《2022年数据挖掘一些面试题总结定义 .pdf》由会员分享，可在线阅读，更多相关《2022年数据挖掘一些面试题总结定义 .pdf（14页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数据挖掘一些面试题总结（Data Mining ）摘录一段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？首先进行数据的预处理，主要进行数据的清洗，数据清洗，处理空缺值，数据的集成，数据的变换和数据规约。请列举您使用过的各种数据仓库工具软件（包括建模工具，ETL工具，前端展现工具，OLAP Server 、数据库、数据挖掘工具）和熟悉程度。ETL 工 具 ： Ascential DataStage ， IBM warehouse MANAGER 、Informatica公司的 PowerCenter 、Cognos 公司的 DecisionStream 市场上的主流数据仓库
2、存储层软件有：SQL SERVER、SYBASE 、ORACLE 、 DB2 、TERADATA 请谈一下你对元数据管理在数据仓库中的运用的理解。元数据能支持系统对数据的管理和维护，如关于数据项存储方法的元数据能支持系统以最有效的方式访问数据。具体来说, 在数据仓库系统中，元数据机制主要支持以下五类系统管理功能：（）描述哪些数据在数据仓库中；（）定义要进入数据仓库中的数据和从数据仓库中产生的数据；（）记录根据业务事件发生而随之进行的数据抽取工作时间安排；（）记录并检测系统数据一致性的要求和执行情况；（）衡量数据质量。数据挖掘对聚类的数据要求是什么？（1）可伸缩性（2）处理不同类型属性的能力（3
3、）发现任意形状的聚类（4）使输入参数的领域知识最小化（5）处理噪声数据的能力（6）对于输入顺序不敏感（7）高维性（8）基于约束的聚类（9）可解释性和可利用性简述 Apriori算法的思想，谈谈该算法的应用领域并举例。思想： 其发现关联规则分两步，第一是通过迭代，检索出数据源中所有烦琐项集，即支持度不低于用户设定的阀值的项即集，第二是利用第一步中检索出的烦琐项集构造出满足用户最小信任度的规则，其中， 第一步即挖掘出所有频繁项集是该算法的核心，也占整个算法工作量的大部分。在商务、金融、保险等领域皆有应用。在建筑陶瓷行业中的交叉销售应用，主要采用了Apriori 算法通过阅读该文挡， 请同学们分析一
4、下数据挖掘在电子商务领域的应用情况（请深入分析并给出实例，切忌泛泛而谈）？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2. 以下两种描述分别对应哪两种对分类算法的评价标准？ (A) 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 14 页 - - - - - - - - - (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多
5、少比例的小偷给警察抓了的标准。 A. Precision, Recall B. Recall, Precision A. Precision, ROC D. Recall, ROC 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5. 什么是 KDD ？ (A) A. 数据挖掘与知识发现 B. 领域知识发现 C. 文档知识发现 D.
6、 动态知识发现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7. 为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？(B) 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8. 建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？ (C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则9. 用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？ (A)
7、A. 根据内容检索 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14. 下面哪个不属于数据的属
8、性类型：(D) A 标称 B 序数 C 区间 D相异15. 在上题中，属于定量的属性类型是：(C) A 标称 B 序数 C区间 D 相异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17. 以下哪种方法不属于特征选择的标准方法： (D) A嵌入 B 过滤 C 包装 D 抽样18. 下面不属于创建新属性的相关方法的是： (B) A特征提取 B特征修改 C映射数据到新的空间 D特征构造19. 考虑值集 1 、 2、3、4、5、90 ，其截断均值（p=20% ）是 (C) 名师资料总结 - - -精品资料欢迎下载 - - - -
9、- - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 14 页 - - - - - - - - - A 2 B 3 C 3.5 D 5 20. 下面哪个属于映射数据到新的空间的方法？ (A) A 傅立叶变换 B特征加权 C 渐进抽样 D 维归约21. 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： (B) A 1 比特 B 2.6比特 C 3.2比特 D 3.8比特22. 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
10、income 的 73600 元将被转化为：(D) A 0.821 B 1.224 C 1.458 D 0.716 23. 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) A 18.3 B 22.6 C 26.8 D 27.9 24. 考虑值集 12 24 332 4 55 68 26，其四分位数极差是：(A) A 31 B 24
11、 C 55 D 3 25. 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) A 一年级 B二年级 C 三年级 D 四年级26. 下列哪个不是专门用于可视化时间空间数据的技术： (B) A 等高线图 B饼图 C 曲面图 D 矢量场图27. 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： (D) 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28. 数据仓库是随着时间变化的, 下面的描述不正确的是 (C) A. 数据仓库随时间的变化不断增加新的数据内容; B. 捕
12、捉到的新数据会覆盖原来的快照; C. 数据仓库随事件变化不断删去旧的数据内容; D. 数据仓库中包含大量的综合数据, 这些综合数据会随着时间的变化不断地进行重新综合. 29. 关于基本数据的元数据是指:(D) A. 基本元数据与数据源, 数据仓库 , 数据集市和应用程序等结构相关的信息; B. 基本元数据包括与企业相关的管理方面的数据和信息; C. 基本元数据包括日志文件和简历执行处理的时序调度信息; D. 基本元数据包括关于装载和更新处理, 分析处理以及管理方面的信息. 30. 下面关于数据粒度的描述不正确的是: (C) 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
13、, 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. 31. 有关数据仓库的开发特点, 不正确的描述是: (A) A. 数据仓库开发要从数据出发; B. 数据仓库使用的需求在开发出去就要明确; C. 数据仓库的开发是一个不断循环的过程, 是启发式的开发; D. 在数据仓库环境中, 并不存在操作型环境中所固定的和较确切的处理流, 数据仓库中数据分析和处理更灵活,且没有固定的模式32. 在有关数据仓库测试, 下列说法不正确的是: (D) 名师资料总结 - - -精品资料欢迎下载 - - - -
14、- - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 14 页 - - - - - - - - - A. 在完成数据仓库的实施过程中, 需要对数据仓库进行各种测试.测试工作中要包括单元测试和系统测试 . B. 当数据仓库的每个单独组件完成后, 就需要对他们进行单元测试. C. 系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试. D. 在测试之前没必要制定详细的测试计划. 33. OLAP 技术的核心是: (D) A. 在线性 ; B. 对用户的快速响应; C. 互操作性 . D. 多维分析 ; 34. 关于 OLAP
15、的特性 , 下面正确的是: (D) (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) 35. 关于 OLAP和 OLTP的区别描述 , 不正确的是 : (C) A. OLAP 主要是关于如何理解聚集的大量不同的数据. 它与 OTAP 应用程序不同. B. 与 OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务. C. OLAP 的特点在于事务量大,但事务内容比较简单且重复率高. D. OLAP 是以数据仓库为基础
16、的, 但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的. 36. OLAM 技术一般简称为”数据联机分析挖掘”, 下面说法正确的是: (D) A. OLAP 和 OLAM 都基于客户机 / 服务器模式 , 只有后者有与用户的交互性; B. 由于 OLAM 的立方体和用于OLAP 的立方体有本质的区别. C. 基于 WEB 的 OLAM 是 WEB 技术与 OLAM 技术的结合 . D. OLAM 服务器通过用户图形借口接收用户的分析指令, 在元数据的知道下, 对超级立方体作一定的操作 . 37. 关于 OLAP和 OLTP的说法 , 下列不正确的是: (A) A.
17、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. 38. 设 X=1，2，3是频繁项集，则可由X产生 _(C)_ 个关联规则。A、4 B 、5 C、6 D、7 40. 概念分层图是_(B)_ 图。A、无向无环 B、有向无环 C、有向有环 D 、无向有环41. 频繁项集、频繁闭项集、最大频繁项集之间的关系是： (C) A、频繁项集频繁闭项集 = 最大频繁项集B、频繁项集 = 频繁闭项集最大频繁项集C、频繁项集频繁闭项集最大频繁项集D、频繁项
18、集 = 频繁闭项集 = 最大频繁项集42. 考虑下面的频繁3- 项集的集合： 1 ，2，3 ，1 ，2，4 ，1 ，2，5 ，1 ，3，4 ，1 ，3，5，2，3，4，2 ，3，5，3 ，4，5 假定数据集中只有5 个项，采用合并策略，由候名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 14 页 - - - - - - - - - 选产生过程得到4- 项集不包含（ C）A、1，2，3，4 B 、1，2， 3，5 C、1，2， 4，5 D、1，3，4，5 43. 下面选项中
19、t 不是 s 的子序列的是 ( C ) A、s=t= B、s=t= C、s=t= D、s=t= 44. 在图集合中发现一组公共子结构，这样的任务称为 ( B ) A、频繁子集挖掘 B、频繁子图挖掘 C、频繁数据项挖掘 D、频繁模式挖掘45. 下列度量不具有反演性的是(D) A、 系数 B、几率 C、Cohen度量 D、兴趣因子46. 下列 _(A)_ 不是将主观信息加入到模式发现任务中的方法。A、与同一时期其他数据对比B、可视化C、基于模板的方法D、主观兴趣度量47. 下面购物篮能够提取的3-项集的最大数量是多少（C）ID 购买项1 牛奶，啤酒，尿布2 面包，黄油，牛奶3 牛奶，尿布，饼干4
20、面包，黄油，饼干5 啤酒，饼干，尿布6 牛奶，尿布，面包，黄油7 面包，黄油，尿布8 啤酒，尿布9 牛奶，尿布，面包，黄油10 啤酒，饼干A、1 B 、2 C、3 D、4 48. 以下哪些算法是分类算法，A，DBSCAN B ，C4.5 C,K-Mean D,EM （B）49. 以下哪些分类方法可以较好地避免样本的不平衡问题， A， KNN B ， SVM C ， Bayes D，神经网络（A）50. 决策树中不包含一下哪种结点，A,根结点（ root node) B,内部结点（ internal node）C,外部结点（ external node） D, 叶结点（ leaf node） (
21、C) 51. 不纯性度量中Gini 计算公式为（其中c 是类的个数） (A) A, B, C, D, （A）53. 以下哪项关于决策树的说法是错误的 (C) 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54. 在基于规则分类器的中，依据规则质量的某种度量对规则排序，保证每一个测试记录都是由覆盖它的“最好的”规格来分类，这种方案称为 (B) A. 基于类的排序方案名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理
22、- - - - - - - 第 5 页，共 14 页 - - - - - - - - - B. 基于规则的排序方案C. 基于度量的排序方案D. 基于规格的排序方案。55. 以下哪些算法是基于规则的分类器 (A) A. C4.5 B. KNN C. Na?ve Bayes D. ANN 56. 如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为（C） ；A, 无序规则 B ，穷举规则 C ，互斥规则 D ，有序规则57. 如果对属性值的任一组合，R中都存在一条规则加以覆盖，则称规则集R中的规则为 (B) A, 无序规则 B ，穷举规则 C ，互斥规则 D，有序规则58. 如果规
23、则集中的规则按照优先级降序排列，则称规则集是 (D) A, 无序规则 B ，穷举规则 C ，互斥规则 D ，有序规则59. 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）A, 无序规则 B ，穷举规则 C ，互斥规则 D ，有序规则60. 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 (C) A，0.75 B,0.35 C,0.4
24、678 D, 0.5738 61. 以下关于人工神经网络（ANN ）的描述错误的有 (A) A，神经网络对训练数据中的噪声非常鲁棒 B ，可以处理冗余特征 C ，训练 ANN是一个很耗时的过程 D ，至少含有一个隐藏层的多层神经网络62. 通过聚集多个分类器的预测来提高分类准确率的技术称为 (A) A,组合 (ensemble) B,聚集 (aggregate) C，合并 (combination) D，投票 (voting) 63. 简单地将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作（ B ） A、层次聚类 B、划分聚类 C、非互斥聚类 D、模糊聚类64.
25、 在基本 K均值算法里，当邻近度函数采用（ A ）的时候，合适的质心是簇中各点的中位数。 A 、曼哈顿距离 B、平方欧几里德距离 C 、余弦距离 D、Bregman 散度65.（ C ）是一个观测值， 它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生的。 A 、边界点 B、质心 C、离群点 D、核心点66. BIRCH 是一种（ B ） 。 A 、分类器 B、聚类算法 C、关联分析算法 D、特征选择算法67. 检测一元正态分布中的离群点，属于异常检测中的基于（ A ）的离群点检测。 A 、统计方法 B、邻近度 C、密度 D、聚类技术68.（ C ）将两个簇的邻近度定义为不同簇的所有
26、点对的平均逐对邻近度，它是一种凝聚层次聚类技术。 A 、MIN （单链） B、MAX （全链） C、组平均 D、Ward 方法69.（ D ）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。 A 、MIN （单链） B、MAX （全链） C、组平均 D、Ward 方法70. DBSCAN 在最坏情况下的时间复杂度是（ B ） 。 A 、O(m) B、O(m2) C、O(log m) D、O(m*log m) 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - -
27、 第 6 页，共 14 页 - - - - - - - - - 71. 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（ C ） 。 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72. 关于 K均值和 DBSCAN 的比较，以下说法不正确的是（ A ） 。 A 、K均值丢弃被它识别为噪声的对象，而DBSCAN 一般聚类所有对象。 B 、K均值使用簇的基于原型的概念，而DBSCAN 使用基于密度的概念。 C 、 K均值很难处理非球形的簇和不同大小的簇，DBSCAN 可以处理不同大小和不同形
28、状的簇。 D 、K 均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN 会合并有重叠的簇。73. 以下是哪一个聚类算法的算法流程：构造k最近邻图。使用多层图划分算法划分图。 repeat ：合并关于相对互连性和相对接近性而言，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 、MST B、OPOSSUM C 、Chameleon D、Jarvis Patrick（JP）74. 考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同的类，因为这两个对象一般不会共享许多近邻，所以应该选择（ D ）的相似度计算方法。 A 、平方欧几里德距离
29、B、余弦距离 C、直接相似度 D、共享最近邻75. 以下属于可伸缩聚类算法的是（A ） 。A、CURE B、 DENCLUE C 、CLIQUE D、OPOSSUM 76. 以下哪个聚类算法不是属于基于原型的聚类（ D ） 。 A 、模糊 c 均值 B、EM算法 C、SOM D、CLIQUE 77. 关于混合模型聚类算法的优缺点，下面说法正确的是（ B ） 。 A 、当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。 B 、混合模型比K均值或模糊c 均值更一般，因为它可以使用各种类型的分布。 C 、混合模型很难发现不同大小和椭球形状的簇。 D 、混合模型在有噪声和离群点时不
30、会存在问题。78. 以下哪个聚类算法不属于基于网格的聚类算法（ D ） 。A、STING B、WaveCluster C、 MAFIA D、BIRCH 79. 一个对象的离群点得分是该对象周围密度的逆。这是基于（ C ）的离群点定义。 A 概率 B、邻近度 C、密度 D、聚类80. 下面关于 Jarvis Patrick（JP）聚类算法的说法不正确的是（ D ） 。 A 、JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。 B 、JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇。 C 、JP聚类是基于SNN相似度的概念。 D 、JP聚类的基本时间复杂度为O(m)。二
31、、多选题1. 通过数据挖掘过程所推倒出的关系和摘要经常被称为：(A B) A. 模型 B. 模式 C. 模范 D. 模具2 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 B C D) 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名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 14 页 - - - - - - - - - D. 决定用什
32、么样的数据管理原则以高效地实现算法。3. 数据挖掘的预测建模任务主要包括哪几大类问题？ (A B) A. 分类 B. 回归 C. 模式发现 D. 模式匹配4. 数据挖掘算法的组件包括：(AB C D) A. 模型或模型结构 B. 评分函数 C. 优化和搜索方法 D. 数据管理策略5. 以下哪些学科和数据挖掘有密切联系？(A D) A. 统计 B. 计算机组成原理 C. 矿产挖掘 D. 人工智能6. 在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各种方法有： ( ) A忽略元组 C使用一个全局常量填充空缺值B 使用属性的平均值填充空缺值 D使用与给定元组属同一类的所有样本的
33、平均值 E使用最可能的值填充空缺值7. 下面哪些属于可视化高维数据技术 ( ) A 矩阵 B 平行坐标系 C星形坐标 D 散布图 E Chernoff脸8. 对于数据挖掘中的原始数据，存在的问题有： ( ) A 不一致 B重复 C 不完整 D 含噪声 E 维度高9. 下列属于不同的有序数据的有：( ) A 时序数据 B 序列数据 C时间序列数据 D事务数据 E空间数据10. 下面属于数据集的一般特性的有：( B C D) A 连续性 B 维度 C稀疏性 D 分辨率 E 相异性11. 下面属于维归约常用的线性代数技术的有： (A C) A 主成分分析 B 特征提取 C 奇异值分解 D 特征加权
34、E 离散化12. 下面列出的条目中，哪些是数据仓库的基本特征： (ACD) A. 数据仓库是面向主题的 B. 数据仓库的数据是集成的C. 数据仓库的数据是相对稳定的 D. 数据仓库的数据是反映历史变化的E. 数据仓库是面向事务的13. 以下各项均是针对数据仓库的不同说法，你认为正确的有（BCDE ） 。A数据仓库就是数据库B数据仓库是一切商业智能系统的基础C数据仓库是面向业务的，支持联机事务处理（OLTP ）D数据仓库支持决策而非事务处理E数据仓库的主要目标就是帮助分析，做长期性的战略制定14. 数据仓库在技术上的工作过程是： (ABCD) A. 数据的抽取 B. 存储和管理 C. 数据的表现
35、D. 数据仓库设计 E. 数据的表现15. 联机分析处理包括以下哪些基本分析功能？ (BCD) A. 聚类 B. 切片 C. 转轴 D. 切块 E. 分类16. 利用 Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3 的候选 3- 项集，在候选2-项集中需要剪枝的是（BD ）ID 项集1 面包、牛奶2 面包、尿布、啤酒、鸡蛋3 牛奶、尿布、啤酒、可乐4 面包、牛奶、尿布、啤酒名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共
36、 14 页 - - - - - - - - - 5 面包、牛奶、尿布、可乐A、啤酒、尿布 B、啤酒、面包 C 、面包、尿布 D 、啤酒、牛奶17. 下表是一个购物篮，假定支持度阈值为40% ，其中 _(A D)_ 是频繁闭项集。TID 项1 abc 2 abcd 3 bce 4 acde 5 de A、abc B 、ad C、cd D 、de 18. Apriori算法的计算复杂度受_(ABCD)?_影响。A、支持度阀值 B、项数（维度）C、事务数 D、事务平均宽度19. 非频繁模式 _(AD)_ A、其支持度小于阈值 B、都是不让人感兴趣的C、包含负模式和负相关模式 D、对异常数据项敏感20
37、. 以下属于分类器评价或比较尺度的有: A,预测准确度 B, 召回率 C, 模型描述的简洁度D,计算复杂度 (ACD) 21. 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（ turepositive rate,TPR） (ABCD) 22. 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（AB ）23. 如下哪些不是最近邻分类器的特点，A,它使用具体的训练实例进行预测，不必
38、维护源自数据的模型 B, 分类一个测试样例开销很大C,最近邻分类器基于全局信息进行预测 D, 可以生产任意形状的决策边界 (C) 24. 如下那些不是基于规则分类器的特点，A,规则集的表达能力远不如决策树好 B, 基于规则的分类器都对属性空间进行直线划分，并将类指派到每个划分 C, 无法被用来产生更易于解释的描述性模型 D, 非常适合处理类分布不平衡的数据集（AC ）25. 以下属于聚类算法的是（ABD ） 。 A 、K均值 B、DBSCAN C 、 Apriori D、Jarvis-Patrick（JP）26. （ CD ）都属于簇有效性的监督度量。 A 、轮廓系数 B、共性分类相关系数 C
39、、熵 D、F 度量27. 簇有效性的面向相似性的度量包括（ BC ） 。 A 、精度 B、Rand 统计量 C、Jaccard 系数 D、召回率28. （ ABCD ）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29. 在聚类分析当中， （ AD ）等技术可以处理任意形状的簇。 A 、MIN （单链） B、MAX （全链） C、组平均 D、Chameleon 30. （ AB ）都属于分裂的层次聚类算法。 A 、二分 K均值 B、MST C、 Chameleon D、组平均1. 数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述
40、数据、预测数名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 14 页 - - - - - - - - - 据等任务。 ( 对) 2. 数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。（对）3. 图挖掘技术在社会网络分析中扮演了重要的角色。（对）4. 模式为对数据集的全局性总结，它对整个测量空间的每一点做出描述；模型则对变量变化空间的一个有限区域做出描述。（错）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。（错）6. 离群点可
41、以是合法的数据对象或者值。（对）7. 离散属性总是具有有限个值。（错）8. 噪声和伪像是数据错误这一相同表述的两种叫法。（错）9. 用于分类的离散化方法之间的根本区别在于是否使用类信息。（对）10. 特征提取技术并不依赖于特定的领域。（错）11. 序列数据没有时间戳。（对）12. 定量属性可以是整数值或者是连续值。（对）13. 可视化技术对于分析的数据类型通常不是专用性的。（错）14. DSS 主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。（对）15. OLAP 技术侧重于把数据库中的数据进行分析、转换成辅助决策信息，是继数据库技术发展之后迅猛发展起来的一种新技术。（对）16. 商业智
42、能系统与一般交易系统之间在系统设计上的主要区别在于：后者把结构强加于商务之上，一旦系统设计完毕，其程序和规则不会轻易改变；而前者则是一个学习型系统，能自动适应商务不断变化的要求。（对）17. 数据仓库中间层OLAP服务器只能采用关系型OLAP （错）18数据仓库系统的组成部分包括数据仓库，仓库管理，数据抽取，分析工具等四个部分. ( 错) 19. Web数据挖掘是通过数据库仲的一些属性来预测另一个属性,它在验证用户提出的假设过程中提取信息. （错）21. 关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。（错）22. 利用先验原理可以帮助减少频繁项集产生时需要探查的候选项个数（对）。2
43、3. 先验原理可以表述为：如果一个项集是频繁的，那包含它的所有项集也是频繁的。（错24. 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。 （对）25. 具有较高的支持度的项集具有较高的置信度。（错）26. 聚类（ clustering）是这样的过程：它找出描述并区分数据类或概念的模型( 或函数 ) ，以便能够使用模型预测类标记未知的对象类。（错）27. 分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。( 对) 28. 对于 SVM 分类算法， 待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。 （对）29.
44、 Bayes 法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。 (错) 30. 分类模型的误差大致分为两种：训练误差（training error ） 和泛化误差 （generalization error ）. (对) 31. 在决策树中， 随着树中结点数变得太大，即使模型的训练误差还在继续减低，但是检验误差开始增大，这是出现了模型拟合不足的问题。（错）32. SVM是这样一个分类器，他寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器（ minimal margin classifier） (错) 名师资料总结 - - -精品资
45、料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 14 页 - - - - - - - - - 33. 在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。（错）34. 聚类分析可以看作是一种非监督的分类。（对）35. K 均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。（错36. 给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。 （错）37. 基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。（对）38. 如果一个对象不
46、强属于任何簇，那么该对象是基于聚类的离群点。（对）39. 从点作为个体簇开始， 每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。 （错）40. DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。（对）普加搜索引擎面试题：一、基本问答题：1. 冒泡和插入排序哪个快？快多少？一样快（如果插入排序指的是直接插入排序的话）一样快（如果插入排序指的是折半插入排序的话）一样快（如果插入排序指的是二路插入排序的话）一样快（如果插入排序指的是表插入排序的话）插入排序快（如果插入排序指的是希尔插入排序的话）理论上快O （n2） O（n1.3 ） 。2. 请说明冒泡排序和插入排序的序列应用何种数据
47、结构储存更好？分别对应着STL 中哪个Tempelate? 冒泡排序用数组比较好，对应着template中的 vector ；插入排序用链表比较好，对应着template中的 deque。3. 在只有命令行的条件下，你喜欢怎样调试程序？在 linux平台下下用gcc 进行编译， 在 windows 平台下用cl.exe进行编译， 用 make工具根据目标文件上一次编译的时间和所依赖的源文件的更新时间自动判断应当编译哪些源文件，提高程序调试的效率。4. 数据的逻辑存储结构（如数组，队列，树等）对于软件开发具有十分重要的影响，试对你所了解的各种存储结构从运行速度、存储效率和适用场合等方面进行简要地
48、分析。运行速度存储效率适用场合数组快高比较适合进行查找操作，还有像类似于矩阵等的操作链表较快较高比较适合增删改频繁操作，动态的分配内存队列较快较高比较适合进行任务类等的调度栈一般较高比较适合递归类程序的改写二叉树（树）较快一般一切具有层次关系的问题都可用树来描述图一般一般除了像最小生成树、最短路径、拓扑排序等经典用途。还被用于像神经网络等人工智能领域等等。5. 什么是分布式数据库？分布式数据库系统是在集中式数据库系统成熟技术的基础上发展起来的，但不是简单地把集中式数据库分散地实现，它具有自己的性质和特征。集中式数据库系统的许多概念和技术，名师资料总结 - - -精品资料欢迎下载 - - - -
49、 - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 11 页，共 14 页 - - - - - - - - - 如数据独立性、 数据共享和减少冗余度、并发控制、完整性、安全性和恢复等在分布式数据库系统中都有了不同的、更加丰富的内容。6. 写一段代码判断一个单向链表中是否有环。给出如下结构struct node struct*next; ; typedef stuct node Node；算法说明： 初始化两个指针，一个每次后移1 个，一个后移2 个。当第一个指针追上第二个指针时候就说明有环！intfind_circle(Node* sll)
50、list fast = sll; list slow = sll; if (NULL = fast) return -1; while (fast & fast-next) fast = fast-next-next; slow = slow-next; if (fast = slow) return 1; return 0; 7. 谈谈 HashMap和 Hashtable 的区别 ? （1） HashTable 的方法是同步的， HashMap未经同步，所以在多线程场合要手动同步HashMap这个区别就像Vector 和 ArrayList一样。（2） HashTable 不允许 null