2026下半年CDA数据分析师（数据挖掘）基础考点.doc

2026下半年CDA数据分析师（数据挖掘）基础考点

（考试时间：90分钟 满分100分）
班级______ 姓名______

第I卷（选择题 共40分）
答题要求：本卷共8小题，每小题5分。在每小题给出的四个选项中，只有一项是符合题目要求的。
1. 以下哪种算法常用于数据挖掘中的分类任务？
A. K-Means算法
B. 决策树算法
C. 主成分分析算法
D. 关联规则算法
2. 在数据挖掘中，数据预处理的步骤不包括以下哪一项？
A. 数据清洗
B. 数据集成
C. 数据可视化
D. 数据转换
3. 对于数据挖掘中的聚类算法，以下说法正确的是？
A. 可以将数据分为已知的类别
B. 不需要预先定义类别
C. 主要用于预测新数据的值
D. 适用于处理高维数据
4. 以下哪个指标可以用来评估分类模型的准确性？
A. 召回率
B. 均方误差
C. 支持向量机
D. 关联规则
5. 数据挖掘中，频繁项集挖掘主要用于发现？
A. 数据中的异常值
B. 频繁出现的属性组合
C. 数据的聚类结果
D. 数据的分类规则
6. 在决策树算法中，以下哪种属性选择方法是基于信息增益的？
A. ID3算法
B. C4.5算法
C. CART算法
D. 以上都不是
7. 对于数据挖掘中的回归分析，其目标是？
A. 预测连续变量的值
B. 发现数据中的关联规则
C. 对数据进行聚类
D. 评估分类模型的性能
8. 以下哪种数据挖掘技术可以用于处理文本数据？
A. 朴素贝叶斯算法
B. 支持向量机算法
C. 神经网络算法
D. 以上都是

第II卷（非选择题 共60分）
（共2题，每题10分）
9. 简述数据挖掘中常用的几种分类算法及其优缺点。
10. 说明数据预处理在数据挖掘中的重要性，并列举至少三个数据预处理的常见操作。

（共2题，每题15分）
11. 给定一个数据集，包含客户的年龄、性别、购买金额等信息。请描述如何使用数据挖掘技术来分析客户的购买行为，例如预测哪些客户更有可能购买高价值商品。
12. 请阐述数据挖掘在医疗领域的应用场景，比如疾病预测、药物疗效分析等，并说明可能面临的挑战。

（共2题，每题20分）
13. 材料：在某电商平台的销售数据中，记录了用户的购买时间、购买商品类别、购买数量等信息。分析这些数据，发现购买电子产品的用户在晚上8点到10点之间购买量明显增加。
问题：请描述如何运用数据挖掘技术进一步深入分析该现象，例如挖掘出在这个时间段购买电子产品的用户特征，以及如何根据这些分析结果进行精准营销。
14. 材料：某银行收集了客户的基本信息、信用记录、贷款金额等数据。通过数据挖掘分析，发现信用记录良好且贷款金额较大的客户更容易出现逾期还款情况。
问题：针对这一发现，请说明银行可以采取哪些数据挖掘相关的措施来降低逾期风险，比如构建预测模型、优化贷款审批流程等，并阐述理由。

答案：1. B 2. C 3. B 4. A 5. B 6. A 7. A 8. D 9. 常见分类算法有决策树算法，优点是简单直观、易于理解和解释，能处理数值和类别型数据；缺点是容易过拟合。朴素贝叶斯算法，优点是基于概率理论，计算简单高效；缺点是对属性独立性假设要求较高。支持向量机算法，优点是适合处理高维数据，泛化能力强；缺点是计算复杂度较高。 10. 重要性：提高数据质量，去除噪声和冗余信息，使数据更适合挖掘算法。常见操作：数据清洗，去除缺失值、重复值等；数据集成，合并多个数据源的数据；数据转换，对数据进行标准化等操作。 11. 可以使用分类算法，如决策树，根据年龄、性别、购买金额等属性构建模型，预测客户购买高价值商品的可能性。也可进行关联规则挖掘，找出与高价值商品购买相关的其他属性组合。还能通过聚类分析，将客户分成不同群体，分析各群体购买行为特点。 12. 应用场景：疾病预测可通过分析患者症状、病史等数据预测疾病发生概率；药物疗效分析能对比不同药物治疗效果。挑战：数据质量参差不齐，数据隐私保护问题，医学知识理解和转化为数据挖掘模型较困难。 13. 可以进一步挖掘用户特征，如年龄范围、消费习惯等。通过关联规则挖掘，找出与电子产品购买相关的其他商品。精准营销可针对该时间段购买电子产品的用户特征，推送相关产品或优惠活动。 14. 构建预测模型，利用现有数据训练模型预测客户逾期可能性，提前采取措施。优化贷款审批流程，基于模型结果调整审批标准，降低逾期风险。理由是通过数据挖掘分析能更准确了解客户逾期风险因素，采取针对性措施可有效降低银行损失。