数据挖掘试卷及分析.docxVIP

  • 0
  • 0
  • 约1.01万字
  • 约 26页
  • 2026-11-21 发布于上海
  • 举报

数据挖掘试卷及分析

一、单项选择题(共10题,每题1分,共10分)

在数据挖掘过程中,用于发现数据集中频繁出现的项集和关联规则的典型任务是()。

A.分类预测

B.关联分析

C.聚类分析

D.异常检测

答案:B

解析:关联分析是数据挖掘中用于发现数据集中频繁出现的项集和关联规则的核心任务,典型应用如购物篮分析。分类预测是将数据映射到预定义类别,聚类分析是将数据分组为相似簇,异常检测是识别偏离正常模式的数据点。A、C、D均不符合题干中”频繁项集和关联规则”的关键词,因此错误。

在决策树算法中,用于衡量节点纯度的常用指标是()。

A.欧氏距离

B.信息熵

C.余弦相似度

D.曼哈顿距离

答案:B

解析:决策树算法通过选择使信息熵降低最多的属性进行划分,信息熵是衡量数据集纯度的经典指标,信息熵越小说明纯度越高。欧氏距离和曼哈顿距离是距离度量指标,通常用于聚类或近邻算法;余弦相似度用于衡量向量方向上的相似性,它们都不直接用于衡量决策树节点的纯度,故A、C、D错误。

在K均值聚类算法中,簇的质心是指()。

A.簇内距离最远的两个点

B.簇内所有样本点的均值

C.簇内随机选取的一个点

D.簇内出现频率最高的点

答案:B

解析:K均值聚类中,每个簇的质心被定义为该簇内所有样本点在各维度上的平均值,也就是均值向量。质心是K均值迭代更新的核心,算法不断计算各簇均值并重新

文档评论(0)

1亿VIP精品文档

相关文档