数据挖掘考试题目——关联分析

一、10个选择以下属于关联分析的是（）CPU性能预测B.购物篮分析C.自动判断鸢尾花类别D.股票趋势建模维克托迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（）A.K-meansBayesNetworkD.Apriori3•置信度（confidence）是衡量兴趣度度量（）的指标。A.简洁性B.确定性C.实用性D.新颖性算法的加速过程依赖于以下哪个策略（）A.抽样B.剪枝C.缓冲D.并行以下哪个会降低Apriori算法的挖掘效率（）B.项数减少D.减小硬盘读写速率B.二叉树、哈希树D.多叉树、有向无环图B.令人不感兴趣D.对异常数据项敏感A.支持度阈值增大C.事务数减少算法使用到以下哪些东东（）A.格结构、有向无环图C.格结构、哈希树非频繁模式（）A.其置信度小于阈值C.包含负模式和负相关模式）［注：分别以1、2、3代表之］对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（A.3可以还原出无损的1B.2可以还原出无损的1C.3与2是完全等价的D.2与1是完全等价的tree在Apriori算法中所起的作用是（）A.存储数据B.查找C.加速查找D.剪枝10.以下不属于数据挖掘软件的是（）B.WekaD.KnimeA.SPSSModelerC.ApacheSpark二、10个填空TOC\o"1-5"\h\z1•关联分析中表示关联关系的 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 主要有：和。2•关联 规则 编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf 的评价度量主要有：和。3•关联规则挖掘的算法主要有：和。4•购物篮分析中，数据是以的形式呈现。—个项集满足最小支持度，我们称之为。一个关联规则同时满足最小支持度和最小置信度，我们称之为7•在回归与相关分析中，因变量值随自变量值的增大(减小)而减小(增大)的现象叫做。8.极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集白信息。9•经典的Apriori算法是逐层扫描的，也就是说它(选:深度/宽度)优先的。10.数据挖掘大概步骤包括：输入数据预处理挖掘后处理输出知识。其中，输出的知识可以有很多种表示形式，两种极端的形式是：①内部结构难以被理解的黑匣子，比如说人工神经网络训练得出的网络；②模式结构清晰的匣子，这种结构容易被人理解，比如说决策树产生的树。那么，关联分析中输出的知识的表示形式主要(选:黑匣子/清晰结构)。三、10个判断()1.啤酒与尿布的故事是聚类分析的典型实例。()算法是一种典型的关联规则挖掘算法。()3.支持度是衡量关联规则重要性的一个指标。()4•可信度是对关联规则的准确度的衡量。()5•给定关联规则AB,意味着：若A发生，B也会发生。()6.频繁闭项集可用来无损压缩频繁项集。()7.关联规则可以用枚举的方法产生。()算法产生的关联规则总是确定的。()9•不满足给定评价度量的关联规则是无趣的。()10.对于项集来说，置信度没有意义。四、5个简答1•简述关联规则产生的两个基本步骤。算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知识，从候选项集中找到频繁项集。请简述Apriori算法的基本原理。简述Apriori算法的优点和缺点。针对Apriori算法的缺点，可以做哪些方面的改进？强关联规则一定是有趣的吗？为什么？数据挖掘考 试题 中考模拟试题doc幼小衔接 数学试题 下载云南高中历年会考数学试题下载N4真题下载党史题库下载 目+参考 答案 八年级地理上册填图题岩土工程勘察试题省略号的作用及举例应急救援安全知识车间5s试题及答案 一、10个选择以下属于关联分析的是（B）A.CPU性能预测B.购物篮分析C.自动判断鸢尾花类别D.股票趋势建模维克托迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（D）BayesNetworkAprioriB）的指标。确定性新颖性TOC\o"1-5"\h\zA.K-meansB.C.D置信度（confidence）是衡量兴趣度度量（A.简洁性B.C.实用性D.算法的加速过程依赖于以下哪个策略（B）A.抽样B.C.缓冲D.5.以下哪个会降低Apriori算法的挖掘效率A.支持度阈值增大C.事务数减少算法使用到以下哪些东东（C）A.格结构、有向无环图C.格结构、哈希树7.非频繁模式（D）A.其置信度小于阈值C.包含负模式和负相关模式B.D.B.D.剪枝并行D）项数减少减小硬盘读写速率二叉树、哈希树多叉树、有向无环图令人不感兴趣对异常数据项敏感8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（B）［注：分别以1、2、3代表之］A.3可以还原出无损的1B.2可以还原出无损的1C.3与2是完全等价的D.2与1是完全等价的tree在Apriori算法中所起的作用是（C）A.存储数据B.C.加速查找D.10.以下不属于数据挖掘软件的是（C）A.SPSSModelerBC.ApacheSparkD.B.D.查找剪枝WekaKnime二、10个填空1•关联分析中表示关联关系的方法主要有：和关联规则关联规则的评价度量主要有：支持度和置信度。3•关联规则挖掘的算法主要有：Apriori和FP-Growth。4•购物篮分析中，数据是以不对称二元变量的形式呈现。5•-个项集满足最小支持度，我们称之为频繁项集。一个关联规则同时满足最小支持度和最小置信度，我们称之为暑规丄。在回归与相关分析中，因变量值随自变量值的增大(减小)而减小(增大)的现象叫做―宜相关。极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集的支持度信息。9•经典的Apriori算法是逐层扫描的，也就是说它是宽度(选:深度/宽度)优先的。10.数据挖掘大概步骤包括：输入数据预处理挖掘后处理输出知识。其中，输出的知识可以有很多种表示形式，两种极端的形式是：①内部结构难以被理解的黑匣子，比如说人工神经网络训练得出的网络；②模式结构清晰的匣子，这种结构容易被人理解，比如说决策树产生的树。那么，关联分析中输出的知识的表示形式主要是清晰结构(选:黑匣子/清晰结构)。三、10个判断(X)1•啤酒与尿布的故事是聚类分析的典型实例。(/)算法是一种典型的关联规则挖掘算法。(/)3.支持度是衡量关联规则重要性的一个指标。(/)4•可信度是对关联规则的准确度的衡量。(X)5•给定关联规则AB,意味着：若A发生，B也会发生。(/)6•频繁闭项集可用来无损压缩频繁项集。(/)7•关联规则可以用枚举的方法产生。(/)算法产生的关联规则总是确定的。(X)9•不满足给定评价度量的关联规则是无趣的。(/)10.对于项集来说，置信度没有意义。四、5个简答1•简述关联规则产生的两个基本步骤。答：关联规则产生的两个基本步骤为：①根据给定的支持度从项集中产生频繁项集；②根据给定的置信度从频繁项集中产生关联规则。算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知识，从候选项集中找到频繁项集。请简述Apriori算法的基本原理。答：关联规则的产生并不依赖于Apriori算法，Apriori算法用来加速规则的产生过程。Apriori算法的加速过程依赖于这样一个先验原理：“频繁项集的子集是频繁的”。简述Apriori算法的优点和缺点。答：Apriori算法的优点：结构简单、易于理解。Apriori算法的缺点：产生大量的候选项集，I/O开销较大。针对Apriori算法的缺点，可以做哪些方面的改进？答：Apriori算法的缺点主要是产生的候选项集较多，从而导致I/O开销较大。由此，可以将庞大的数据集划分为可以装进内存的数据块，利用“频繁项集至少在一个分区中是频繁的”原理合并各个数据块产生的频繁项集得到最终的频繁项集。强关联规则一定是有趣的吗？为什么?答：不一定。因为：规则的评价 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 有很多，可以是客观的也可以是主观的。另外，强规则也可能是负相关的，即因变量值随自变量值的增大（减小）而减小（增大）的现象。