大學數據挖掘期末考試題【范本模板】

:號學:名姓班級業專院。學題試院試學考學末科期息期信學與季學春數年學4102—3102

-數據挖掘試卷3.數據挖掘的經典事例“啤酒與尿布試驗”最主若是應用了(）數據挖掘方法。--A分類B展望C關系規則解析D聚類-課程代碼：C0204413課程:數據挖掘A卷--4.關于K均值和DBSCAN的比較，以下說法不正確的選項是（)------一二三四五六七八九十總成績復核A。K均值拋棄被它鑒別為噪聲的對象,而DBSCAN一般聚類全部對象。-題目-----B。K均值使用簇的基于原型的觀點，DBSCAN使用基于密度的觀點。-得分-----C。K均值很難辦理非球形的簇和不同樣大小的簇，DBSCAN能夠辦理不同樣大小和不同樣形狀的簇-閱卷教師-----D。K均值能夠發現不是顯然分其他簇，即便簇有重疊也能夠發現，但是DBSCAN會合并有重疊的簇-線--5。以下關于Ward’sMethod說法錯誤的選項是：（）一、判斷題（每題1分，10分）-----A。對噪聲點和離群點敏感度比較小-1.從點作為個體簇開始，每一步合并兩個最湊近的簇，這是一種分裂的層次聚類方法。(）--B.善于辦理球狀的簇--2.數據挖掘的目標不在于數據收集策略,而在于對已經存在的數據進行模式的挖掘.（)----C.關于Ward方法,兩個簇的周邊度定義為兩個簇合并時致使的平方偏差--3.在聚類解析中間，簇內的相似性越大，簇間的差別越大，聚類的收效就越差。(）----D。當兩個點之間的周邊度取它們之間距離的平方時,Ward方法與組平均特別相似--4.當兩個點之間的周邊度取它們之間距離的平方時，Ward方法與組平均特別相似。（)----6.以下關于層次聚類存在的問題說法正確的選項是:(）--5.DBSCAN是相抗衡噪聲的,而且能夠辦理任意形狀和大小的簇。（）---A.擁有全局優化目標函數封6.屬性的性質不用與用來胸襟他的值的性質同樣。(）---B.GroupAverage善于辦理球狀的簇-7.全鏈對噪聲點和離群點很敏感。(）---C.能夠辦理不同樣大小簇的能力8.關于非對稱的屬性，只有非零值才是重要的。（）----D.Max對噪聲點和離群點很敏感--9.K均值能夠很好的辦理不同樣密度的數據。（）----7.以下關于凝聚層次聚類的說法中，說法錯誤的事:（)--10.單鏈技術善于辦理橢圓形狀的簇。(）----A。一旦兩個簇合并，該操作就不能夠撤掉---二、選擇題（每題2分，30分）---B.算法的停止條件是僅剩下一個簇---1.當不知道數據所帶標簽時,能夠使用哪一種技術促使帶同類標簽的數據與帶其余標簽的數據相分密2-C?？臻g復雜度為Om--離？（)-----D。擁有全局優化目標函數A。分類B。聚類C。關系解析D.主成分解析----2。(）將兩個簇的周邊度定義為不同樣簇的全部點對周邊度的平均值，它是一種凝聚層次聚類技8。規則{牛奶,尿布｝→｛啤酒}的支持度和置信度分別為：（)------術。------A.MIN(單鏈）B。MAX（全鏈)C.組平均D。Ward方法-----第-1-頁共3頁----TID項集{面包，牛奶｝｛面包，尿布,啤酒，雞蛋}{牛奶，尿布，啤酒，可樂｝{面包，牛奶，尿布，啤酒｝｛面包，牛奶,尿布，可樂｝A.0。4，0.4B。0。67，0.67C。0.4,0.67D。0。67，0.49.以下（）是屬于分裂層次聚類的方法。A.MinB.MaxC。GroupAverageD.MST10。對以下列圖數據進行凝聚聚類操作,簇間相似度使用MAX計算，第二步是哪兩個簇合并：（)A.在｛3}和｛l,2｝合并B。｛3｝和{4,5｝合并C。{2,3｝和｛4,5｝合并D.｛2，3}和{4，5}形成簇和{3｝合并11.將原始數據進行集成、變換、維度規約、數值規約是在以下哪個步驟的任務？( )A.頻頻模式挖掘B。分類和展望C。數據預辦理D.數據流挖掘12.決策樹中不包括一下哪一種結點(）A，根結點（rootnode)B，內部結點（internalnode）C,外面結點（externalnode）D，葉結點（leafnode）

A、分類和聚類都是有指導的學習B、分類和聚類都是無指導的學習C、分類是有指導的學習，聚類是無指導的學習D、分類是無指導的學習，聚類是有指導的學習15.下邊購物籃能夠提取的3—項集的最大數目是多少（）ID購買項1牛奶，啤酒,尿布2面包，黃油，牛奶3牛奶，尿布,餅干4面包，黃油，餅干5啤酒,餅干，尿布6牛奶，尿布，面包，黃油7面包，黃油，尿布8啤酒，尿布9牛奶，尿布，面包,黃油啤酒，餅干A。1B。2C。3D4三、簡答題(每題8分，40分）1。何謂數據挖掘？它有哪些方面的功能？2。簡述數據預辦理方法和內容。建立一個模型，經過這個模型依據已知的變量值來展望其余某個變量值屬于數據挖掘的哪一類任務？( )A.依據內容檢索B.建模描述C.展望建模D。搜尋模式和規則3.何謂聚類？它與分類有什么異同？14。以下哪個描述是正確的？（)第-2-頁共3頁什么是決策樹?怎樣用決策樹進行分類？5。簡述ID3算法的基本思想及其主算法的基本步驟

P50.340。130.280。290.000.39P60。230。250.110.220。390。002。假設數據挖掘的任務是將以下的8個點（用(x，y）代表地址）聚類為3個類：X1(2，10)、X2(2，5）、X3（8，4)、X4（5，8)、X5(7，5)、X6(6，4)、X7(1,2)、X8(4，9),距離選擇歐幾里德距離。假設初始選擇X1(2，10)、X4(5，8)、X7（1,2）為每個聚類的中心，請用K—means算法來計算：四、算法題（每題10分,20分）1。由以下列圖已給出的距離矩陣，將Max用于6個點樣本數據集，畫出層次聚類的樹狀