2026年数据挖掘项目数据预处理与清洗试题.docxVIP

2026年数据挖掘项目数据预处理与清洗试题

考试时间：______分钟总分：______分姓名：______

一、单项选择题（下列选项中，只有一项是最符合题目要求的，请将正确选项的字母填在题干后的括号内。每小题2分，共30分）

1.在数据预处理阶段，下列哪一项通常被认为是数据挖掘过程中最耗时或最具挑战性的环节？

A.数据集成

B.数据清洗

C.数据变换

D.数据规约

2.当数据集中某个属性的取值存在大量不同类别，且类别数量非常多时，最适合采用的类别特征编码方法是？

A.独热编码(One-HotEncoding)

B.标签编码(LabelEncoding)

C.二进制编码(BinaryEncoding)

D.目标编码(MeanEncoding)

3.某属性的有效取值范围是[0,100]，但数据集中存在大量超出此范围的数据点，这些数据点很可能是？

A.正常数据

B.稀有数据

C.异常值(Outlier)

D.缺失值

4.在处理数据集中的缺失值时，简单删除含有任何缺失值的记录，其主要缺点是？

A.可能引入偏差

B.丢失信息过多

C.计算复杂度增加

D.需要更复杂的插补方法

5.