企业的数据挖掘测试题

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. 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)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

C. 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？

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？

A. 分类

B. 聚类

C. 关联分析

D. 隐马尔可夫链

5. 什么是KDD？

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. 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. 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？

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？

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. 根据内容检索

B. 建模描述

C. 预测建模

D. 寻找模式和规则

10.下面哪种不属于数据预处理的方法？

A变量代换

B离散化

C聚集

D估计遗漏值

11.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？

A 第一个

B 第二个

C 第三个

D 第四个

12.上题中，等宽划分时（宽度为50），15又在哪个箱子里？

A 第一个

B 第二个

C 第三个

D 第四个

13.下面哪个不属于数据的属性类型：

A 标称

B 序数

C 区间

D相异

14. 在上题中，属于定量的属性类型是：

A 标称

B 序数

C 区间

D 相异

15. 只有非零值才重要的二元属性被称作：

A 计数属性

B 离散属性

C非对称的二元属性

D 对称属性

16. 以下哪种方法不属于特征选择的标准方法：

A 嵌入

B 过滤

C 包装

D 抽样

17.下面不属于创建新属性的相关方法的是：

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

18. 考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是

A 2

B 3

C 3.5

D 5

19.下面哪个属于映射数据到新的空间的方法？

A 傅立叶变换

B 特征加权

C 渐进抽样

D 维归约

20.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：

A 1比特

B 2.6比特

C 3.2比特

D 3.8比特

21.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：

A 0.821

B 1.224

C 1.458

D 0.716

22.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 18.3

B 22.6

C 26.8

D 27.9

23. 考虑值集{12 24 33 2 4 55 68 26}，其四分位数极差是：

A 31

B 24

C 55

D 3

24. 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 一年级

B二年级

C 三年级

D 四年级

25. 下列哪个不是专门用于可视化时间空间数据的技术：

A 等高线图

B 饼图

C 曲面图

D 矢量场图

26. 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：

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

27. 数据仓库是随着时间变化的,下面的描述不正确的是

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.

28. 关于基本数据的元数据是指:

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.

29. 下面关于数据粒度的描述不正确的是:

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.

30. 有关数据仓库的开发特点,不正确的描述是:

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

答案在此：

1-5 A A C B A

6-10 A B C A D

11-15 B A D C C

16-20 D B C A B

21-25 D A A A B

26-30 D C D C A

---

作者：海量大数据实践；转自：中国统计网