數據挖掘課后習題第1章1、數據采集旨在找到可用于訓練模型的數據集，主要包括哪三種技術？（）A．數據發現、數據增強、數據生成B．數據清洗、數據標注、數據預處理C．數據挖掘、模式識別、機器翻譯D．數據共享、數據檢索、數據合成2、以下哪個不是數據標注——基于眾包技術中提到的質量控制方法？（）A．使用多個工人重復標注同一示例B．進行多數投票C．手動標注每一條實例D．有效地向工作人員提供如何執行標簽的說明3.請簡述數據挖掘的含義及其應用場景。4.請簡述數據挖掘的基本任務。5.請簡述數據挖掘的主要步驟。6.請列舉數據采集的主要方式。第2章1.關于數據歸約，以下說法錯誤的是？（）A.數據歸約可以減少數據存儲空間B.數據歸約可以提高數據挖掘算法的效率C.數據歸約一定會導致信息丟失D.數據歸約是數據預處理的一個重要步驟2.在數據挖掘之前為什么要對原始數據進行預處理。3.請簡述數據集成可能會遇到的挑戰。4.現實世界中的數據在某些屬性上常常存在缺失值，請簡述處理該問題的各種方法。第3章1、下面列出的條目中，哪項不是數據倉庫的基本特征？（）A．數據倉庫是面向主題的B.數據倉庫集成多個異構數據源C．數據倉庫的數據是相對穩定的D．數據倉庫的數據是反映歷史變化的2、下面的數據倉庫操作中，哪項不是多維數據模型上的OLAP操作？（）A．上卷B．選擇C．下鉆D．旋轉3、以下哪種數據倉庫模式中，中心是一個事實表，周圍圍繞著多個維度表？（）A.雪花模式B.事實星座模式C.星形模式D.以上都不是4、請簡述數據倉庫定義，并列舉利用維表和事實表處理多維數據模型的幾種常用模式。5、請列舉數據倉庫的四個特征及常見的OLAP操作。6、請簡述數據庫與數據倉庫的主要區別。第4章1.關聯規則挖掘的一般步驟不包括以下哪項？（）A.數據預處理B.模型訓練C.產生頻繁項集D.生成規則2.在關聯規則挖掘中，支持度計數是指（）A.項集在所有事務中出現的次數B.項集在部分事務中出現的次數C.項集在頻繁事務中出現的次數D.項集在非頻繁事務中出現的次數3.關聯規則挖掘設置較高的最小支持度閾值時，可能遇到什么問題？（）A．忽略了稀疏但可能重要的模式B．發現更多的頻繁項集C．計算時間顯著增加D．提高了規則的置信度4.請簡述FP-Growth算法相比Apriori算法的優勢。5.假設最小支持度=60%，最小置信度=80%，根據下表計算購買行為的相關信息：（1）計算2-項集{O,K}的支持度；（2）列出所有頻繁項集；（3）規則{K,E}→Y是否成立。交易號（TID）商品（Items）1M,O,N,K,E,Y2D,O,N,K,E,Y3M,A,K,E4M,U,C,K,Y5C,O,K,I,E第5章1.數據挖掘中的分類任務與回歸任務的主要區別是什么？（）A.分類任務的輸出是連續的，回歸任務的輸出是離散的。B.分類任務的輸出是離散的，回歸任務的輸出是連續的。C.分類和回歸任務的輸出都是連續的。D.分類和回歸任務的輸出都是離散的。2.決策樹分類中，以下哪種度量標準用于選擇最優特征進行節點分裂？（）A.方差B.信息增益C.熵D.支持度3.支持向量機（SVM）在解決非線性可分問題時，通常使用哪種技術？（）A.決策樹B.核函數C.聚類D.貝葉斯定理4.簡述決策樹定義及其構建方法。5.請簡述支持向量機的分類原理、構建方法。6.下表提供了一個關于是否要踢球的訓練數據集合，包含天氣、溫度、濕度、風力這四個屬性，其類別屬性為踢球，包含兩個不同的取值{yes，no}。天氣溫度濕度風力足球陰天熱高弱Yes晴天熱高弱No晴天熱高強No陰天熱正常弱Yes雨天溫暖高弱Yes晴天冷正常弱Yes雨天冷正常弱Yes雨天溫暖正常弱Yes雨天冷正常強No陰天冷正常強Yes晴天溫暖高弱No陰天溫暖高強Yes根據上面訓練數據集，采用樸素貝葉斯分類方法對下列未知樣本進行分類，并給出具體步驟，其中未知樣本為：X=（天氣=青托，溫度=溫暖，濕度=高，風力=強）第6章1.下列哪種聚類算法屬于劃分聚類算法？（）A．K均值算法B．AGNES算法C．DBSCAN算法D．譜聚類算法2.下列選項中關于K-means算法描述錯誤的是（）。A．簇數K必須是預先設定的B．聚類結果是全部最優解C．對噪聲和異常數據敏感D．不適合非凸形簇3.（）是一個觀測值，它與其他觀測值的差別如此之大，以至于懷疑它是由不同的機制產生的。A．邊界點B．質心C．離群點D．中心點4.請列出分類或聚類算法的幾種評估方法。5.請簡述K-means的輸入、輸出及聚類過程。第7章1.下列哪種算法用于挖掘圖數據中的凝聚子圖？（）A．Apriori算法B．Bron-Kerbosch算法C．K均值算法D．DBSCAN算法2.以下關于時間序列數據挖掘的描述，錯誤的是（）A.時間序列數據挖掘可以用于預測未來趨勢B.時間序列數據挖掘可以發現數據中的周期性模式C.時間序列數據挖掘只能處理線性關系的數據D.時間序列數據挖掘可以進行異常檢測3.請簡述時間序列數據的特點及其應用場景。4.請簡述Spark與MapReduce相比的主要優勢。5.如何利用凝聚子圖挖掘技術來檢測社交網絡中的社區結構？第8章1.以下哪種數據可視化工具是基于Python的？（）A．EchartsB．TableauC．MatplotlibD．PowerBI2.在數據可視化中，下列哪種圖表類型最適合用于比較不同類別之間的數據差異？（）A．折線圖B．餅圖C．柱狀圖D．散點圖3.請列舉并簡述三種常見的數據可視化圖表類型及其適用場景。4.請列舉兩種可用于數據可視化的Python庫。5.請簡述數據可視化軟件Tableau的主要特點。第9章1.自然語言挖掘中，以下哪種技術常用于文本分類？（）A.聚類分析B.決策樹分類C.卷積神經網絡D.基于規則的推理2.以下關于醫療大數據智能挖掘中電子病歷數據挖掘的描述，錯誤的是（）A.命名實體識別可以識別病歷中的疾病名稱B.關系抽取可以確定病歷中疾病與癥狀之間的關系C.文本分類可以將病歷文檔