数据挖掘导论第六章中文答案题型大全.docxVIP

数据挖掘导论第六章中文答案

姓名：__________考号：__________

题号

一

二

三

四

五

总分

评分

一、单选题(共10题)

1.什么是数据挖掘中的关联规则挖掘？()

A.从大量数据中发现频繁项集的过程

B.从大量数据中发现异常模式的过程

C.从大量数据中发现时间序列模式的过程

D.从大量数据中发现分类模式的过程

2.Apriori算法在关联规则挖掘中主要解决什么问题？()

A.减少候选集的大小

B.提高算法的效率

C.减少计算复杂度

D.减少内存消耗

3.数据挖掘中的分类方法主要分为哪两大类？()

A.监督学习和非监督学习

B.有监督学习和无监督学习

C.基于实例学习和基于规则学习

D.基于模型学习和基于实例学习

4.在决策树中，剪枝的目的是什么？()

A.减少过拟合

B.增加过拟合

C.增加决策树的深度

D.减少决策树的深度

5.什么是数据挖掘中的聚类分析？()

A.将数据分为不同的类别

B.从大量数据中发现频繁项集的过程

C.从大量数据中发现异常模式的过程

D.从大量数据中发现时间序列模式的过程

6.K-means聚类算法的主要缺点是什么？()

A.需要预先指定簇的数量

B.对初始值敏感

C.无法处理非凸形状的簇

D.以上都是

7.什么是数据挖掘中的关联规则挖掘？()

A.从大量数据中发现频繁项集的过程

B.从大量数据中发现异常模式的过程

C.从大量数据中发现时间序列模式的过程

D.从大量数据中发现分类模式的过程

8.Apriori算法在关联规则挖掘中主要解决什么问题？()

A.减少候选集的大小

B.提高算法的效率

C.减少计算复杂度

D.减少内存消耗

9.数据挖掘中的分类方法主要分为哪两大类？()

A.监督学习和非监督学习

B.有监督学习和无监督学习

C.基于实例学习和基于规则学习

D.基于模型学习和基于实例学习

10.在决策树中，剪枝的目的是什么？()

A.减少过拟合

B.增加过拟合

C.增加决策树的深度

D.减少决策树的深度

11.什么是数据挖掘中的聚类分析？()

A.将数据分为不同的类别

B.从大量数据中发现频繁项集的过程

C.从大量数据中发现异常模式的过程

D.从大量数据中发现时间序列模式的过程

12.K-means聚类算法的主要缺点是什么？()

A.需要预先指定簇的数量

B.对初始值敏感

C.无法处理非凸形状的簇

D.以上都是

二、多选题(共5题)

13.以下哪些是关联规则挖掘中常用的算法？()

A.Apriori算法

B.Eclat算法

C.FP-growth算法

D.K-means聚类算法

E.决策树算法

14.数据挖掘中的分类模型通常需要哪些数据准备步骤？()

A.数据清洗

B.特征选择

C.数据标准化

D.数据转换

E.数据增强

15.以下哪些方法可以用来减少决策树过拟合？()

A.剪枝

B.交叉验证

C.添加噪声

D.使用更多的数据

E.降低树的最大深度

16.聚类分析中有哪些常用的距离度量方法？()

A.欧几里得距离

B.曼哈顿距离

C.余弦相似度

D.杰卡德相似系数

E.误差平方和

17.以下哪些是时间序列分析中常用的特征提取方法？()

A.长度特征

B.统计特征

C.频域特征

D.时域特征

E.聚类特征

三、填空题(共5题)

18.关联规则挖掘中，用于确定数据项是否频繁的度量称为______。

19.在决策树中，用于评估节点分割的准则通常包括______和______。

20.在聚类分析中，K-means算法的步骤包括初始化______、迭代执行______和______。

21.在时间序列分析中，用于描述时间序列变化趋势的统计量通常包括______、______和______。

22.在数据挖掘中，用于描述数据集中不同特征之间相关性的度量称为______。

四、判断题(共5题)

23.Apriori算法在处理大数据集时比FP-growth算法更高效。()

A.正确B.错误

24.决策树的深度越深，模型的泛化能力通常越好。()

A.正确B.错误

25.K-means聚类算法可以保证找到全局最优解。()

A.正确B.错误

26.时间序列数据中的季节性成分是指数据随时间呈现的周期性波动。()

A.正确