数据挖掘考试题库.pdfVIP

1.何谓数据挖掘？它有哪些方面挎功能？

从大量的、不完全的、有噪声的、模糊的、随的数据中，泥取隐含在其中的、人们事先不知道的、但又是

潜在有用的信息和知识的过程称为数据挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。

数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析

等。

2.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？

粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大

小，同时影响数据仓库所能答复查询问题的细节程度。按粒度组织数据的方式主要有：

①简单堆积结构

②轮转综合结构

③洵单直接结构

④连续结构

3.简述数据仓库设计的三级模型及其根本内容。

概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。

逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义

记录系统。

物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策

略等。在物理数据模型设计时主要考虑的因素有：I/O存取时间、空间利用率和维护代价等。

提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义

索引等。

4.在数据挖掘之前为什么要对原始数据进行预处理？

原始业务数据来自多个数据库或数据仓库，它们的结构和规那么可能是不同的，这将导致原始数据非常的杂

乱、不可用，即使在同一个数据库中，也可能存在而第的和不完整的数据信息，为了使这些数据能够符合数据挖

掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。

为数据挖掘算法提供整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。

5.简述数据预处理方法和内容。

①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。

②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据即配

问题、数值冲突问题和冗余问题等。

③数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、标准化，还可能需

要进行属性的重构。

④数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并旦能够得到和原始数据相同的分析

结果。

6.简述数据清理的根本内容。

①尽可能赋予属性名和属性道明确的含义：

②统一多数据源的属性值编码；

③去除无用的惟一属性或键直如（自动增长的id）：

④去除重复属性在（某些分析中，年龄和出生日期可能就是重复的属性，但在某些时候它们可能又是同时需要的）

⑤去除可忽略字段大（局部为空值的属性一般是没有什么价值的，如果不去除诃能造成错误的数据挖掘结果）

⑥合理选择关联字段对（于多个关联性较强的属性，重复无益，只需选择其中的局部用于数据挖掘即可，如价格、

数据、金额）

⑦去掉数据中的噪音、填充空值、丧失值和处理不一致数据。

7.简述处理空缺值的方法。

①

忽略该记录：

②

去抻属性：

③

手工填写空缺值：

④

使用默认值；

⑤

使用属性平均值；

⑥

使用同类样本平均值：

⑦预测最可能的值。

8.常见的分箱方法有哪些？数据平滑处理的方法有哪些？

分箱的方法主要有：

①统一权重法(又称等深分箱法)

②统一区间法(又称等宽分箱法)

③最