换成卷适合数据挖掘的形式。包括封数据的汇幺恩、

汇集、概化、规范化，遢也考午需要迤行属性的重构。

④数据归约：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

可以得到和原始数据相似的分析成果。

9.简述数据清理的基本内容。

①尽量赋予属性名和属性值明确的含义；

②统壹多数据源的属性值编码；

③清除辗用的惟壹属性或键值（如自勤增房的id）；

④清除反复属性（在某些分析中，年龄和出生曰期也言午就是反复的属性，但在某

些日寺候它什，也言午又是同步需要的）

⑤消除可忽视字段（大部分^空值的属性壹般是没有什么价值的，假如不清除也

者午导致金音误的数据挖掘成果）

®合理选择关联字段（封于多种关联性较强的属性，反复辗益，只需选择其中的

部分用于数据挖掘即可，如价格、数据、金额）

⑦去掉数据中的噪音、填充空值、丢失值和处理不壹致数据。

10.简述处理空缺值的措施。

①忽视该记录；

②去掉属性；

③手工填写空缺值；

④使用默认值；

⑤使用属性平均值；

⑥使用同类样本平均值：

⑦预测最也^的值。

II.常见的分箱措施有哪些？数据平滑处理的措施有哪些？

分箱的措施重要有：

①统壹权重法（又称等深分箱法）

②统壹区间法（又称等宽分箱法）

③最小焙法

④自定义区间法

数据平滑的措施重要有：平均值法、边界值法和中值法。

12.何谓数据规范化？规范化的措施有哪些？写出封应的变换公式。

将数据按比例缩放(如更换大军位)，使之落入壹种特定的区域(如0.0〜

1.0),称卷规范化。规范化的常用措施有：

(1)最大一最小规范化：max-min,..

x=------------------(x—mui)+min

n0n

(maxf,-niin„)°

(2)零均值规范化：X-A

x=o------

W

(3)小数定襟规范化：^=V10"

13.数据归约的措施有哪些？卷何要暹行维归约？

①数据立方体汇集

②维归约

③数据压缩

④数值压缩

⑤离散化和概念分层

维归约可以去掉不重要的属性，减少数据立方体的维数，优而减少数据挖掘

处理的数据量，提高挖掘效率。

14.何谓聚类？它与分类有什么异同？

聚类是将物理或抽象封象的集合分构成卷多种类或簇(cluster)的谩程，便

得在同壹种簇中的封象之间具有较高的相似度，而不壹样簇中的封象差异较大。

聚类与分类不壹样，聚类要划分的类是未知的，分类则可按已知规则诞行;

聚类是壹种辗指导挚习，它不依赖预先定义的类和带类襟号的训练实例，属于

观测式挚习，分类则属于有指导的学习，是示例式挚习。

15.举例阐明聚类分析的^典应用。

①商、亚：协助市埸分析人员优客户基本库中发现不壹样的客户群，并且用不壹

样的购置模式描述不壹样客户群的特性。

②生物孥：推导植物或勤物的分类，封基于迤行分类，获得封种群中固有构造

的认识。

③跖?文档分类

④其他：如地球观测数据库中相似地区确实定：各类保险投保人的分组：壹种

都市中不壹样类型、价值、地理位置房子的分组等。

⑤聚类分析遢可作卷其他数据挖掘算法的预处理：即先暹行聚类，然彳爰再逛行

分类等其他的数据挖掘。聚类分析是壹种数据简化技术，它把基于相似数据

特性的变量或他1案组合在壹起。

16.聚类分析中常见的数据类型有哪些？何谓相异度矩阵？它有什么特钻？

常见数据类型有区间襟度变量、比例襟度型变量、二元变量、檄称型、序教

型以及混合类型等。相异度矩阵是用于存储所有封象两两之间相异度的矩阵，

壹种nn维的军模矩阵。其特黠是d(i,j)=d(j,i),d(i,i)=0,d(j,j)=0o如下

所示：

-0'

(1(2,1)0

d(3,l)d(3,2)0

••••

■•••••

d(n,l)d(n,2)..........0

17.分类知识的发现措施重要有哪些？分类谩程壹般包括哪两fel环节？

分类规则的挖掘措施壹般有：决策树法、贝叶斯法、人工神^网络法、粗

糙集法和遗传算法。分类的谩程包括2步：首先在已知训练数据集上，根据属

性特性，卷每壹种类别找到壹种合理的描述或模型，即分类规则：然彳为根据规

则封新数据暹行分类。

18.什么是决策树？怎样用决策树迤行分类？

决策树是用样本的属性作卷结粘;用属性的取值作卷分支的树构造。它是

运用信息论原理封大量样本的属性暹行分析和归纳而产生的。决策树的根幺吉钻

是所有样本中信息量最大的属性。树的中间结黠是以该幺吉黠卷根的子树所包括

的样本子集中信息量最大的属性。决策树的叶东吉贴是样本的类别值。

决策树用于封新样本的分类，即通遇决策树封新样本属性值的测试，优树

的根结始，按照样本属性的取值，逐渐沿著决策树向下，直到树的叶结黠,

该叶结,粘表达的类别就是新样本的类别。决策树措施是数据挖掘中非常有效的

分类措施.

19.简述ID3算法的基本思想及其主算法的基本环节。

首先找出最有鉴别力的原因，然彳爰把数据提成多种子集，每他子集又选择

最有鉴别力的原因深入划分，壹直暹行到所有子集仅包括同壹类型的数据卷止。

最终得到壹棵决策树，可以用它来封新的样例迤行分类。

主算法包括如下几步：

①优训练集中随机选择壹种既含正例又含反例的子集(称卷窗口)；

②用“建树算法”封目前窗口形成宜棵决策树；

③封训练集(窗口除外)中例子用所得决策树迤行类别鉴定，找出贫昔判的例

子；

④若存在金昔判的例子，把它件号插入窗口，反复环节②，否则结束。

20.简述ID3算法的基本思想及其建树算法的基本环节。

首先找出最有鉴别力的原因，然彼把数据提成多种子集，每倜子集又选择

最有鉴别力的原因淡入划分，壹直暹行到所有子集仅包括同壹类型的数据悬止。

最终得到壹棵决策树，可以用它来封新的样例暹行分类。

建树算法的详细环节如下：

①封目前例子集合，计算各特性的互信息；

②选择互信息最大的特性A』

③把在Ak处取值相似的例子归于同壹子集，Ak取几种值就得儿种子集；

④封既含正例又含反例的子集，递归调用建树算法；

⑤若子集仅含五例或反例，封应分枝楝上P或N,返回调用处。

21.设某事务项集构成如下表，填空完毕其中支持度和置信度的计算。

事务ID项集L2支持度为规则置信度先

T1A,CA,B33.3A-*B50

T2D,EA,C33.3C~A60

T3A,C,EA,D44.4A-D66.7

T4A,B,C,EB,D33.3B-D75

T5A,B,CC,D33.3C-D60

T6A,B,I)D,E33.3D-E43

T7A,C,1)・・・•••

T8C,D,E

T9B,C,D

22.彳史信息处理角度看，神^元具有哪些基本特性？写出描述神^元状态的M-P方

程并阐明其含义。

基本特性：①多输入、罩输出；②突触兼有兴奋和克制两种性能；③可畤间加

权和空间加权；④可产生脉冲；⑤脉冲可迤行传递；⑥非线性，有

阈值。

M-P方程：3万/（2叱户厂4）,心是神^元之间的连接强度，斗是阈值，

j

f（x）是阶梯函数。

23.遗传算法与老式寻优算法相比有什么特黠？

①遗传算法卷群体搜索，有助于寻找到全局最优解；

②遗传算法采用高效有方向的随机搜索，搜索效率高；

③遗传算法处理的封象是他体而不是参变量，具有广泛的应用领域；

④遗传算法使用适应值信息评估f0体，不需要导数或其他辅助信息-运算速

度快，适应性好；

⑤遗传算法具有隐含并行性，具有更高的运行效率。

24.写出非封称二元变量相异度计算公式（即jaccard系数），并计算下表中各封象

间的相异度。

项目

test-1test-2test-3test-4test-5test-6

OBJ1YNPNNN

OBJ2YNPNPN

OBJ3NYNYNN