2025年（医学数据挖掘）数据挖掘技术试题及答案.docVIP

2025年（医学数据挖掘）数据挖掘技术试题及答案

分为第I卷（选择题）和第Ⅱ卷（非选择题）两部分，满分100分，考试时间90分钟。

第I卷（选择题共40分）

答题要求：请将正确答案的序号填在括号内。

一、单项选择题（每题2分，共20分）

1.以下哪种算法不属于分类算法？（）

A.决策树B.支持向量机C.聚类算法D.朴素贝叶斯

2.数据挖掘中，数据预处理不包括以下哪个步骤？（）

A.数据清洗B.数据集成C.模型评估D.数据变换

3.医学数据挖掘中，经常用于疾病预测的模型是（）

A.关联规则模型B.时间序列模型C.分类预测模型D.聚类模型

4.以下关于特征选择的说法错误的是（）

A.可以减少数据维度B.能提高模型性能C.必须保留所有特征D.可去除无关特征

5.支持向量机的核心思想是（）

A.最大化分类间隔B.最小化分类间隔C.随机分类D.聚类分类

6.数据挖掘的主要任务不包括（）

A.分类B.回归C.数据可视化D.聚类

7.医学数据中，数值型数据的特点是（）

A.可以进行数值计算B.不能比较大小C.只有分类属性D.都是离散值

8.以下哪种数据挖掘技术常用于发现数据中的模式和规律？（）

A.关联规则挖掘B.数据抽样C.数据加密D.数据备份

9.决策树算法中，用于划分节点的属性是（）

A.随机属性B.信息增益最大的属性C.任意属性D.与类别无关的属性

10.医学数据挖掘中提高模型泛化能力的方法不包括（）

A.交叉验证B.正则化C.增加数据量D.过拟合

二、多项选择题（每题2分，共20分）

1.数据挖掘的常用技术包括（）

A.分类算法B.聚类算法C.关联规则挖掘D.数据可视化

2.医学数据的特点有（）

A.数据量大B.数据类型多样C.数据质量要求高D.数据关系复杂

3.以下属于监督学习算法的有（）

A.决策树B.支持向量机C.朴素贝叶斯D.K近邻算法

4.数据预处理中数据清洗的方法有（）

A.去除重复数据B.处理缺失值C.纠正错误数据D.数据加密

5.特征工程包括（）

A.特征选择B.特征提取C.特征转换D.特征删除

6.聚类算法的评价指标有（）

A.簇内相似度B.簇间相似度C.轮廓系数D.准确率

7.关联规则挖掘中的度量指标有（）

A.支持度B.置信度C.提升度D.基尼系数

8.医学数据挖掘可应用于（）

A.疾病诊断B.治疗方案预测C.药物研发D.医疗资源分配

9.以下哪些是数据挖掘中处理不平衡数据的方法？（）

A.过采样B.欠采样C.调整分类阈值D.增加特征

10.模型评估中常用的指标有（）

A.准确率B特异性C.召回率D.F1值

第Ⅱ卷（非选择题共60分）

三、简答题（每题5分，共20分）

1.简述数据挖掘中分类算法的基本原理。

_分类算法是基于已有类别标记的训练数据，构建分类模型。通过对输入数据的特征提取和分析，利用模型预测其所属类别。常见的分类算法有决策树、支持向量机等，它们根据不同的策略划分数据空间，以实现准确分类。_

2.请说明数据预处理中数据集成的作用及方法。

_数据集成的作用是将来自多个数据源的数据整合到一起，解决数据的不一致性和冗余问题。方法包括实体识别，确定不同数据源中相同实体；冗余属性识别与处理，去除重复或无用属性；数据融合，采用合适的策略将数据合并，如按列合并等。_

3.解释什么是特征选择，以及常用的特征选择方法有哪些。

_特征选择是从原始特征中挑选出最具代表性、与目标变量相关性高的特征子集。常用方法有：基于过滤的方法，如计算信息增益、互信息等，根据得分筛选特征；基于包装器的方法，通过构建分类模型评估特征子集的优劣；基于嵌入的方法，在模型训练过程中自动选择特征，如Lasso回归等。_

4.简述聚类算法在医学数据挖掘中的应用场景。

_聚类算法在医学数据挖掘中可用于疾病亚型分类，将具有相似特征的病例聚为一类，发现新的疾病类型；疾病分组，依据患者特征聚类，为治疗方案制定提供参考；药物疗效分析，对患者按疗效聚类，评估药物效果差异等。_

四、判断题（每题2分，共20分）

1