《海量数据挖掘技术及工程实践》题目
一、单选题（共80题）
1) ( D )的目的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。
A.数据清洗 B.数据集成 C.数据变换 D.数据归约
2) 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
3) 以下两种描述分别对应哪两种对分类算法的评价标准 (A)
(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
4) 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
5) 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
6) 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 7) 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
8) 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 9) 下面哪个不属于数据的属性类型：(D)
A.标称 B.序数 C.区间 D.相异 10) 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
11) 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
12) 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 13) 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
14) 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income的73600元将被转化为：(D)
15) 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
16) 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
17) 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
18) 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
19) 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,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 20) 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 21) 关于OLAP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)
22) 关于OLAP和OLTP的区别描述,不正确的是: (C)
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 的特点在于事务量大,但事务内容比较简单且重复率高
是以数据仓库为基础的,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
23) 关于OLAP和OLTP的说法,下列不正确的是: (A)
事务量大,但事务内容比较简单且重复率高 的最终数据来源与OLTP不一样 面对的是决策人员和高层管理人员 以应用为核心,是应用驱动的
24) 设X={1，2，3}是频繁项集，则可由X产生( C )个关联规则。
25) 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,由候选产生过程得到4-项集不包含（ C ） ,2,3,4 ,2,3,5 ,2,4,5 ,3,4,5
26) 下面选项中t不是s的子序列的是 ( C )
=<{2,4},{3,5,6},{8}> t=<{2},{3,6},{8}> =<{2,4},{3,5,6},{8}> t=<{2},{8}> =<{1,2},{3,4}> t=<{1},{2}> =<{2,4},{2,4}> t=<{2},{4}>
27) 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
28) 下列度量不具有反演性的是 (D)
A.系数 B.几率 度量 D.兴趣因子
29) 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
30) 下面购物蓝能够提取的3-项集的最大数量是多少（C）
TID 1 2 3 4 5 6 7 8 9 10
31) 以下哪些算法是分类算法 （B）
32) 以下哪些分类方法可以较好地避免样本的不平衡问题（A）
D.神经网络
33) 决策树中不包含一下哪种结点 ( C )
A. 根结点（root node) B. 内部结点（internal node）
项集 牛奶,啤酒,尿布 面包,黄油,牛奶 牛奶,尿布,饼干 面包,黄油,饼干 啤酒,饼干,尿布 牛奶,尿布,面包,黄油 面包,黄油,尿布 啤酒,尿布 牛奶,尿布,面包,黄油 啤酒,饼干
大数据时代下的数据挖掘试题和答案及解析
