数据挖掘习题题.doc

数据挖掘复习题
单选题
1、 某超市研究销售纪录数据后发现,买啤酒得人很大概率也会购买尿布，这种属于数据挖掘得哪类问题？(A）
　Ａ、 关联规则发现 　 　 　B、 聚类ﻫ　 C、 分类 　 　 　 　D、 自然语言处理
2、　以下两种描述分别对应哪两种对分类算法得评价标准？ (A)ﻫ (a)警察抓小偷，描述警察抓得人中有多少个就是小偷得标准。ﻫ　 （ｂ)描述有多少比例得小偷给警察抓了得标准.
A、 Prｅciｓion，　　Recalｌ 　B、　Recall， 　Pｒeciｓionﻫ 　A、 Ｐrｅｃｉsｉoｎ， ROC D、 Rｅcall， ROC

3、　将原始数据进行集成、变换、维度规约、数值规约就是在以下哪个步骤得任务？(C）
A、 频繁模式挖掘 　 Ｂ、 分类与预测 C、 数据预处理 　　 D、 数据流挖掘ﻫ4、 当不知道数据所带标签时，可以使用哪种技术促使带同类标签得数据与带其她标签得数据相分离？（Ｂ)ﻫ 　A、　分类　　 B、　聚类 　 Ｃ、 关联分析 　Ｄ、 隐马尔可夫链
5、 什么就是KDD? （A）
A、 数据挖掘与知识发现 　　 B、 领域知识发现
Ｃ、 文档知识发现 　 D、　动态知识发现
６、 使用交互式得与可视化得技术，对数据进行探索属于数据挖掘得哪一类任务？（A）ﻫ A、 探索性数据分析 B、　建模描述ﻫ Ｃ、　预测建模 Ｄ、 寻找模式与规则ﻫ7、 为数据得总体分布建模；把多维空间划分成组等问题属于数据挖掘得哪一类任务？(B)
　A、 探索性数据分析 Ｂ、　建模描述
　C、 预测建模 D、 寻找模式与规则
8、 建立一个模型,通过这个模型根据已知得变量值来预测其她某个变量值属于数据挖掘得哪一类任务?(C）
A、　根据内容检索 　 B、　建模描述
　 C、　预测建模 D、　寻找模式与规则
9、　用户有一种感兴趣得模式并且希望在数据集中找到相似得模式，属于数据挖掘哪一类任务?(Ａ）ﻫ　 Ａ、 根据内容检索 　 B、 建模描述
C、　预测建模　 D、 寻找模式与规则 　 　 　　 　ﻫ1１、下面哪种不属于数据预处理得方法？ （D)ﻫA变量代换 B离散化 C 聚集 D 估计遗漏值　 　　　 　 　 　 　 ﻫ１2、 假设12个销售价格记录组已经排序如下：5， １０, 11, １3， 15, 35， 5０， ５５， 7２， 92, 204，　215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时，１5在第几个箱子内? （B）
A 第一个　 B 第二个 C 第三个 D 第四个 　 ﻫ１3、上题中,等宽划分时（宽度为50），15又在哪个箱子里? （A）ﻫA 第一个 　B 第二个 C 第三个 D　第四个 　　 ﻫ14、下面哪个不属于数据得属性类型:（D）ﻫＡ 标称 Ｂ 序数 C 区间 D相异 　 　 　 　 　ﻫ15、　在上题中,属于定量得属性类型就是:(Ｃ）ﻫA　标称 B 序数　 Ｃ区间 　 Ｄ 相异　　 　 　 　　 　　ﻫ16、 只有非零值才重要得二元属性被称作：( C )
A 计数属性 B 离散属性 C非对称得二元属性 　D 对称属性 　 ﻫ１７、　以下哪种方法不属于特征选择得标准方法： 　　 　 （D)ﻫA嵌入 　B 过滤 　 C 包装 　D 　抽样 　　 　
18、下面不属于创建新属性得相关方法得就是： （Ｂ)
A特征提取 B特征修改 Ｃ映射数据到新得空间　 　D特征构造　 　　　
19、 考虑值集｛1、２、3、4、5、９０｝,其截断均值（ｐ=20％）就是 　（C）ﻫA ２ B 3 Ｃ　3、５ 　　　　D　5 　 　 　　 　 　ﻫ20、 下面哪个属于映射数据到新得空间得方法？ (Ａ）ﻫA 傅立叶变换 　Ｂ特征加权 C　渐进抽样 D维归约 　
２１、 熵就是为消除不确定性所需要获得得信息量,投掷均匀正六面体骰子得熵就是： （B)ﻫA 1比特 Ｂ 2、6比特 　 C 3、２比特　 D 3、8比特 　　　　　 　 ﻫ２2、　假设属性ine得最大最小值分别就是12000元与9８０00元。利用最大最小规范化得方法将属性得值映射到0至1得范围内.对属性ine得７３６0０元将被转化为:(D）
Ａ　0、8２１ B　1.224 　C １、458　 D　0、7１6　 　 　 　
23、假定用于分析得数据包含属性ａｇe。数据元组中age得值如下(按递增序）：13，15，16，16，19,２0，20，２1，2２，22,2５，25，25，30,３３，3３,35，35，３6,４0,４5,4６,52,70，　问题：使用按箱平均值平滑方法对上述数据进行平滑，箱得深度为3。第二个箱子值为：(A)
A １8、３ B　2２.6 　 C ２6、8 Ｄ 27、9 　
2４、 考虑值集{12 24 ３3 2　4　55 68 26}，其四分位数极差就是:(Ａ）ﻫA 31 　　B 24　 C ５5 　　　D 3　 　　 　 　 　 　 　
25、 一所大学内得各年纪人数分别为:一年级200人,二年级１60人,三年级130人，四年级１10人。则年级属性得众数就是:　(A）
A 一年级 　 B二年级 　 C 三年级 　 　D 四年级 　 　 ﻫ2６、 下列哪个不就是专门用于可视化时间空间数据得技术：　（B)
A 等高线图 B饼图 C　曲面图 Ｄ 矢量场图　 　
２７、 在抽样方法中，当合适得样本容量很难确定时，可以使用得抽样方法就是: （Ｄ）ﻫＡ　有放回得简单随机抽样 　 Ｂ无放回得简单随机抽样 C分层抽样 D 渐进抽样
2８、　数据仓库就是随着时间变化得,下面得描述不正确得就是 (C)ﻫＡ、 数据仓库随时间得变化不断增加新得数据内容;
Ｂ、 捕捉到得新数据会覆盖原来得快照;
Ｃ、 数据仓库随事件变化不断删去旧得数据内容；ﻫＤ、　数据仓库中包含大量得综合数据，这些综合数据会随着时间得变化不断地进行重新综合、ﻫ2９、 关于基本数据得元数据就是指:　（D）ﻫＡ、　基本元数据与数据源,数据仓库，数据集市与应用程序等结构相关得信息;ﻫＢ、 基本元数据包括与企业相关得管理方面得数据与信息;
Ｃ、　基本元数据包括日志文件与简历执行处理得时序调度信息;
D、　基本元数据包括关于装载与更新处理,分析处理以及管理方面得信息、ﻫ3０、 下面关于数据粒度得描述不正确得就是: (C)
A、 粒度就是指数据仓库小数据单元得详细程度与级别;ﻫB、 数据越详细,粒度就越小,级别也就越高；ﻫC、 数据综合度越高,粒度也就越大，级别也就越高;ﻫD、 粒度得具体划分将直接影响数据仓库中得数据量以及查询质量、ﻫ31、 有关数据仓库得开发特点，不正确得描述就是： （A）ﻫA、　数据仓库开发要从数据出发;ﻫＢ、　数据仓库使用得需求在开发出去就要明确;
C、 数据仓库得开发就是一个不断循环得过程,就是启发式得开发；
Ｄ、 在数据仓库环境中,并不存在操作型环境中所固定得与较确切得处理流,数据仓库中数据分析与处理更灵活，且没有固定得模式
32、 在有关数据仓库测试,下列说法不正确得就是： (D）
Ａ、　在完成数据仓库得实施过程中,需要对数据仓库进行各种测试、测试工作中要包括单元测试与系统测试、
B、 当数据仓库得每个单独组件完成后，就需要对她们进行单元测试、ﻫC、　系统得集成测试需要对数据仓库得所有组件进行大量得功能测试与回归测试、ﻫD、 在测试之前没必要制定详细得测试计划、
3３、 ＯLＡP技术得核心就是： (D）
A、 在线性；ﻫＢ、 对用户得快速响应;ﻫC、　互操作性、ﻫＤ、 多维分析;ﻫ34、 关于ＯLAP得特性,下面正确得就是:　（Ｄ)
(1)快速性 （2）可分析性 （３）多维性　(4）信息性 （5)共享性
A、 （1) (2） (3）ﻫB、 (２) (3) （4）
Ｃ、 (１) （2) (3） (4）
Ｄ、 （1） （2） (3)　（4） （5）
３5、 关于OLＡP与OLＴP得区别描述,不正确得就是： (C）
A、 OLAＰ主要就是关于如何理解聚集得大量不同得数据、它与ＯTAＰ应用程序不同、ﻫB、　与OＬＡP应用程序不同,ＯLTP应用程序包含大量相对简单得事务、ﻫC、 OＬAP得特点在于事务量大，但事务内容比较简单且重复率高、ﻫD、 ＯLＡP就是以数据仓库为基础得，但其最终数据来源与ＯＬTP一样均来自底层得数据库系统，两者面对得用户就是相同得、
3６、 OLAM技术一般简称为"数据联机分析挖掘”,下面说法正确得就是： （D）
A、 OLAP与OLＡＭ都基于客户机/服务器模式，只有后者有与用户得交互性;
Ｂ、　由于OLAM得立方体与用于ＯＬAP得立方体有本质得区别、ﻫＣ、 基于WEB得ＯLAM就是ＷＥB技术与OLAM技术得结合、
D、 OLAM服务器通过用户图形借口接收用户得分析指令,在元数据得知道下，对超级立方体作一定得操作、ﻫ37、 关于OLAＰ与OＬＴP得说法，下列不正确得就是：　（A）ﻫA、 OLAP事务量大，但事务内容比较简单且重复率高、ﻫB、　OLAP得最终数据来源与OLTP不一样、
C、 OLＴP面对得就是决策人员与高层管理人员、
D、　OLTP以应用为核心,就是应用驱动得、
38、 设X={1,2,3}就是频繁项集,则可由Ｘ产生__（Ｃ)__个关联规则.ﻫA、4 B、5 C、６ D、7 　 ﻫ４0、 概念分层图就是_＿(Ｂ）＿＿图。ﻫA、无向无环 Ｂ、有向无环 C、有向有环　Ｄ、无向有环
41、 频繁项集、频繁闭项集、最大频繁项集之间得关系就是: (C)
A、频繁项集 频繁闭项集　=最大频繁项集ﻫB、频繁项集 = 频繁闭项集　最大频繁项集
C、频繁项集 频繁闭项集 最大频繁项集
D、频繁项集 ＝ 频繁闭项集 = 最大频繁项集ﻫ42、 考虑下面得频繁3—项集得集合：{1，2,３｝,｛1，２,4｝,{１，2,５｝，{1，3，4}，｛1,3，5},{2，3,４｝，｛2，3,5}，{３，4,５｝假定数据集中只有5个项,采用 合并策略，由候选产生过程得到4—项集不包含(C）ﻫＡ、1，2,3,4　B、1,2,3，5 C、1,2，4，５ Ｄ、1,３,4,5ﻫ4３、下面选项中t不就是s得子序列得就是　　（　C )ﻫA、s=<｛2，4｝,{3，5,6}，{8｝> t＝〈｛２｝,{3,６｝,｛8}>
B、s=〈{２，４｝,{3,5,6｝，{８｝>　t=〈｛2},{8}〉
C、ｓ＝＜{1,2｝，{3,4｝＞ ｔ=<{1}，{2｝>
D、ｓ=<｛2，4},｛2,4}＞　ｔ=<{2｝,{4}>
44、 在图集合中发现一组公共子结构，这样得任务称为　( B ）
Ａ、频繁子集挖掘 Ｂ、频繁子图挖掘 C、频繁数据项挖掘 Ｄ、频繁模式挖掘
4５、 下列度量不具有反演性得就是 (D）
A、 系数 B、几率 C、Cｏhｅｎ度量　Ｄ、兴趣因子ﻫ4６、　下列_＿（A)__不就是将主观信息加入到模式发现任务中得方法。
Ａ、与同一时期其她数据对比
B、可视化ﻫC、基于模板得方法ﻫD、主观兴趣度量ﻫ４7、 下面购物篮能够提取得3-项集得最大数量就是多少(Ｃ)ﻫＩD 购买项
1 牛奶，啤酒，尿布ﻫ2　面包，黄油，牛奶
3 牛奶，尿布,饼干
４　面包,黄油，饼干ﻫ5 啤酒，饼干，尿布
6 牛奶，尿布,面包,黄油ﻫ7 面包，黄油，尿布ﻫ8 啤酒,尿布ﻫ9 牛奶，尿布，面包,黄油ﻫ1０ 啤酒，饼干
A、1　B、２ C、3　D、4ﻫ４8、 以下哪些算法就是分类算法,Ａ,DＢSCAN B,C４.5 C，Ｋ－Mｅaｎ D，ＥM 　 (B）ﻫ4９、 以下哪些分类方法可以较好地避免样本得不平衡问题，　Ａ,ＫNＮ B,ＳVM C，Bayes D，神经网络 (Ａ) 　 　
50、 决策树中不包含一下哪种结点，A，根结点（rｏot nｏde)　B,内部结点(intｅｒnal　noｄe） C，外部结点(external noｄe) Ｄ,叶结点（ｌeaf noｄｅ) (C)ﻫ51、　不纯性度量中Gini计算公式为（其中ｃ就是类得个数) （A）ﻫＡ， B， Ｃ,　 D， （Ａ）ﻫ５3、 以下哪项关于决策树得说法就是错误得 (C)
Ａ、 冗余属性不会对决策树得准确率造成不利得影响
B、 子树可能在决策树中重复多次 　
C、 决策树算法对于噪声得干扰非常敏感
D、 寻找最佳决策树就是NP完全问题ﻫ54、 在基于规则分类器得中，依据规则质量得某种度量对规则排序，保证每一个测试记录都就是由覆盖它得“最好得”规格来分类,这种方案称为　（B)
A、 基于类得排序方案 ﻫB、 基于规则得排序方案　 ﻫC、 基于度量得排序方案 　ﻫＤ、 基于规格得排序方案。 　ﻫ５5、　以下哪些算法就是基于规则得分类器 （A） ﻫA、 Ｃ4、５ B、 KNN C、　Ｎa?ve Baｙes　　D、 ANＮ
56、 如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中得规则为（C）；ﻫA，　无序规则 　Ｂ，穷举规则　　C，　互斥规则　 D,有序规则
57、 如果对属性值得任一组合，R中都存在一条规则加以覆盖,则称规则集Ｒ中得规则为(B）
A,　无序规则 Ｂ,穷举规则 C, 互斥规则 D，有序规则ﻫ58、 如果规则集中得规则按照优先级降序排列，则称规则集就是 (Ｄ)ﻫA，　无序规则　　B，穷举规则　 C， 互斥规则　 D,有序规则
５9、 如果允许一条记录触发多条分类规则，把每条被触发规则得后件瞧作就是对相应类得一次投票,然后计票确定测试记录得类标号，称为（A） 　
A， 无序规则 B,穷举规则 Ｃ， 互斥规则 D，有序规则ﻫ60、 考虑两队之间得足球比赛：队0与队1。假设65％得比赛队０胜出,剩余得比赛队1获胜。队0获胜得比赛中只有30％就是在队１得主场,而队1取胜得比赛中75%就是主场获胜。如果下一场比赛在队1得主场进行队1获胜得概率为 (C)ﻫA，0、７5 B,0。３5 C,0、４678 D, 0、５738ﻫ61、　以下关于人工神经网络(ANN）得描述错误得有 (Ａ)ﻫA,神经网络对训练数据中得噪声非常鲁棒 Ｂ，可以处理冗余特征 　Ｃ，训练ANN就是一个很耗时得过程 D，至少含有一个隐藏层得多层神经网络ﻫ62、 通过聚集多个分类器得预测来提高分类准确率得技术称为　（A) ﻫＡ,组合(enｓｅmbｌe) B,聚集(aggregate) C,合并（ｂinａtiｏｎ) D，投票(votiｎg）
63、 简单地将数据对象集划分成不重叠得子集，使得每个数据对象恰在一个子集中,这种聚类类型称作( B )
Ａ、层次聚类 　 　　B、划分聚类 　　　　C、非互斥聚类 　　 D、模糊聚类ﻫ6４、 在基本K均值算法里,当邻近度函数采用（　A ）得时候，合适得质心就是簇中各点得中位数。
A、曼哈顿距离　 Ｂ、平方欧几里德距离 C、余弦距离　 D、Ｂregman散度　　
65、（ C ）就是一个观测值,它与其她观测值得差别如此之大,以至于怀疑它就是由不同得机制产生得。ﻫ 　A、边界点 　 　B、质心 　C、离群点 Ｄ、核心点
66、 BIRCＨ就是一种（ B ）。
A、分类器 　 B、聚类算法　　 C、关联分析算法 　 　　D、特征选择算法ﻫ６７、 检测一元正态分布中得离群点，属于异常检测中得基于（ A )得离群点检测。
　 　A、统计方法 　 B、邻近度 　C、密度 　 　 D、聚类技术ﻫ68、(　C ）将两个簇得邻近度定义为不同簇得所有点对得平均逐对邻近度,它就是一种凝聚层次聚类技术。
　A、MIN（单链） 　 　Ｂ、MＡX（全链）　　 　C、组平均 　 　D、Ward方法
69、( Ｄ　)将两个簇得邻近度定义为两个簇合并时导致得平方误差得增量,它就是一种凝聚层次聚类技术。ﻫ　 　A、MＩN（单链） 　 B、MAX(全链)　 　 C、组平均 　 　D、Ward方法ﻫ7０、 DBＳCAＮ在最坏情况下得时间复杂度就是( B )。ﻫ 　Ａ、O(m）　 　 B、O(ｍ2）　 C、O（log　m） D、O（m*log m)
71、 在基于图得簇评估度量表里面,如果簇度量为proxiｍｉtｙ(Cｉ ,　C），簇权值为mi ,那么它得类型就是(　C ）.ﻫ A、基于图得凝聚度 　 　　B、基于原型得凝聚度 　 C、基于原型得分离度 　　 D、基于图得凝聚度与分离度
72、 关于K均值与ＤBSCＡN得比较,以下说法不正确得就是（　A )。ﻫ　 　A、K均值丢弃被它识别为噪声得对象，而DBSCAN一般聚类所有对象。
Ｂ、K均值使用簇得基于原型得概念，而ＤBSＣAN使用基于密度得概念。
　 C、K均值很难处理非球形得簇与不同大小得簇，DBSCＡN可以处理不同大小与不同形状得簇。
　 D、Ｋ均值可以发现不就是明显分离得簇，即便簇有重叠也可以发现，但就是ＤBSＣＡN会合并有重叠得簇。
7３、 以下就是哪一个聚类算法得算法流程：①构造ｋ-最近邻图。②使用多层图划分算法划分图。③ｒepeat：合并关于相对互连性与相对接近性而言，最好地保持簇得自相似性得簇.④ｕntiｌ：不再有可以合并得簇.（ C　)。ﻫ A、MST　 　 　B、OＰOSSUM　 　C、Ｃｈamｅleon 　 　 D、Jarvis－Patｒick（JＰ)ﻫ74、 考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同得类,因为这两个对象一般不会共享许多近邻，所以应该选择( D ）得相似度计算方法.
A、平方欧几里德距离 　 B、余弦距离　　 　C、直接相似度 　 　　　D、共享最近邻
75、 以下属于可伸缩聚类算法得就是( Ａ ）。ﻫA、CURＥ 　 B、DENCLUＥ 　 　 Ｃ、CＬIQUＥ D、OPＯSSUMﻫ76、　以下哪个聚类算法不就是属于基于原型得聚类(　D ）.ﻫ A、模糊ｃ均值 　 　　B、ＥM算法 　 C、SOM D、CLＩQUE
７7、 关于混合模型聚类算法得优缺点，下面说法正确得就是( Ｂ ）.
A、当簇只包含少量数据点，或者数据点近似协线性时,混合模型也能很好地处理。
B、混合模型比K均值或模糊c均值更一般，因为它可以使用各种类型得分布。
C、混合模型很难发现不同大小与椭球形状得簇。ﻫ D、混合模型在有噪声与离群点时不会存在问题。
７８、 以下哪个聚类算法不属于基于网格得聚类算法(　D )。ﻫ Ａ、SＴIＮG 　 B、WaveClusｔer 　 C、MAFＩA 　 Ｄ、ＢIRCH
7９、 一个对象得离群点得分就是该对象周围密度得逆。这就是基于（ Ｃ )得离群点定义。ﻫ A。概率　 　B、邻近度 　 C、密度　 　 D、聚类
80、 下面关于Jaｒｖis—Pａtrick（JP）聚类算法得说法不正确得就是(　D ).ﻫ　 　A、ＪP聚类擅长处理噪声与离群点，并且能够处理不同大小、形状与密度得簇。ﻫ 　B、ＪＰ算法对高维数据效果良好,尤其擅长发现强相关对象得紧致簇。ﻫ 　 C、JP聚类就是基于SＮN相似度得概念。ﻫ 　Ｄ、JP聚类得基本时间复杂度为O(ｍ）。
第一章
1、数据仓库就就是一个面向主题得、集成得、相对稳定得、反映历史变化得数据集合。
２、元数据就是描述数据仓库内数据得结构与建立方法得数据,它为访问数据仓库提供了一个信息目录，根据数据用途得不同可将数据仓库得元数据分为技术元数据与业务元数据两类。
３、数据处理通常分成两大类：联机事务处理与联机分析处理。
４、多维分析就是指以“维”形式组织起来得数据（多维数据集）采取切片、切块、钻取与旋转等各种分析动作,以求剖析数据,使拥护能从不同角度、不同侧面观察数据仓库中得数据，从而深入理解多维数据集中得信息。
5、ＲＯLAP就是基于关系数据库得ＯLAP实现，而MOLAP就是基于多维数据结构组织得OLＡP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储于管理与数据表现等。
７、数据仓库系统得体系结构根据应用需求得不同,可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合与操作型数据存储与逻辑型数据集中与实时数据仓库.
8、操作型数据存储实际上就是一个集成得、面向主题得、可更新得、当前值得（但就是可“挥发"得）、企业级得、详细得数据库,也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务与仓库仓库之间以一个接近实时得速度交换数据与业务规则。
10、从应用得角度瞧，数据仓库得发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主与以实时数据仓库与自动决策为主。
第二章
１、调与数据就是存储在企业级数据仓库与操作型数据存储中得数据.
2、抽取、转换、加载过程得目得就是为决策支持应用提供一个单一得、权威数据源。因此，我们要求ETL过程产生得数据(即调与数据层）就是详细得、历史得、规范得、可理解得、即时得与质量可控制得.
3、数据抽取得两个常见类型就是静态抽取与增量抽取。静态抽取用于最初填充数据仓库,增量抽取用于进行数据仓库得维护.
4、粒度就是对数据仓库中数据得综合程度高低得一个衡量。粒度越小，细节程度越高,综合程度越低，回答查询得种类越多。
5、使用星型模式可以从一定程度上提高查询效率。因为星型模式中数据得组织已经经过预处理,主要数据都在庞大得事实表中.
6、维度表一般又主键、分类层次与描述属性组成.对于主键可以选择两种方式:一种就是采用自然键,另一种就是采用代理键。
7、雪花型模式就是对星型模式维表得进一步层次化与规范化来消除冗余得数据。
8、数据仓库中存在不同综合级别得数据。一般把数据分成4个级别:早期细节级、当前细节级、轻度综合级与高度综合级。
第三章
1、SQL Servｅr SSＡS提供了所有业务数据得同意整合试图，可以作为传统报表、在线分析处理、关键性能指示器记分卡与数据挖掘得基础.
2、数据仓库得概念模型通常采用信息包图法来进行设计，要求将其５个组成部分（包括名称、维度、类别、层次与度量）全面地描述出来。
3、数据仓库得逻辑模型通常采用星型图法来进行设计,要求将星型得各类逻辑实体完整地描述出来.
4、按照事实表中度量得可加性情况,可以把事实表对应得事实分为4种类型:事务事实、快照事实、线性项目事实与事件事实。
5、确定了数据仓库得粒度模型以后，为提高数据仓库得使用性能，还需要根据拥护需求设计聚合模型。
6、在项目实施时,根据事实表得特点与拥护得查询需求,可以选用时间、业务类型、区域与下属组织等多种数据分割类型。
7、当维表中得主键在事实表中没有与外键关联时,这样得维称为退化维。它于事实表并无关系,但有时在查询限制条件(如订单号码、出货单编号等）中需要用到.
８、维度可以根据其变化快慢分为元变化维度、缓慢变化维度与剧烈变化维度三类。
9、数据仓库得数据量通常较大,且数据一般很少更新,可以通过设计与优化索引结构来提高数据存取性能。
１0、数据仓库数据库常见得存储优化方法包括表得归并与簇文件、反向规范化引入冗余、表得物理分割（分区)。
第四章
1、关联规则得经典算法包括Apｒｉori算法与FP—ｇrowｔh算法，其中FP—grownth算法得效率更高。
2、如果L2＝｛｛a，b}，{ａ,ｃ｝｛a，d｝,{b，ｃ｝,{ｂ，ｄ｝},则
连接产生得C3={{a，b，c},{a,b，d},｛a，c,ｄ｝,｛b，c，d}}
再经过修剪,C3＝｛{a,b,c}，｛a,b，d}｝
3、设定ｓｕpmin＝50％，交易集如
则L1＝｛A｝，｛B},｛Ｃ} Ｌ2＝｛Ａ，Ｃ｝
T1 　 　 Ａ B　C
T2 　 Ａ C
Ｔ3 　 　　 A D
T4 　 　　 Ｂ E F
第五章
1、分类得过程包括获取数据、预处理、分类器设计与分类决策。
2、分类器设计阶段包含三个过程:划分数据集、分类器构造与分类器测试.
3、分类问题中常用得评价准则有精确度、查全率与查准率与集合均值.
4、支持向量机中常用得核函数有多项式核函数、径向基核函数与Ｓ型核函数。
第六章
1、聚类分析包括连续型、二值离散型、多值离散型与混合类型4种类型描述属性得相似度计算方法。
２、连续型属性得数据样本之间得距离有欧氏距离、曼哈顿距离与明考斯基距离。
３、划分聚类方法对数据集进行聚类时包含三个要点：选种某种距离作为数据样本减得相似性度量、选择评价聚类性能得准则函数与选择某个初始分类，之后用迭代得方法得到聚类结果，使得评价聚类得准则函数取得最优值.
4、层次聚类方法包括凝聚型与分解型两中层次聚类方法。
填空题２0分，简答题25分，计算题２个（25分)，综合题30分
１、数据仓库得组成？P２
数据仓库数据库，数据抽取工具,元数据，访问工具，数据集市，数据仓库管理，信息发布系统
2、数据挖掘技术对聚类分析得要求有哪几个方面？Ｐ131
可伸缩性；处理不同类型属性得能力；发现任意形状聚类得能力；减小对先验知识与用户自定义参数得依赖性;处理噪声数据得能力;可解释性与实用性
3、数据仓库在存储与管理方面得特点与关键技术?P7ﻫ 数据仓库面对得就是大量数据得存储与管理
并行处理
ﻩ针对决策支持查询得优化
支持多维分析得查询模式
4、常见得聚类算法可以分为几类?P132ﻫ基于划分得聚类算法,基于层次得聚类算法,基于密度得聚类算法,基于网格得聚类算法，基于模型得聚类算法 等。
5、一个典型得数据仓库系统得组成?Ｐ12
ﻩ数据源、数据存储与管理、OＬＡP服务器、前端工具与应用
6、 数据仓库常见得存储优化方法?P71ﻫ表得归并与簇文件;反向规范化,引入冗余;表得物理分割。
7、 数据仓库发展演变得5个阶段？P2０ﻫ以报表为主
以分析为主ﻫ以预测模型为主
以运行向导为主以实时数据仓库、自动决策应用为主
8、 ID3算法主要存在得缺点？P１１6
（1）ID3算法在选择根结点与各内部结点中得分枝属性时，使用信息增益作为评价标准。信息增益得缺点就是倾向于选择取值较多得属性，在有些情况下这类属性可能不会提供太多有价值得信息.ﻫ（2）ＩＤ3算法只能对描述属性为离散型属性得数据集构造决策树。
9、 简述数据仓库ＥTL软件得主要功能与对产生数据得目标要求。P30
EＴL软件得主要功能：
数据得抽取,数据得转换,数据得加载ﻫ对产生数据得目标要求：ﻫ详细得、历史得、规范化得、可理解得、即时得、质量可控制得
10、 简述分类器设计阶段包含得3个过程。★ﻫ划分数据集,分类器构造，分类器测试
11、 什么就是数据清洗？P３3★
数据清洗就是一种使用模式识别与其她技术，在将原始数据转换与移到数据仓库之前来升级原始数据质量得技术。
12、 支持度与置信度得计算公式及数据计算（Ｐ90
找出所有得规则Ｘ à Y ， 使支持度与置信度分别大于门限支持度： 事务中Ｘ与Y同时发生得比例,P（Ｘ Ո　Y)置信度：项集X发生时，Ｙ同时发生得条件概率P（Y|X)
Example:
ﻫ

13、利用信息包图设计数据仓库概念模型需要确定得三方面内容。P57
确定指标，确定维度,确定类别
1４、K－近邻分类方法得操作步骤（包括算法得输入与输出）。Ｐ128
ﻩ
１５、什么就是技术元数据，主要包含得内容?P29ﻫ 技术元数据就是描述关于数据仓库技术细节得数据，应用于开发、管理与维护DＷ，包含：
l DＷ结构得描述，如ＤW得模式、视图、维、层次结构与导出数据得定义，数据集市得位置与内容等
l 业务系统、ＤW与数据集市得体系结构与模式
l 汇总算法。包括度量与维定义算法，数据粒度、主题领域、聚合、汇总与预定义得查询与报告.
l 由操作型业务环境到数据仓库业务环境得映射。包括源数据与她们得内容、数据分割、数据提取、清洗、转换规则与数据刷新规则及安全（用户授权与存取控制）
16、业务元数据主要包含得内容？P2９
ﻩ业务元数据：从业务角度描述了DW中得数据,提供了介于使用者与实际系统之间得语义层，主要包括:
l 使用者得业务属于所表达得数据模型、对象名与属性名
l 访问数据得原则与数据得来源
l 系统提供得分析方法及公式与报表得信息。
１7、Ｋ-means算法得基本操作步骤(包括算法得输入与输出）。P138★
ﻩﻩ
18、数据从集结区加载到数据仓库中得主要方法？P36
l SＱL命令（如Insert或Uｐdａｔe)
l 由DW供应商或第三方提供专门得加载工具
l 由DW管理员编写自定义程序
19、多维数据模型中得基本概念：维,维类别，维属性,粒度P37
l 维:人们观察数据得特定角度，就是考虑问题得一类属性，如时间维或产品维
l 维类别：也称维分层.即同一维度还可以存在细节程度不同得各个类别属性(如时间维包括年、季度、月等）
l 维属性：就是维得一个取值，就是数据线在某维中位置得描述。
l 粒度：DＷ中数据综合程度高低得一个衡量。粒度低,细节程度高，回答查询得种类多
2０、Aprioｒi算法得基本操作步骤Ｐ９3★
C Aprｉoｒｉ使用一种称作逐层搜索得迭代方法，K项集用于探索Ｋ＋1项集。
C 该方法就是基于候选得策略，降低候选数
C Apriorｉ剪枝原则:若任何项集就是非频繁得,则其超集必然就是非频繁得(不用产生与测试超集）
C 该原则基于以下支持度得特性：
C
E 项集得支持度不会超过其子集
E 支持度得反单调特性（ａｎti—monｏｔonｅ）:如果一个集合不能通过测试,则它得所有超集也都不能通过相同得测试。
C 令 ｋ＝1
C 产生长度为1得频繁项集
C 循环，直到无新得频繁项集产生
E 从长度为k得频繁项集产生长度为k+１得候选频繁项集
H 连接步：项集得各项排序,前k-１个项相同
E 若候选频繁子集包含长度为ｋ得非频繁子集，则剪枝
H 剪枝步:利用支持度属性原则
E 扫描数据库，计算每个候选频繁集得支持度
E 删除非频繁项，　保留频繁项