大数据挖掘考精彩试题库

《大数据挖掘考精彩试题库》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、标准文案一、填空题1.Web挖掘可分为　　、　　和　　3大类。2.数据仓库需要统一数据源，包括统一　　、统一　　、统一　　和统一数据特征4个方面。3.数据分割通常按时间、　　、　　、　　以及组合方法进行。4.噪声数据处理的方法主要有　　、　　和　　。5.数值归约的常用方法有　　、　　、　　、　　和对数模型等。6.评价关联规则的2个主要指标是　　和　　。7.多维数据集通常采用　　或雪花型架构，以　　表为中心，连接多个　　表。8.决策树是用　　作为结点，用　　作为分支的树结构。9.关联可分为简单关联、　　和　　。10.BP神经网络的作用函数通常为　　区间的　　。11.数

2、据挖掘的过程主要包括确定业务对象、　　、　　、　　及知识同化等几个步骤。12.数据挖掘技术主要涉及　　、　　和　　3个技术领域。13.数据挖掘的主要功能包括　　、　　、　　、　　、趋势分析、孤立点分析和偏差分析7个方面。14.人工神经网络具有　　和　　等特点，其结构模型包括　　、　　和自组织网络3种。15.数据仓库数据的4个基本特征是　　、　　、非易失、随时间变化。16.数据仓库的数据通常划分为　　、　　、　　和　　等几个级别。17.数据预处理的主要内容(方法)包括　　、　　、　　和数据归约等。18.平滑分箱数据的方法主要有　　、　　和　　。19.数据挖掘发现知识的

3、类型主要有广义知识、　　、　　、　　和偏差型知识五种。20.OLAP的数据组织方式主要有　　和　　两种。21.常见的OLAP多维数据分析包括　　、　　、　　和旋转等操作。22.传统的决策支持系统是以　　和　　驱动，而新决策支持系统则是以　　、建立在　　和　　技术之上。大全标准文案1.OLAP的数据组织方式主要有　　和　　2种。2.SQLServer2000的OLAP组件叫　　，OLAP操作窗口叫　　。3.BP神经网络由　　、　　以及一或多个　　结点组成。4.遗传算法包括　　、　　、　　3个基本算子。5.聚类分析的数据通常可分为区间标度变量、　　、　　、　　、序数型以

4、及混合类型等。6.聚类分析中最常用的距离计算公式有　　、　　、　　等。7.基于划分的聚类算法有　　和　　。8.Clementine的工作流通常由　　、　　和　　等节点连接而成。9.简单地说，数据挖掘就是从　　中挖掘　　的过程。10.数据挖掘相关的名称还有　　、　　、　　等。二、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型实例。(　)3.等深分箱法使每个箱子的记录个数相同。(　)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轴表示事实数据。(　)6.决策树方法通常用于关联规则挖掘。(　)7

5、.ID3算法是决策树方法的早期代表。(　)8.C4.5是一种典型的关联规则挖掘算法。(　)9.回归分析通常用于挖掘关联规则。(　)10.人工神经网络特别适合解决多参数大复杂度问题。(　)11.概念关系分析是文本挖掘所独有的。(　)12.可信度是对关联规则的准确度的衡量。(　)13.孤立点在数据挖掘时总是被视为异常、无用数据而丢弃。(　)14.SQLServer2000不提供关联规则挖掘算法。(　)15.Clementine是IBM公司的专业级数据挖掘软件。大全标准文案(　)1.决策树方法特别适合于处理数值型数据。(　)2.数据仓库的数据为历史数据，从来不需要更新。(

6、　)3.等宽分箱法使每个箱子的取值区间相同。(　)4.数据立方体是广义知识发现的方法和技术之一。(　)5.数据立方体的其中一维用于记录事实数据。(　)6.决策树通常用于分类与预测。(　)7.Apriori算法是一种典型的关联规则挖掘算法。(　)8.支持度是衡量关联规则重要性的一个指标。(　)9.SQLServer2000集成了OLAP，但不具有数据挖掘功能。(　)10.人工神经网络常用于分类与预测。一、名词解释1.数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信

7、息。2.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。3.OLAP：OLAP是在OLTP的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。4.粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。5.数据规范化：指将数据按比例缩放(如更换大单位)，使之落入一个特定的区域（如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值