数据挖掘考试题库.pdf

《数据挖掘考试题库.pdf》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、。1.何谓数据挖掘？它有哪些方面的功能？从大量的、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、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。相关的名称有知识发现、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、孤立点分析以及偏差分析等。2.何谓粒度？它对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

2、题的细节程度。按粒度组织数据的方式主要有：①简单堆积结构②轮转综合结构③简单直接结构④连续结构3.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，其主要内容包括：界定系统边界和确定主要的主题域。逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。在物理数据模型设计时主要考虑的因素有:I/O存取时间、空间利用率和维护代价等。提高性能的主

3、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。4.在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。5.简述数据预处理方法和内容。①数据清洗

4、：包括填充空缺值，识别孤立点，去掉噪声和无关数据。②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。③数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。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，并且能够得到和原始数据相同的分析结果。6.简述数据清理的基本内容。①尽可能赋予属性名和属性值明确的含义；②统一多数据源的属性值编码；③去除无用的惟一属性或键值(如自

5、动增长的id)；④去除重复属性(在某些分析中，年龄和出生日期可能就是重复的属性，但在某些时候它们可能又是同时需要的)⑤去除可忽略字段(大部分为空值的属性一般是没有什么价值的，如果不去除可能造成错误的数据挖掘结果)⑥合理选择关联字段(对于多个关联性较强的属性，重复无益，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、丢失值和处理不一致数据。7.简述处理空缺值的方法。①忽略该记录；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预测最可能的值。

6、8.常见的分箱方法有哪些？数据平滑处理的方法有哪些？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。1。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。9.何谓数据规范化？规范化的方法有哪些？写出对应的变换公式。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0.0～1.0），称为规范化。规范化的常用方法有：(1)最大－最小规范化：maxminx(xmin)min(maxmin)00(2)零－均值规范化：x00Xx0X(3)小数定标规范化：x＝x

7、/10α010.数据归约的方法有哪些？为什么要进行维归约？①数据立方体聚集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，从而减少数据挖掘处理的数据量，提高挖掘效率。11.何谓聚类？它与分类有什么异同？聚类是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类与分类不同，聚类要划分的类是未知的，分类则可按已知规则进行；聚类是一种无指导学习，它不依赖预先定义的类和带类标号的训练实例，

8、属于观察式学习，分类则属于有指导的学习，是示例式学习。12.举例说明聚类分析的典型应用。①商业：帮助市场分析人员从客户基本库中发现不同的客户群，并且用不同的购买模式描述不同客户群的特征。②生物学：推导植物或动物的分类，对基于进行分类，获得对种群中固有结构的认识。③WEB文档分类④其他：如地球观测数据库中相似地区的确定；各类保险投保人的分组；一个城市中不同类型