-
A.地址 C.情绪
B.行为 D.来源
70) 通过数据收集和展示数据背后的（ D ）,运用丰富的、具有互动性的可视化手段,
数据新闻学成为新闻学作为一门新的分支进入主流媒体,即用数据报道新闻。 A.数据收集 C.真相
B.数据挖掘
D. 关联与模式
71) CRISP-DM 模型中Evaluation表示对建立的模型进行评估,重点具体考虑得出的结果是
否符合（ C ）的商业目的。 A.第二步 C.第一步
B.第三步 D.最后一步
72) 发现关联规则的算法通常要经过以下三个步骤：连接数据,作数据准备；给定最小支持
度和（ D ）,利用数据挖掘工具提供的算法发现关联规则；可视化显示、理解、评估关联规则 A. 最小兴趣度 C. 最大支持度
B. 最小置信度 D. 最小可信度
73) 规则I->j,“有可能”,等于所有包含I的购物篮中同时包含J的购物篮的比例,为
（ B ）。 A. 置信度 C. 兴趣度
B.可信度
D. 支持度
74) 如果一个匹配中,任何一个节点都不同时是两条或多条边的端点,也称作（ C ）
A. 极大匹配 C完美匹配
B.二分匹配 D.极小匹配
75) 只要具有适当的政策推动,大数据的使用将成为未来提高竞争力、生产力、创新能力以
及（ D ）的关键要素。 A.提高消费
B.提高GDP
C.提高生活水平 D. 创造消费者盈余
76) 个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助
（ D ）为其顾客购物提供完全个性化的决策支持和信息服务。 A.公司
B.各单位
欢迎下载 11
-
C.跨国企业 D. 电子商务网站
77) 云计算是对（ D ）技术的发展与运用
A.并行计算 B.网格计算 C.分布式计算 D.三个选项都是
78) （ B ）是Google提出的用于处理海量数据的并行编程模式和大规模数据集的并行运
算的软件架构。
A.GFS B.MapReduce C.Chubby D.BitTable
79) 在Bigtable中，（ A ）主要用来存储子表数据以及一些日志文件
A. GFS B. Chubby C.SSTable D.MapReduce
二、判断题（共40题）
1) 分类是预测数据对象的离散类别，预测是用于数据对象的连续取值。 (对)
2) 时序预测回归预测一样，也是用已知的数据预测未来的值，但这些数据的区别是变量所
处时间的不同。(错)
3) 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数据、预测数
据等任务。 (对)
4) 对遗漏数据的处理方法主要有：忽略该条记录；手工填补遗漏值；利用默认值填补遗漏
值；利用均值填补遗漏值；利用同类别均值填补遗漏值；利用最可能的值填充遗漏值。(对)
5) 神经网络对噪音数据具有高承受能力，并能对未经过训练的数据具有分类能力，但其需
要很长的训练时间，因而对于有足够长训练时间的应用更合适。(对)
6) 数据分类由两步过程组成：第一步，建立一个聚类模型，描述指定的数据类集或概念集；
第二步，使用模型进行分类。(错)
7) 聚类是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程。 (对) 8) 决策树方法通常用于关联规则挖掘。 (错)
9) 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-均值规范化、
欢迎下载 12
-
小数定标规范化。(对)
10) 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。(对)
11) 数据取样时，除了要求抽样时严把质量关外，还要求抽样数据必须在足够范围内有代表
性。(对)
12) 分类规则的挖掘方法通常有：决策树法、贝叶斯法、人工神经网络法、粗糙集法和遗传
算法。(对)
13) 可信度是对关联规则的准确度的衡量。 (错)
14) 孤立点在数据挖掘时总是被视为异常、无用数据而丢弃。 (错) 15) Apriori算法是一种典型的关联规则挖掘算法。 (对)
16) 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） 17) 特征提取技术并不依赖于特定的领域。 （错）
18) 模型的具体化就是预测公式，公式可以产生与观察值有相似结构的输出，这就是预测值。
（对）
19) 文本挖掘又称信息检索，是从大量文本数据中提取以前未知的、有用的、可理解的、可
操作的知识的过程。 （错）
20) 定量属性可以是整数值或者是连续值。 （对）
21) 可视化技术对于分析的数据类型通常不是专用性的。 （错）
22) 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）
23) 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）
24) 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） 25) 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） 26) 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） 27) 回归分析通常用于挖掘关联规则。（错）
28) 具有较高的支持度的项集具有较高的置信度。（错）
欢迎下载 13
-
29) 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。（对）
30) 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）
31) 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）
32) 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)
33) 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）
34) 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） 35) 聚类分析可以看作是一种非监督的分类。（对）
36) 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 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) 如果一个对象不强属于任何簇，那么该对象是基于聚类的离群点。（对） 39) 大数据的4V特点是Volume、Velocity、Variety、Veracity。（对）
40) 聚类分析的相异度矩阵是用于存储所有对象两两之间相异度的矩阵，为一个nn维的单
模矩阵。（对）
三、多选题（共30题）
1) 噪声数据的产生原因主要有：（ABCD）
A. 数据采集设备有问题
B. 在数据录入过程中发生了人为或计算机错误 C. 数据传输过程中发生错误
D. 由于命名规则或数据代码不同而引起的不一致
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出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.选择一个算法过程使评分函数最优
B.决定如何量化和比较不同表示拟合数据的好坏
欢迎下载 14
C.决定要使用的表示的特征和结构
D.决定用什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. 聚类 D. 关联规则挖掘
4) 下列属于不同的有序数据的有：(A B C D)
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
5) 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
6）下面属于维归约常用的处理技术的有： (A C)
A.主成分分析 B.特征提取 C.奇异值分解 D.特征加权 E.离散化
7） 噪声数据处理的方法主要有：（ ABD ）
A.分箱 B.聚类 C.关联分析 D.回归
8） 数据挖掘的主要功能包括概念描述、趋势分析、孤立点分析及（A.挖掘频繁模式 B.分类和预测
欢迎下载
-
）等方面。
15
ABCD
《大数据时代下的数据挖掘》试题和答案及解析
