数据挖掘期末考试题库及答案.docxVIP

数据挖掘期末考试题库及答案

一、单项选择题（共10题，每题2分，共20分）

下列不属于数据挖掘核心任务的是（）

A.分类B.聚类C.数据采集D.关联规则挖掘

在决策树算法中，用于衡量特征区分能力的指标不包括（）

A.信息增益B.基尼系数C.欧氏距离D.信息增益比

关于K-Means聚类算法，下列说法错误的是（）

A.K值需要提前设定B.对异常值敏感C.聚类结果受初始聚类中心影响D.适用于非凸形数据分布

关联规则挖掘中，“支持度”的定义是（）

A.包含项集A的事务中同时包含项集B的比例B.同时包含项集A和B的事务占总事务的比例

C.项集A在总事务中出现的比例D.项集B在总事务中出现的比例

下列哪种算法属于监督学习算法（）

A.K-MeansB.DBSCANC.逻辑回归D.主成分分析（PCA）

数据预处理中，处理缺失值的常用方法不包括（）

A.删除法B.均值填充法C.归一化法D.回归填充法

关于神经网络，下列说法正确的是（）

A.隐藏层越多，模型一定越精准B.激活函数的作用是引入线性变换

C.反向传播算法用于更新网络权重D.输入层神经元数量必须与特征维度一致

下列哪种距离度量适用于类别型数据（）

A.欧氏距离B.曼哈顿距离C.汉明距离D.马氏距离

决策树剪枝的主要目的是（）

A.减少特征数量B.防止过拟合C.提高训练速度D.简化数据预处理步骤

在推荐系统中，基于用户行为挖掘相似用户的方法属于（）

A.内容推荐B.协同过滤推荐C.知识推荐D.模型推荐

二、填空题（共10空，每空2分，共20分）

数据挖掘的基本流程包括数据采集、数据预处理、________、模型构建、模型评估与优化、结果部署。

聚类算法中，________算法通过密度阈值判断核心点、边界点和噪声点，适用于任意形状的聚类簇。

关联规则挖掘的经典算法是________，其核心思想是通过频繁项集生成关联规则。

防止模型过拟合的常用方法有正则化、________、早停法等。

主成分分析（PCA）的核心目的是________，保留数据的主要信息。

逻辑回归通过________函数将线性输出映射到[0,1]区间，用于二分类问题。

数据预处理中的“归一化”是将数据缩放到________区间，“标准化”是将数据转换为均值为0、方差为1的分布。

决策树的构建过程是不断选择________的特征进行分支，直到满足停止条件。

支持向量机（SVM）的核心是寻找________，使两类数据的分类间隔最大。

文本数据挖掘中，常用________将文本转换为数值向量，如TF-IDF、Word2Vec等。

三、简答题（共4题，每题10分，共40分）

简述监督学习与无监督学习的区别，并各举2个典型算法。

说明K-Means聚类算法的基本步骤，以及其优缺点。

什么是过拟合？产生过拟合的原因有哪些？如何缓解过拟合？

简述关联规则挖掘中的支持度、置信度和提升度的定义，并说明三者的作用。

四、案例分析题（共1题，每题20分，共20分）

某电商平台想要通过数据挖掘优化商品推荐策略，现有用户历史购买记录、商品分类信息、用户浏览日志等数据。请回答以下问题：

（1）该场景下的数据挖掘任务属于什么类型？核心目标是什么？（6分）

（2）需要进行哪些数据预处理工作？请列举3项关键步骤并说明原因。（6分）

（3）选择一种合适的推荐算法，并说明该算法的原理以及在该场景中的应用逻辑。（8分）

参考答案

一、单项选择题

C2.C3.D4.B5.C6.C7.C8.C9.B10.B

二、填空题

特征工程2.DBSCAN3.Apriori4.交叉验证（或数据集划分）5.降维6.Sigmoid7.[0,1]8.最优（或区分能力最强）9.最优分离超平面10.特征提取（或文本向量化）

三、简答题

区别：监督学习使用带标签的训练数据（即输入特征+对应输出标签），目标是学习输入到输出的映射关系；无监督学习使用无标签的训练数据，目标是发现数据本身的内在结构或规律。（4分）

典型算法：监督学习——逻辑回归、决策树、支持向量机、随机森林（任举2个，2分）；无监督学习——K-Means、DBSCAN、PCA、关联规则挖掘（任举2个，2分）。

基本步骤：①确定K值；②随机选择