1、。數(shù)據(jù)挖掘考試題目關(guān)聯(lián)分析一、 10 個選擇1. 以下屬于關(guān)聯(lián)分析的是（）A CPU性能預(yù)測B購物籃分析C自動判斷鳶尾花類別D股票趨勢建模2. 維克托 ?邁爾 - 舍恩伯格在大數(shù)據(jù)時代：生活、工作與思維的大變革一書中，持續(xù)強(qiáng)調(diào)了一個觀點(diǎn)：大數(shù)據(jù)時代的到來，使我們無法人為地去發(fā)現(xiàn)數(shù)據(jù)中的奧妙，與此同時， 我們更應(yīng)該注重數(shù)據(jù)中的相關(guān)關(guān)系，而不是因果關(guān)系。 其中，數(shù)據(jù)之間的相關(guān)關(guān)系可以通過以下哪個算法直接挖掘（）A K-meansB Bayes NetworkC C4.5D Apriori3.置信度 (confidence)是衡量興趣度度量（）的指標(biāo)。A簡潔性B確定性C實用性D新穎性4.Aprior

2、i算法的加速過程依賴于以下哪個策略（）A抽樣B剪枝C緩沖D并行5.以下哪個會降低Apriori 算法的挖掘效率（）A支持度閾值增大B項數(shù)減少C事務(wù)數(shù)減少D減小硬盤讀寫速率6.Apriori算法使用到以下哪些東東（）A格結(jié)構(gòu)、有向無環(huán)圖B二叉樹、哈希樹C格結(jié)構(gòu)、哈希樹D多叉樹、有向無環(huán)圖7.非頻繁模式（）A其置信度小于閾值B令人不感興趣C包含負(fù)模式和負(fù)相關(guān)模式D對異常數(shù)據(jù)項敏感8.對頻繁項集、頻繁閉項集、極大頻繁項集的關(guān)系描述正確的是（） 注：分別以 1、 2、 3 代表之 A 3 可以還原出無損的1B 2 可以還原出無損的 1C 3 與 2 是完全等價的D 2 與 1 是完全等價的9.Hash

3、 tree在 Apriori算法中所起的作用是（）A存儲數(shù)據(jù)B查找C加速查找D剪枝10. 以下不屬于數(shù)據(jù)挖掘軟件的是（）A SPSS ModelerB WekaC Apache SparkD Knime二、 10 個填空1.關(guān)聯(lián)分析中表示關(guān)聯(lián)關(guān)系的方法主要有：和。2.關(guān)聯(lián)規(guī)則的評價度量主要有：和。3.關(guān)聯(lián)規(guī)則挖掘的算法主要有：和。4.購物籃分析中，數(shù)據(jù)是以的形式呈現(xiàn)。5.一個項集滿足最小支持度，我們稱之為。6.一個關(guān)聯(lián)規(guī)則同時滿足最小支持度和最小置信度，我們稱之為。1。7. 在回歸與相關(guān)分析中，因變量值隨自變量值的增大（減?。┒鴾p?。ㄔ龃螅┑默F(xiàn)象叫做。8.極大頻繁項集不能無損還原出頻繁項集，是

4、因為它不包含頻繁項集的信息。9.經(jīng)典的 Apriori 算法是逐層掃描的，也就是說它是(選: 深度 / 寬度 ) 優(yōu)先的。10. 數(shù)據(jù)挖掘大概步驟包括：輸入數(shù)據(jù)預(yù)處理挖掘后處理輸出知識。其中，輸出的知識可以有很多種表示形式，兩種極端的形式是： 內(nèi)部結(jié)構(gòu)難以被理解的黑匣子，比如說人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練得出的網(wǎng)絡(luò)；模式結(jié)構(gòu)清晰的匣子，這種結(jié)構(gòu)容易被人理解，比如說決策樹產(chǎn)生的樹。那么，關(guān)聯(lián)分析中輸出的知識的表示形式主要是(選:黑匣子 /清晰結(jié)構(gòu) )。三、 10 個判斷（） 1. 啤酒與尿布的故事是聚類分析的典型實例。（） 2.Apriori算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。（） 3. 支持度是衡量關(guān)聯(lián)規(guī)則

5、重要性的一個指標(biāo)。（） 4. 可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。（） 5. 給定關(guān)聯(lián)規(guī)則AB，意味著：若A 發(fā)生， B 也會發(fā)生。（） 6. 頻繁閉項集可用來無損壓縮頻繁項集。（） 7. 關(guān)聯(lián)規(guī)則可以用枚舉的方法產(chǎn)生。（） 8.Apriori算法產(chǎn)生的關(guān)聯(lián)規(guī)則總是確定的。（） 9. 不滿足給定評價度量的關(guān)聯(lián)規(guī)則是無趣的。（） 10. 對于項集來說，置信度沒有意義。四、 5 個簡答1. 簡述關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟。2.Apriori算法是從事務(wù)數(shù)據(jù)庫中挖掘布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項集性質(zhì)的先驗知識，從候選項集中找到頻繁項集。請簡述Apriori算法的基本原理。3. 簡述 Apr

6、iori 算法的優(yōu)點(diǎn)和缺點(diǎn)。4. 針對 Apriori 算法的缺點(diǎn)，可以做哪些方面的改進(jìn)？5. 強(qiáng)關(guān)聯(lián)規(guī)則一定是有趣的嗎？為什么？。2。數(shù)據(jù)挖掘考試題目 +參考答案一、 10 個選擇1. 以下屬于關(guān)聯(lián)分析的是（ B ）A CPU性能預(yù)測B購物籃分析C自動判斷鳶尾花類別D股票趨勢建模2. 維克托 ?邁爾 - 舍恩伯格在大數(shù)據(jù)時代：生活、工作與思維的大變革一書中，持續(xù)強(qiáng)調(diào)了一個觀點(diǎn)：大數(shù)據(jù)時代的到來，使我們無法人為地去發(fā)現(xiàn)數(shù)據(jù)中的奧妙，與此同時， 我們更應(yīng)該注重數(shù)據(jù)中的相關(guān)關(guān)系， 而不是因果關(guān)系。 其中，數(shù)據(jù)之間的相關(guān)關(guān)系可以通過以下哪個算法直接挖掘（ D ）A K-meansB Bayes Ne

7、tworkC C4.5D Apriori3. 置信度 (confidence) 是衡量興趣度度量（ B ）的指標(biāo)。A簡潔性B確定性C實用性D新穎性4.Apriori算法的加速過程依賴于以下哪個策略（B）A抽樣B剪枝C緩沖D并行5. 以下哪個會降低 Apriori 算法的挖掘效率（ D ）A支持度閾值增大B項數(shù)減少C事務(wù)數(shù)減少D減小硬盤讀寫速率6.Apriori算法使用到以下哪些東東（C ）A格結(jié)構(gòu)、有向無環(huán)圖B二叉樹、哈希樹C格結(jié)構(gòu)、哈希樹D多叉樹、有向無環(huán)圖7. 非頻繁模式（ D ）A其置信度小于閾值B令人不感興趣C包含負(fù)模式和負(fù)相關(guān)模式D對異常數(shù)據(jù)項敏感8. 對頻繁項集、頻繁閉項集、極大頻

8、繁項集的關(guān)系描述正確的是（B ） 注：分別以 1、 2、3 代表之 A 3 可以還原出無損的 1B 2 可以還原出無損的1C 3 與 2 是完全等價的D 2 與 1 是完全等價的9.Hash tree在 Apriori 算法中所起的作用是（C ）A存儲數(shù)據(jù)B查找C加速查找D剪枝10. 以下不屬于數(shù)據(jù)挖掘軟件的是（C ）A SPSS ModelerB WekaC Apache SparkD Knime二、 10 個填空1.關(guān)聯(lián)分析中表示關(guān)聯(lián)關(guān)系的方法主要有：項集和關(guān)聯(lián)規(guī)則 。2.關(guān)聯(lián)規(guī)則的評價度量主要有：支持度和置信度。3.關(guān)聯(lián)規(guī)則挖掘的算法主要有：Apriori和 FP-Growth。4.購物

9、籃分析中，數(shù)據(jù)是以不對稱二元變量的形式呈現(xiàn)。5.一個項集滿足最小支持度，我們稱之為頻繁項集。6.一個關(guān)聯(lián)規(guī)則同時滿足最小支持度和最小置信度，我們稱之為強(qiáng)規(guī)則 。3。7. 在回歸與相關(guān)分析中， 因變量值隨自變量值的增大 （減?。┒鴾p?。ㄔ龃螅┑默F(xiàn)象叫做 負(fù)相關(guān) 。8.極大頻繁項集不能無損還原出頻繁項集，是因為它不包含頻繁項集的支持度信息。9.經(jīng)典的 Apriori 算法是逐層掃描的，也就是說它是寬度 (選:深度/ 寬度)優(yōu)先的。10. 數(shù)據(jù)挖掘大概步驟包括：輸入數(shù)據(jù)預(yù)處理挖掘后處理輸出知識。其中，輸出的知識可以有很多種表示形式，兩種極端的形式是： 內(nèi)部結(jié)構(gòu)難以被理解的黑匣子，比如說人工神經(jīng)網(wǎng)絡(luò)訓(xùn)

10、練得出的網(wǎng)絡(luò)；模式結(jié)構(gòu)清晰的匣子，這種結(jié)構(gòu)容易被人理解，比如說決策樹產(chǎn)生的樹。 那么，關(guān)聯(lián)分析中輸出的知識的表示形式主要是清晰結(jié)構(gòu) ( 選: 黑匣子 /清晰結(jié)構(gòu) ) 。三、 10 個判斷（ ? ） 1. 啤酒與尿布的故事是聚類分析的典型實例。（ ? ） 2.Apriori 算法是一種典型的關(guān)聯(lián)規(guī)則挖掘算法。（ ? ） 3. 支持度是衡量關(guān)聯(lián)規(guī)則重要性的一個指標(biāo)。（ ? ） 4. 可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量。（ ?） 5. 給定關(guān)聯(lián)規(guī)則AB，意味著：若A 發(fā)生， B 也會發(fā)生。（ ? ） 6. 頻繁閉項集可用來無損壓縮頻繁項集。（ ? ） 7. 關(guān)聯(lián)規(guī)則可以用枚舉的方法產(chǎn)生。（ ? ） 8

11、.Apriori 算法產(chǎn)生的關(guān)聯(lián)規(guī)則總是確定的。（ ? ） 9. 不滿足給定評價度量的關(guān)聯(lián)規(guī)則是無趣的。（ ? ） 10. 對于項集來說，置信度沒有意義。四、 5 個簡答1. 簡述關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟。答：關(guān)聯(lián)規(guī)則產(chǎn)生的兩個基本步驟為： 根據(jù)給定的支持度從項集中產(chǎn)生頻繁項集； 根據(jù)給定的置信度從頻繁項集中產(chǎn)生關(guān)聯(lián)規(guī)則。2.Apriori算法是從事務(wù)數(shù)據(jù)庫中挖掘布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項集性質(zhì)的先驗知識，從候選項集中找到頻繁項集。請簡述Apriori算法的基本原理。答：關(guān)聯(lián)規(guī)則的產(chǎn)生并不依賴于Apriori算法， Apriori算法用來加速規(guī)則的產(chǎn)生過程。Apriori算法的加速過程依賴于這樣一個先驗原理：“頻繁項集的子集是頻繁的”。3. 簡述 Apriori 算法的優(yōu)點(diǎn)和缺點(diǎn)。答： Apriori算法的優(yōu)點(diǎn)：結(jié)構(gòu)簡單、易于理解。Apriori算法的缺點(diǎn)：產(chǎn)生大量的候選項集，I/O 開銷較大。4. 針對 Apriori 算法的缺點(diǎn)，可以做哪些方面的改進(jìn)？答： Apriori算法的缺點(diǎn)主要是產(chǎn)生的候選項集較多，從而導(dǎo)致I/O 開銷較大。由此，可以將龐大的數(shù)據(jù)集劃分為可以裝進(jìn)內(nèi)存的數(shù)據(jù)塊，利用“頻繁項集至少在一個分區(qū)中是