1、
2025年本科大数据管理与应用（大数据挖掘技术）试题及答案
（考试时间：90分钟 满分100分）
班级______ 姓名______
第I卷（选择题 共30分）
答题要求：每题只有一个正确答案，请将正确答案的序号填在括号内。(总共6题，每题5分)
w1. 以下哪种算法不属于有监督学习算法？（ ）
A. 决策树 B. 支持向量机 C. K近邻算法 D. 聚类算法
w2. 数据挖掘中，用于评估分类模型性能的常用指标不包括（ ）
A. 准确率 B. 召回率 C. F1值 D. 均方误差
w3. 以下关于关联规则挖掘的说法，错误
2、的是（ ）
A. 支持度表示项集在数据集中出现的频率
B. 置信度反映了规则的可靠性
C. 提升度大于1表示规则有实际价值
D. 关联规则挖掘只能发现二元关系
w4. 对于频繁项集挖掘，以下哪种数据结构常用于高效存储和查找？（ ）
A. 哈希表 B. 堆 C. 链表 D. 二叉树
w5. 在数据预处理阶段，对数据进行离散化处理的目的不包括（ ）
A. 提高算法效率 B. 便于数据可视化 C. 增强模型鲁棒性 D. 降低数据维度
w6. 以下哪种技术可用于处理大数据中的不平衡数据问题？（ ）
A. 数据采样 B. 特征选择 C. 模型
3、融合 D. 以上都是
第II卷（非选择题 共70分）
w7. 简述数据挖掘的主要任务，并举例说明每种任务在实际中的应用场景。(15分)
w8. 请详细阐述决策树算法的基本原理，并说明其在构建过程中如何进行特征选择。(15分)
w9. 假设你有一个客户数据集，包含客户的年龄、性别、收入、购买频率等信息，目标是预测客户是否会购买某一新产品。请描述你会如何使用支持向量机算法来解决这个问题，包括数据预处理、模型训练和评估的步骤。(20分)
材料：某电商平台收集了大量用户的购物行为数据，包括购买商品种类、购买时间、购买金额等。通过对这些数据进行分析，发现购买某类电子产品的用户往往在购
4、买后还会购买相关的配件产品。
w10. 根据上述材料，请回答以下问题：
(1) 请描述如何从这些数据中挖掘出关联规则，以发现更多类似的产品购买关联关系。(10分)
(2) 假设挖掘出的一条关联规则为：购买手机 -> 购买手机壳，支持度为30%，置信度为80%。请解释这两个指标的含义，并说明该规则是否有实际价值。(10分)
答案：
w1. D
w2. D
w3. D
w4. A
w5. D
w6. D
w7. 数据挖掘主要任务包括分类、回归、聚类、关联规则挖掘等。分类用于将数据划分到不同类别，如预测客户是否流失；回归用于预测数值型目标变量，如预测股票价格；聚类用于将数据
5、分成不同簇，如对客户进行细分；关联规则挖掘用于发现数据中项集之间的关联关系，如超市中商品的关联购买关系。
w8. 决策树算法基本原理是基于信息增益等准则将数据集不断划分，生成树形结构。在构建过程中，通过计算每个特征的信息增益，选择信息增益最大的特征作为当前节点的划分特征，以使得划分后数据的纯度最高，从而更好地区分不同类别。
w9. 首先对数据进行预处理，包括数据清洗、特征工程等。然后将数据集划分为训练集和测试集。使用支持向量机算法在训练集上进行训练，调整参数找到最优模型。最后在测试集上进行评估，通过准确率、召回率等指标评估模型性能。
w10. (1) 首先扫描数据，统计各类商品组合的出现频率，得到频繁项集。然后基于频繁项集生成关联规则，计算支持度和置信度，筛选出有价值的关联规则。(2) 支持度30%表示购买手机且购买手机壳的用户占总用户的比例为30%；置信度80%表示购买手机的用户中购买手机壳的概率为80%。该规则有一定实际价值，可用于电商平台的推荐等。
浙ICP备2021020529号-1 | 浙B2-20240490 
