1、單選題1 .某超市研究銷售紀錄數據后發現，買啤酒的人很大概率也會購買尿布，這種屬于數據挖掘的哪類問題？（A）A.關聯規則發現B.聚類C.分類D.自然語言處理2.以下兩種描述分別對應哪兩種對分類算法的評價標準？（A）（a）警察抓小偷，描述警察抓的人中有多少個是小偷的標準。（b）描述有多少比例的小偷給警察抓了的標準。A.Precision,RecallB.Recall,PrecisionA.Precision,ROCD.Recall,ROC3 .將原始數據進行集成、變換、維度規約、數值規約是在以下哪個步驟的任務？（C）A.頻繁模式挖掘B.分類和預測C.數據預處理D.數據流挖掘4 .當不知道數據所帶

2、標簽時，可以使用哪種技術促使帶同類標簽的數據與帶其他標簽的數據相分離？（B）A.分類B.聚類C.關聯分析D.隱馬爾可夫鏈5 .什么是KDD（A）A.數據挖掘與知識發現B.領域知識發現C.文檔知識發現D.動態知識發現6 .使用交互式的和可視化的技術，對數據進行探索屬于數據挖掘的哪一類任務？（A）A.探索性數據分析B.建模描述C.預測建模D.尋找模式和規則7 .為數據的總體分布建模；把多維空間劃分成組等問題屬于數據挖掘的哪一類任務？（B）A.探索性數據分析B.建模描述C.預測建模D.尋找模式和規則8 .建立一個模型，通過這個模型根據已知的變量值來預測其他某個變量值屬于數據挖掘的哪一類任務？（C）A

3、.根據內容檢索B.建模描述C.預測建模D.尋找模式和規則9 .用戶有一種感興趣的模式并且希望在數據集中找到相似的模式，屬于數據挖掘哪一類任務？（A）A.根據內容檢索B.建模描述C.預測建模D.尋找模式和規則11 .下面哪種不屬于數據預處理的方法？（D）A變量代換B離散化C聚集D估計遺漏值12 .假設12個銷售價格記錄組已經排序如下：5,10,11,13,15,35,50,55,72,92,204,215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內？（B）A第一個B第二個C第三個D第四個13 .上題中，等寬劃分時（寬度為50）,15又在哪個箱子里？（A）A第一個B第

4、二個C第三個D第四個14 .下面哪個不屬于數據的屬性類型：（D）A標稱B序數C區間D相異15 .在上題中，屬于定量的屬性類型是：（C）A標稱B序數C區間D相異16 .只有非零值才重要的二元屬性被稱作：（C）A計數屬性B離散屬性C非對稱的二元屬性D對稱屬性17 .以下哪種方法不屬于特征選擇的標準方法：（D）A嵌入B過濾C包裝D抽樣18 .下面不屬于創建新屬性的相關方法的是：（B）A特征提取B特征修改C映射數據到新的空間D特征構造19 .考慮值集1、2、3、4、5、90,其截斷均值（p=20%是（C）A2B3C3.5D520 .下面哪個屬于映射數據到新的空間的方法？（A）A傅立葉變換B特征加權C漸

5、進抽樣D維歸約21 .嫡是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的嫡是：（B）A1比特B2.6比特C3.2比特D3.8比特22 .假設屬性income的最大最小值分別是12000元和98000元。利用最大最小規范化的方法將屬性的值映射到0至1的范圍內。對屬性income的73600元將被轉化為：（D）A0.821B1.224C1.458D0.71623 .假定用于分析的數據包含屬性age。數據元組中age的值如下（按遞增序）：13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70,問題：使用

6、按箱平均值平滑方法對上述數據進行平滑，箱的深度為3。第二個箱子值為：（A）A18.3B22.6C26.8D27.924 .考慮值集12243324556826，其四分位數極差是：（A）A31B24C55D325 .一所大學內的各年紀人數分別為：一年級200人，二年級160人，三年級130人，四年級110人。則年級屬性的眾數是：（A）A一年級B二年級C三年級D四年級26 .下列哪個不是專門用于可視化時間空間數據的技術：（B）A等高線圖B餅圖C曲面圖D矢量場圖27 .在抽樣方法中，當合適的樣本容量很難確定時，可以使用的抽樣方法是：（D）A有放回的簡單隨機抽樣B無放回的簡單隨機抽樣C分層抽樣D漸進抽

7、樣28 .數據倉庫是隨著時間變化的，下面的描述不正確的是（C）A.數據倉庫隨時間的變化不斷增加新的數據內容；B.捕捉到的新數據會覆蓋原來的快照；C.數據倉庫隨事件變化不斷刪去舊的數據內容；D.數據倉庫中包含大量的綜合數據，這些綜合數據會隨著時間的變化不斷地進行重新綜合.29 .關于基本數據的元數據是指：（D）A.基本元數據與數據源，數據倉庫，數據集市和應用程序等結構相關的信息；B.基本元數據包括與企業相關的管理方面的數據和信息；C.基本元數據包括日志文件和簡歷執行處理的時序調度信息；D.基本元數據包括關于裝載和更新處理，分析處理以及管理方面的信息.30 .下面關于數據粒度的描述不正確的是：（C

8、）A.粒度是指數據倉庫小數據單元的詳細程度和級別；B.數據越詳細，粒度就越小，級別也就越高；C.數據綜合度越高，粒度也就越大，級別也就越高；D.粒度的具體劃分將直接影響數據倉庫中的數據量以及查詢質量31 .有關數據倉庫的開發特點，不正確的描述是：（A）A.數據倉庫開發要從數據出發；B.數據倉庫使用的需求在開發出去就要明確；C.數據倉庫的開發是一個不斷循環的過程，是啟發式的開發；D.在數據倉庫環境中，并不存在操作型環境中所固定的和較確切的處理流，數據倉庫中數據分析和處理更靈活，且沒有固定的模式32 .在有關數據倉庫測試，下列說法不正確的是：(D)A.在完成數據倉庫白實施過程中，需要對數據倉庫進行

9、各種測試.測試工作中要包括單元測試和系統測試.B.當數據倉庫的每個單獨組件完成后，就需要對他們進行單元測試.C.系統的集成測試需要對數據倉庫的所有組件進行大量的功能測試和回歸測試D.在測試之前沒必要制定詳細的測試計劃.33 .OLAP技術的核心是：(D)A.在線性;B.對用戶的快速響應；C.互操作性.D.多維分析；34 .關于OLAP的特性，下面正確的是：(D)快速性(2)可分析性多維性(4)信息性共享性A. (1)(2)(3)B. (2)(3)(4)C. (1)(2)(3)(4)D. (1)(2)(3)(4)(5)35 .關于OLA可口OLTP的區別描述，不正確的是：(C)A.OLAP主要是

10、關于如何理解聚集的大量不同的數據.它與OTAPS用程序不同.B.與OLAP應用程序不同，OLTP應用程序包含大量相對簡單的事務.C. OLAP的特點在于事務量大，但事務內容比較簡單且重復率高.D. OLAP是以數據倉庫為基礎的，但其最終數據來源與OLTP一樣均來自底層的數據庫系統兩者面對的用戶是相同的.36. OLAM技術一般簡稱為"數據聯機分析挖掘”，下面說法正確的是：(D)A.OLAP和OLAMTB基于客戶機/服務器模式，只有后者有與用戶的交互性；B.由于OLAM勺立方體和用于OLAP勺立方體有本質的區別.C.基于WEB勺OLAMWE眼術與OLA雌術的結合.D.OLAM1艮務器通

11、過用戶圖形借口接收用戶的分析指令，在元數據白知道下，對超級立方體作一定的操作.37 .關于OLA可口OLTP的說法，下列不正確的是：(A)A. OLAP事務量大，但事務內容比較簡單且重復率高.B. OLAP的最終數據來源與OLTP不一樣.C. OLTP面對的是決策人員和高層管理人員.D. OLTP以應用為核心，是應用驅動的.38 .設*=1,2,3是頻繁項集，則可由X產生_(C)_個關聯規則。A、4B、5C、6D、740 .概念分層圖是_(B)_圖。A、無向無環B、有向無環C、有向有環D、無向有環41 .頻繁項集、頻繁閉項集、最大頻繁項集之間的關系是：(C)A、頻繁項集頻繁閉項集=最大頻繁項集

12、以頻繁項集=頻繁閉項集最大頻繁項集C頻繁項集頻繁閉項集最大頻繁項集D頻繁項集=頻繁閉項集=最大頻繁項集42 .考慮下面的頻繁3-項集的集合：1,2,3,1,2,4,1,2,5,1,3,4,1,3,5,2,3,4,2,3,5,3,4,5假定數據集中只有5個項，采用合并策略，由候選產生過程得到4-項集不包含（C）A1,2,3,4B、1,2,3,5C、1,2,4,5D、1,3,4,543 .下面選項中t不是s的子序列的是（C）As=<2,4,3,5,6,8>t=<2,3,6,8>Bs=<2,4,3,5,6,8>t=<2,8>Cs=<1,2,3,4

13、>t=<1,2>Ds=<2,4,2,4>t=<2,4>44 .在圖集合中發現一組公共子結構，這樣的任務稱為（B）A頻繁子集挖掘B、頻繁子圖挖掘C、頻繁數據項挖掘D、頻繁模式挖掘45 .下列度量不具有反演性的是（D）A系數B、幾率C、Cohen度量D、興趣因子46 .下列_（A）_不是將主觀信息加入到模式發現任務中的方法。A、與同一時期其他數據對比日可視化C基于模板的方法D主觀興趣度量47 .下面購物籃能夠提取的3-項集的最大數量是多少（C）ID購買項1牛奶，啤酒，尿布2面包，黃油，牛奶3牛奶，尿布，餅干4面包，黃油，餅干5啤酒，餅干，尿布6牛奶，尿布，

14、面包，黃油7面包，黃油，尿布8啤酒，尿布9牛奶，尿布，面包，黃油10啤酒，餅干A1B、2C、3D、448 .以下哪些算法是分類算法，A,DBSCANBC4.5C,K-MeanD,EM（B）49 .以下哪些分類方法可以較好地避免樣本的不平衡問題，A,KNNBSVMCBayesD,神經網絡（A）50 .決策樹中不包含一下哪種結點，A,根結點（rootnode）B,內部結點（internalnode）C,外部結點（externalnode）D,葉結點（leafnode）（C）51 .不純性度量中Gini計算公式為（其中c是類的個數）（A）A,B,C,D,（A）53 .以下哪項關于決策樹的說法是錯誤的

15、（C）A.冗余屬性不會對決策樹的準確率造成不利的影響B.子樹可能在決策樹中重復多次C.決策樹算法對于噪聲的干擾非常敏感D.尋找最佳決策樹是NP完全問題54 .在基于規則分類器的中，依據規則質量的某種度量對規則排序，保證每一個測試記錄都是由覆蓋它的“最好的”規格來分類，這種方案稱為（B）A.基于類的排序方案B.基于規則的排序方案C.基于度量的排序方案D.基于規格的排序方案。55 .以下哪些算法是基于規則的分類器（A）A.C4.5B.KNNC.Na?veBayesD.ANN56 .如果規則集R中不存在兩條規則被同一條記錄觸發，則稱規則集R中的規則為（C）;A,無序規則B,窮舉規則C,互斥規則D,有

16、序規則57 .如果對屬性值的任一組合，R中都存在一條規則加以覆蓋，則稱規則集R中的規則為（B）A,無序規則B,窮舉規則C,互斥規則D,有序規則58 .如果規則集中的規則按照優先級降序排列，則稱規則集是（D）A,無序規則B,窮舉規則C,互斥規則D,有序規則59 .如果允許一條記錄觸發多條分類規則，把每條被觸發規則的后件看作是對相應類的一次投票，然后計票確定測試記錄的類標號，稱為（A）A,無序規則B,窮舉規則C,互斥規則D,有序規則60 .考慮兩隊之間的足球比賽：隊0和隊1。假設65%勺比賽隊0勝出，剩余的比賽隊1獲勝。隊0獲勝的比賽中只有30%是在隊1的主場，而隊1取勝的比賽中75%是主場獲勝。

17、如果下一場比賽在隊1的主場進行隊1獲勝的概率為（C）A,0.75B,0.35C,0.4678D,0.573861 .以下關于人工神經網絡（ANN的描述錯誤的有（A）A,神經網絡對訓練數據中的噪聲非常魯棒B,可以處理冗余特征C,訓練ANN一個很耗時的過程D,至少含有一個隱藏層的多層神經網絡62 .通過聚集多個分類器的預測來提高分類準確率的技術稱為（A）A,組合（ensemble）B,聚集（aggregate）C,合并（combination）D,投票（voting）63 .簡單地將數據對象集劃分成不重疊的子集，使得每個數據對象恰在一個子集中，這種聚類類型稱作（B）A、層次聚類B、劃分聚類C、非互

18、斥聚類D、模糊聚類64 .在基本K均值算法里，當鄰近度函數采用（A）的時候，合適的質心是簇中各點的中位數。A、曼哈頓距離B、平方歐幾里德距離C、余弦距離D、Bregman散度65 .（C）是一個觀測值，它與其他觀測值的差別如此之大，以至于懷疑它是由不同的機制產生的。A、邊界點B、質心C、離群點D、核心點66 .BIRCH是一一種（B）。A、分類器B、聚類算法C、關聯分析算法D、特征選擇算法67 .檢測一元正態分布中的離群點，屬于異常檢測中的基于（A）的離群點檢測。A、統計方法B、鄰近度C、密度D、聚類技術68 .（C）將兩個簇的鄰近度定義為不同簇的所有點對的平均逐對鄰近度，它是一種凝聚層次聚類

19、技術。A、MIN（單鏈）B、MAX（全鏈）C、組平均D、Ward方法69 .（D）將兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差的增量，它是一種凝聚層次聚類技術。A、MIN（單鏈）B、MAX（全鏈）C、組平均D、Ward方法70 .DBSCAN在最壞情況下的時間復雜度是（B）。A、O（m）B、O（m2）C、O（logm）D、O（m*logm）71 .在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci,C）,簇權值為mi,那么它的類型是（C）。A、基于圖的凝聚度B、基于原型的凝聚度C、基于原型的分離度D、基于圖的凝聚度和分離度72 .關于K均值和DBSCAN勺比較，以下說法不正確的是（A）。A、K均值丟棄被它識別為噪聲的對象，而DBSCAW般聚類所有對象。B、K均值使用簇的基于原型的概念，而DBSCAIN1用基于密度的概念。C、K均值很難處理非球形的簇和不同大小的簇，DBSCANT以處理不同大小和不同形狀的簇。D、K均值可以發現不是明顯分離的簇，即便簇有重疊也可以發現，但是DBSCAN合并有重疊的簇。73 .以下是哪一個聚類算法的算法流程：構造k-最近鄰圖。使用多層圖劃分算法劃分圖。repeat:合并關于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。until:不再有可以合并的簇。（C）。A、MS