数据挖掘考试题及答案.docxVIP

数据挖掘考试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于数据预处理中的常见任务？

A.缺失值填充

B.特征选择

C.决策树剪枝

D.异常值检测

2.在K-means聚类算法中，“肘部法则”主要用于确定：

A.初始聚类中心的位置

B.最优的聚类数目K

C.数据点的分配策略

D.迭代终止的阈值

3.若某分类模型在测试集上的准确率为85%，但召回率仅为30%，最可能的原因是：

A.模型欠拟合

B.数据类别不平衡（正类样本极少）

C.特征维度过高

D.学习率设置过大

4.Apriori算法的核心思想是：

A.通过频繁项集的先验性质（先验原理）减少计算量

B.利用决策树进行规则提取

C.基于密度划分数据区域

D.通过提升方法组合弱分类器

5.关于信息增益（InformationGain）和基尼指数（GiniIndex）的描述，正确的是：

A.信息增益用于CART决策树，基尼指数用于ID3决策树

B.信息增益倾向于选择取值较多的特征，基尼指数无此偏好

C.两者均用于评估回归模型的预测误差

D.信息增益反映数据的纯度变化，基尼指数反映数据的离散程度

6.以下哪种方法不能有效缓解过拟合？

A.增加训练数据量

B.对模型参数施加L2正则化

C.降低决策树的最大深度

D.提高神经网络的隐藏层神经元数量

7.在评估聚类效果时，轮廓系数（SilhouetteCoefficient）的取值范围是：

A.[-1,1]

B.[0,1]

C.[-∞,∞]

D.[0,∞]

8.对于二分类问题，若真实标签为[1,0,1,1,0]，预测标签为[1,1,0,1,0]，则精确率（Precision）为：

A.2/3

B.3/4

C.3/5

D.2/5

9.以下哪项属于无监督学习任务？

A.预测用户是否会购买某商品（二分类）

B.识别图像中的数字（多分类）

C.将客户分为高价值、中价值、低价值群体（聚类）

D.预测房屋价格（回归）

10.随机森林（RandomForest）与梯度提升树（GradientBoostingTree）的主要区别是：

A.随机森林基于Bagging，梯度提升树基于Boosting

B.随机森林只能处理分类问题，梯度提升树可处理回归

C.随机森林使用决策树作为基分类器，梯度提升树使用线性模型

D.随机森林需要调整学习率，梯度提升树不需要

二、填空题（每题2分，共10分）

1.数据清洗中，处理缺失值的常见方法包括删除缺失记录、__________和__________（任写两种）。

2.支持向量机（SVM）的核心思想是寻找__________的超平面，使得两类样本的间隔最大。

3.关联规则挖掘中，规则X→Y的置信度（Confidence）定义为__________与__________的比值。

4.在逻辑回归模型中，sigmoid函数的作用是将线性组合的输出映射到__________区间，从而实现概率预测。

5.K-means算法的目标函数是最小化所有数据点到其所属聚类中心的__________之和。

三、简答题（每题8分，共40分）

1.简述数据标准化（Z-score标准化）与归一化（Min-Max归一化）的区别，并说明各自的适用场景。

2.解释“过拟合”与“欠拟合”的概念，分别说明其产生原因及解决方法。

3.对比K-means聚类与DBSCAN聚类的优缺点，各举一个适合的应用场景。

4.什么是集成学习（EnsembleLearning）？列举三种常见的集成方法，并说明其核心思想。

5.对于一个二分类问题，若测试集中正类样本占比仅5%（极不平衡），为什么准确率不是一个合适的评估指标？应选择哪些指标？并解释原因。

四、应用题（共30分）

背景：某电商平台收集了10000条用户行为数据，字段包括：用户ID（唯一标识）、年龄（岁）、性别（男/女）、月均消费金额（元）、近30天登录次数、是否购买会员（是/否）、标签（是否在未来30天内复购，1=是，0=否）。其中，年龄字段有5%的缺失值，月均消费金额存在3条异常记录（如-500元、100000元），性别字段有0.1%的记录为“未知”。

任务：请设计一个数据挖掘流程，预测用户是否会复购，并完成以下步骤：

1.数据清洗（6分）：

说明如何处理年龄的缺失值，并给出理由；

说明如