2025年招标师关联分析与聚类算法在采购数据分析中的应用实践专题试卷及解析.pdfVIP

2025年招标师关联分析与聚类算法在采购数据分析中的应用实践专题试卷及解析1

2025年招标师关联分析与聚类算法在采购数据分析中的应

用实践专题试卷及解析

2025年招标师关联分析与聚类算法在采购数据分析中的应用实践专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在采购数据分析中，关联规则挖掘主要用于发现什么？

A、供应商的信用评级

B、不同采购项目之间的潜在联系

C、采购预算的分配比例

D、合同履约的进度跟踪

【答案】B

【解析】正确答案是B。关联规则挖掘的核心目的是发现数据项之间的有趣关系，在

采购领域表现为不同采购项目、物料或供应商之间的潜在关联模式。A选项属于信用评

估范畴，C选项是预算管理问题，D选项属于项目执行监控。知识点：关联规则的基本

应用场景。易错点：容易将关联分析与相关性分析混淆，前者侧重规则发现，后者侧重

数值关系。

2、Kmeans聚类算法在供应商分类中的主要优势是什么？

A、处理高维数据能力强

B、需要预先设定聚类数量

C、计算速度快且结果易解释

D、能处理非球形分布数据

【答案】C

【解析】正确答案是C。Kmeans算法因计算效率高、结果直观而在供应商分类中

广泛应用。B选项是其局限性而非优势，A选项更适合PCA等降维方法，D选项是

DBSCAN等算法的优势。知识点：聚类算法的适用场景。易错点：容易忽略Kmeans对

初始聚类中心敏感的缺点。

3、在采购数据分析中，支持度（Support）指标的作用是什么？

A、衡量规则的可信度

B、反映规则的普遍性

C、评估规则的提升度

D、计算规则的置信度

【答案】B

【解析】正确答案是B。支持度表示项目集在总交易中出现的频率，反映规则的普

遍程度。A和D描述的是置信度，C是提升度的概念。知识点：关联规则评价指标。易

错点：容易混淆支持度与置信度的含义。

2025年招标师关联分析与聚类算法在采购数据分析中的应用实践专题试卷及解析2

4、层次聚类法在采购数据分析中的典型应用是？

A、实时供应商动态分类

B、构建供应商层级体系

C、处理大规模交易数据

D、发现异常采购行为

【答案】B

【解析】正确答案是B。层次聚类能生成树状结构，特别适合构建供应商的层级分

类体系。A选项更适合Kmeans，C选项是抽样方法的应用，D选项需要异常检测算法。

知识点：聚类算法的典型应用场景。易错点：容易忽视层次聚类计算复杂度高的缺点。

5、Apriori算法在采购数据分析中的主要限制是？

A、只能处理数值型数据

B、需要多次扫描数据库

C、无法处理稀疏数据

D、结果难以解释

【答案】B

【解析】正确答案是B。Apriori算法需要反复扫描数据库生成候选项集，计算开销

大。A选项错误，它处理的是事务型数据，C选项是其优势，D选项与事实相反。知识

点：Apriori算法的特点。易错点：容易混淆Apriori与FPGrowth算法的区别。

6、在聚类分析中，轮廓系数（SilhouetteCoefficient）用于评估？

A、聚类结果的稳定性

B、聚类数量的合理性

C、聚类内部的紧密度

D、聚类之间的分离度

【答案】B

【解析】正确答案是B。轮廓系数综合衡量聚类的紧密度和分离度，常用于确定最

佳聚类数量。A选项需要重采样方法，C和D只关注单一维度。知识点：聚类效果评

估指标。易错点：容易忽略轮廓系数需要同时考虑类内和类间距离。

7、采购数据分析中，关联规则的提升度（Lift）大于1表示？

A、规则具有负相关性

B、规则具有正相关性

C、规则是偶然的

D、规则置信度高

【答案】B

【解析】正确答案是B。提升度大于1表示前后项的出现存在正向关联。A选项对

应提升度小于1，C选项对应提升度接近1，D选项由置信度衡量。知识点：关联规则

2025年招标师关联分析与聚类算法在采购数据分析中的应用实践专题试卷及解析3

高级评价指标。易错点：容易混淆提升度与置信度的含义。

8、DBS