loadingA、分类器 B、聚类算法 C、关联分析算法 D、特征选择算法 67. 检测一元正态分布中的离群点，属于异常检测中的基于（ A ）的离群点检测。 A、统计方法 B、邻近度 C、密度 D、聚类技术
68.（ C ）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。 A、MIN（单链） B、MAX（全链） C、组平均 D、Ward方法
69.（ D ）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。 A、MIN（单链） B、MAX（全链） C、组平均 D、Ward方法 70. DBSCAN在最坏情况下的时间复杂度是（ B ）。
A、O(m) B、O(m2) C、O(log m) D、O(m*log m)
71. 在基于图的簇评估度量表里面，如果簇度量为proximity(Ci , C)，簇权值为mi ，那么它的类型是（ C ）。 A、基于图的凝聚度 B、基于原型的凝聚度 C、基于原型的分离度 D、基于图的凝聚度和分离度 72. 关于K均值和DBSCAN的比较，以下说法不正确的是（ A ）。 A、K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。 B、K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。
C、K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇。 D、K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇。
73. 以下是哪一个聚类算法的算法流程：①构造k－最近邻图。②使用多层图划分算法划分图。③repeat：合并关于相对互连性和相对接近性而言，最好地保持簇的自相似性的簇。④until：不再有可以合并的簇。（ C ）。 A、MST B、OPOSSUM C、Chameleon D、Jarvis－Patrick（JP）
74. 考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同的类，因为这两个对象一般不会共享许多近邻，所以应该选择（ D ）的相似度计算方法。
A、平方欧几里德距离 B、余弦距离 C、直接相似度 D、共享最近邻 75. 以下属于可伸缩聚类算法的是（ A ）。
A、CURE B、DENCLUE C、CLIQUE D、OPOSSUM 76. 以下哪个聚类算法不是属于基于原型的聚类（ D ）。 A、模糊c均值 B、EM算法 C、SOM D、CLIQUE 77. 关于混合模型聚类算法的优缺点，下面说法正确的是（ B ）。
A、当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。 B、混合模型比K均值或模糊c均值更一般，因为它可以使用各种类型的分布。 C、混合模型很难发现不同大小和椭球形状的簇。 D、混合模型在有噪声和离群点时不会存在问题。 78. 以下哪个聚类算法不属于基于网格的聚类算法（ D ）。 A、STING B、WaveCluster C、MAFIA D、BIRCH
79. 一个对象的离群点得分是该对象周围密度的逆。这是基于（ C ）的离群点定义。 A．概率 B、邻近度 C、密度 D、聚类
80. 下面关于Jarvis－Patrick（JP）聚类算法的说法不正确的是（ D ）。 A、JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。 B、JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇。 C、JP聚类是基于SNN相似度的概念。 D、JP聚类的基本时间复杂度为O(m)。 三、 判断题
1. 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) 2. 数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。（对）3. 图挖掘技术在社会网络分析中扮演了重要的角色。（对）
4. 模式为对数据集的全局性总结，它对整个测量空间的每一点做出描述；模型则对变量变化空间的一个有限区域做出
描述。（错）
5. 寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。（错） 6. 离群点可以是合法的数据对象或者值。 （对） 7. 离散属性总是具有有限个值。 （错）
8. 噪声和伪像是数据错误这一相同表述的两种叫法。 （错） 9. 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） 10. 特征提取技术并不依赖于特定的领域。 （错） 11. 序列数据没有时间戳。 （对）
12. 定量属性可以是整数值或者是连续值。 （对）
13. 可视化技术对于分析的数据类型通常不是专用性的。 （错） 14. DSS主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。（对）
15. 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）
16. 商业智能系统与一般交易系统之间在系统设计上的主要区别在于：后者把结构强加于商务之上，一旦系统设计完毕，其程序和规则不会轻易改变；而前者则是一个学习型系统，能自动适应商务不断变化的要求。 （对） 17. 数据仓库中间层OLAP服务器只能采用关系型OLAP （错）
18．数据仓库系统的组成部分包括数据仓库，仓库管理，数据抽取，分析工具等四个部分. (错)
19. 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） 21. 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） 22. 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）。
23. 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
24. 如果规则 不满足置信度阈值，则形如 的规则一定也不满足置信度阈值，其中 是X的子集。（对） 25. 具有较高的支持度的项集具有较高的置信度。（错）
26. 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）
27. 分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。(对)
28. 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） 29. 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)
30.分类模型的误差大致分为两种：训练误差（training error）和泛化误差（generalization error）. (对) 31. 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）
32. SVM是这样一个分类器，他寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器（minimal margin classifier） (错)
33. 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） 34. 聚类分析可以看作是一种非监督的分类。（对）
35. 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
36. 给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。（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. 从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。（错）40. DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。（对） 二. 简答题
1. 预测与分类的区别是什么?
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
2. 数据分类由哪几步过程组成?
第一步，建立一个模型，描述指定的数据类集或概念集；第二步，使用模型进行分类。 3. ID3算法的核心是什么?
在决策树各级节点上选择属性时，用信息增益作为属性的选择标准，以使得在每一个叶节点进行测试时能获得关于被测试记录最大的类别信息。
4. 为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类的主要思想。
① 朴素贝叶斯分类假定一个属性值对给定类的影响独立于其它属性的值。该假定称作类条件独立。做此假定是为了简化所需计算，并在此意义下称为“朴素的”。
② 设为一个类别未知的数据样本，H为某个假设，若数据样本X属于一个特定的类别C，分类问题就是决定P（H|X），即在获得数据样本X时假设成立的概率。 5. 神经网络的优点和缺点分别是什么?
优点：其对噪音数据的高承受能力，以及它对未经过训练的数据的分类能力。 缺点：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。 6. 典型的数据挖掘系统主要由哪几部分组成？
数据库，数据仓库或其他信息库；数据库或数据仓库服务器；知识库；数据挖掘引擎；图形用户界面 7. OLAP与OLTP的全称分别是什么？它们两者之间的区别是什么？
联机事务处理OLTP (on-line transaction processing)；联机分析处理OLAP (on-line analytical processing)； OLTP和OLAP的区别：
用户和系统的面向性:OLTP面向顾客，而OLAP面向市场； 数据内容：OLTP系统管理当前数据，而OLAP管理历史的数据；
数据库设计：OLTP系统采用实体-联系（ER)模型和面向应用的数据库设计，而OLAP系统通常采用星形和雪花模型； 视图：OLTP系统主要关注一个企业或部门内部的当前数据，而OLAP 系统主要关注汇总的统一的数据；
访问模式：OLTP访问主要有短的原子事务组成，而OLAP系统的访问大部分是只读操作，尽管许多可能是复杂的查询。 8. 数据仓库与数据集市的区别是什么？
数据仓库收集了关于整个组织的主题信息，因此是企业范围的。对于数据仓库，通常使用星座模式，因为它能对多个相关的主题建模；
数据集市是数据仓库的一个部门子集，它针对选定的主题，因此是部门范围的。对于数据集市，流行星型或雪花模式，因为它们都适合对单个主题建模。 9. 不完整数据的产生原因有哪些？ (1)有些属性的内容有时没有 (2)有些数据当时被认为是不必要的
(3)由于误解或检测设备失灵导致相关数据没有记录下来 (4)与其他记录内容不一致而被删除 (5)历史记录或对数据的修改被忽略了。 10. 噪声数据的产生原因有哪些？ (1)数据采集设备有问题
(2)在数据录入过程中发生了人为或计算机错误 (3)数据传输过程中发生错误
(4)由于命名规则或数据代码不同而引起的不一致。 11. 对遗漏数据有哪些处理方法?
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。 12. 数据消减的主要策略有哪些？
数据立方合计；维数消减；数据压缩；数据块消减；离散化与概念层次生成。 13.数据源对象可以创建几种不同的安全认证选项？
4种：使用特定用户名和密码；使用服务账户；使用当前用户的凭据；默认值。 14.数据挖掘对聚类的典型要求有哪些？
可伸缩性；处理不同类型属性的能力；发现任意形状的聚类；用于决定输入参数的领域知识最小化；处理“噪声”数据的能力；对于输入记录的顺序不敏感；高维度；基于约束的聚类。 15.简述下列聚类算法
划分方法：给定一个n个对象或元组的数据库，一个划分方法构造数据的k个划分，每个划分表示一个聚类，并且k< n。
层次方法：对给定数据对象集合进行层次的分解。
基于密度的方法：只要是临近区域的密度超过某个阀值，就继续聚类。 基于网格的方法：把对象空间量化为有限数目的单元。
基于模型的方法：试图优化给定的数据和某些数学模型之间的适应性。 三. 计算题
1. 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）：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70 (a)使用按箱平均值平滑对以上数据进行平滑，箱的深度为3。 (b)使用按箱边界值平滑对以上数据进行平滑，箱的深度为3。 例题如下操作：
* price 的排序后数据(美元): 4, 8, 9, 15, 21, 21, 24, 25, 26, 28,
29, 34
- 箱 1: 4, 8, 9, 15 - 箱2: 21, 21, 24, 25 - 箱3: 26, 28, 29, 34
* 划分为（等深的）箱:
* 用箱平均值平滑:
- 箱 1: 9, 9, 9, 9
2. 使用以下age数据：
13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70 ，回答以下问题： (a)使用min-max规范化，将age值35转换到[0.0,1.0]区间。
(b)使用z-score规范化转换age值35，其中，age的标准偏差为12.94年。 (c)使用小数定标规范化转换age值35。 (d)画一个宽度为10的等宽的直方图。 例题如下操作： 1. 大最小规格化：
规格化对原始数据进行线性变换。
假定min A和max A分别为属性A的最小和最大值，最大最小规格化方法通过计算将A的值v映射到区间[new _minA，new _max A]中的v’。
- 箱 2: 23, 23, 23, 23 - 箱 3: 29, 29, 29, 29 - Bin 1: 4, 4, 4, 15 - Bin 2: 21, 21, 25, 25 - Bin 3: 26, 26, 26, 34
* 用箱边界值平滑: