数据挖掘考试题目——关联分析.doc

数据挖掘考试题目关联分析一、10个选择1.以下属于关联分析的是（ ）ACPU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2.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（ ）AK-meansBBayes NetworkCC4.5DApriori3.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4.Apriori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5.以下哪个会降低Apriori算法的挖掘效率（ ）A支持度阈值增大B项数减少C事务数减少D减小硬盘读写速率6.Apriori算法使用到以下哪些东东（ ）A格结构、有向无环图B二叉树、哈希树C格结构、哈希树D多叉树、有向无环图7.非频繁模式（ ）A其置信度小于阈值B令人不感兴趣C包含负模式和负相关模式D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（ ）注：分别以1、2、3代表之A3可以还原出无损的1B2可以还原出无损的1C3与2是完全等价的D2与1是完全等价的9.Hash 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（ ）ASPSS ModelerBWekaCApache SparkDKnime二、10个填空1.关联分析中表示关联关系的方法主要有： 和 。2.关联规则的评价度量主要有： 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。5.一个项集满足最小支持度，我们称之为 。6.一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的 信息。9.经典的Apriori算法是逐层扫描的，也就是说它是 (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：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；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 (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。（ ）2.Apriori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。（ ）8.Apriori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。2.Apriori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。3.简述Apriori算法的优点和缺点。4.针对Apriori算法的缺点，可以做哪些方面的改进？5.强关联规则一定是有趣的吗？为什么？数据挖掘考试题目+参考答案一、10个选择1.以下属于关联分析的是（ B ）ACPU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2.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 ）AK-meansBBayes NetworkCC4.5DApriori3.置信度(confidence)是衡量兴趣度度量（ B ）的指标。A简洁性B确定性C实用性D新颖性4.Apriori算法的加速过程依赖于以下哪个策略（ B ）A抽样B剪枝C缓冲D并行5.以下哪个会降低Apriori算法的挖掘效率（ D ）A支持度阈值增大B项数减少C事务数减少D减小硬盘读写速率6.Apriori算法使用到以下哪些东东（ C ）A格结构、有向无环图B二叉树、哈希树C格结构、哈希树D多叉树、有向无环图7.非频繁模式（ D ）A其置信度小于阈值B令人不感兴趣C包含负模式和负相关模式D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A3可以还原出无损的1B2可以还原出无损的1C3与2是完全等价的D2与1是完全等价的9.Hash tree在Apriori算法中所起的作用是（ C ）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（ C ）ASPSS ModelerBWekaCApache SparkDKnime二、10个填空1.关联分析中表示关联关系的方法主要有： 项集 和 关联规则 。2.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。5.一个项集满足最小支持度，我们称之为 频繁项集 。6.一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 强规则 。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 负相关 。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：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；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（ ）1.啤酒与尿布的故事是聚类分析的典型实例。（ ）2.Apriori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。（ ）8.Apriori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。答：关联规则产生的两个基本步骤为：根据给定的支持度从项集中产生频繁项集；根据给定的置信度从频繁项集中产生关联规则。2.Apriori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”。3.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。4.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。5.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。