第一章 单元测试

1、单选题：
下列哪一项最准确地描述了数据挖掘的核心目标？（ ）。
选项：
A:从大规模数据中提取隐含的、新颖的、潜在有用的信息和模式。
B:设计高效的数据库存储结构以优化查询速度。
C:将原始数据转换为可视化图表，以便人工分析。
D:通过人工标注数据，训练高精度机器学习模型。
答案: 【从大规模数据中提取隐含的、新颖的、潜在有用的信息和模式。】

2、单选题：
主成分分析法是解决原始数据中存在的哪个问题的常用方法（ ）。
选项：
A:数据高维
B:数据不一致
C:数据异常
D:数据不平衡
答案: 【数据高维】

3、多选题：
CRISP-DM过程模型中，以下哪几项属于数据准备环节？（ ）
选项：
A:构造数据
B:集成数据
C:清洗数据
D:描述数据
E:选择数据
答案: 【构造数据;
集成数据;
清洗数据;
选择数据】

4、多选题：
关于数据挖掘的主要功能，以下哪些说法是正确的？（ ）
选项：
A:偏差检测用于识别数据中的离群点或异常行为。
B:关联规则可以发现数据中的频繁项集，如购物篮分析中的“啤酒与尿布”。
C:分类用于预测离散的目标变量，如判断邮件是否为垃圾邮件。
D:数据可视化是数据挖掘的核心功能之一，用于直接生成预测模型。
E:聚类是一种无监督学习方法，用于发现数据中的自然分组。
答案: 【偏差检测用于识别数据中的离群点或异常行为。;
关联规则可以发现数据中的频繁项集，如购物篮分析中的“啤酒与尿布”。;
分类用于预测离散的目标变量，如判断邮件是否为垃圾邮件。;
聚类是一种无监督学习方法，用于发现数据中的自然分组。】

5、判断题：
Fayyad过程模型从数据入手，到知识结束，是一个非闭环不可逆的过程。（ ）
选项：
A:对
B:错
答案: 【错】

第二章 单元测试

1、单选题：
在关联规则挖掘中，"置信度"衡量的是（ ）。
选项：
A:在前项出现的情况下后项出现的概率
B:前项和后项之间的相关性强度
C:规则中后项单独出现的概率
D:规则中前项和后项同时出现的概率
答案: 【在前项出现的情况下后项出现的概率】

2、单选题：
如果｛{麦片,酸奶,柚子}，{酸奶,西瓜,柚子}，{麦片,酸奶,西瓜}，{麦片,酸奶,樱桃}，{麦片,西瓜,柚子}｝为频繁三项集，则通过自连接并剪枝后的候选四项集有（ ）个。
选项：
A:1
B:3
C:2
D:4
答案: 【1】

3、多选题：
关于Apriori算法，以下哪些说法是正确的？（ ）
选项：
A:算法通过逐层搜索的迭代方法找出所有的频繁项集
B:Apriori算法基于"频繁项集的所有子集也必须是频繁的"这一先验性质
C:提高最小支持度阈值会减少生成的频繁项集数量
D:在候选项集生成时，需要对所有可能的项集组合进行支持度计算
答案: 【算法通过逐层搜索的迭代方法找出所有的频繁项集;
Apriori算法基于"频繁项集的所有子集也必须是频繁的"这一先验性质;
提高最小支持度阈值会减少生成的频繁项集数量】

4、多选题：
关于关联规则挖掘，以下哪些说法是正确的？（ ）
选项：
A:关联规则挖掘只能应用于购物篮分析，不能用于其他领域
B:提升度大于1表示前项和后项正相关
C:在超市购物分析中，"啤酒→尿布"和"尿布→啤酒"是两条不同的关联规则
D:置信度为1的规则一定是强关联规则
答案: 【提升度大于1表示前项和后项正相关;
在超市购物分析中，"啤酒→尿布"和"尿布→啤酒"是两条不同的关联规则】

5、判断题：
如果｛打印机、水笔、U盘｝是频繁项集，则｛打印机、U盘｝一定是频繁项集。（ ）
选项：
A:对
B:错
答案: 【对】

发表评论

电子邮件地址不会被公开。 必填项已用*标注