【SCAU数据挖掘】数据挖掘期末总复习题库选择题及解析

1.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?( C )
A.频繁模式挖掘      B.分类和预测    C.数据预处理      D.数据流挖掘

解析:数据预处理是数据分析和数据挖掘的重要步骤之一,包括数据清洗、集成、变换、规约(如维度规约、数值规约)等。这些步骤的目的是为了改善数据质量,使其更适合于后续的分析和挖掘任务。
频繁模式挖掘:这是数据挖掘中的一种技术,用于发现数据集中频繁出现的模式或项集。
分类和预测:这是数据挖掘的目标之一,分类是对数据进行分类,预测是预测未来的值或趋势
数据流挖掘:这是处理连续到达的数据流(如实时数据)的挖掘技术。

2.简单地将数据对象集划分成不重叠的子集,使得每个数据对象恰在一个子集中,这种聚类类型称作( B )。
A.层次聚类         B.划分聚类         C.非互斥聚类         D.模糊聚类

解析:划分聚类是将数据集划分为K个(K是给定的)不重叠的子集(或称为簇),每个数据点都属于且仅属于一个簇
层次聚类:这是一种聚类方法,创建了一个层次化的聚类树,其中每个簇都是树中的一个节点。
非互斥聚类:这不是一个标准的聚类类型术语。在聚类中,数据点通常被分配到唯一的簇中,因此它们是“互斥”的。但有一些聚类方法(如模糊聚类)允许数据点以某种程度属于多个簇,但这与“非互斥”的定义不完全一致。
模糊聚类:这是一种聚类方法,其中每个数据点可以以不同的隶属度属于多个簇


3.下表是一个购物篮,假设支持度阈值为40%,其中( AD )是频繁闭项集
TID    项
1    abc
2    abcd
3    bce
4    acde
5    de

A.abc  B. ad  C.cd  D.de

解析:在关联规则挖掘中,频繁项集是指满足最小支持度阈值的项集。支持度是指项集在所有事务中出现的频率。给定支持度阈值为40%,即至少需要在40%的事务中出现才被认为是频繁的
计算每个项集的支持度,找出频繁项集(即支持度大于或等于40%的项集):

最后,频繁闭项集是那些没有超集的频繁项集。我们可以看到,de 没有更大的项集(如ade或bde)是频繁的,因此de是频繁闭项集。

频繁闭项集是一个频繁项集,且它的所有超集都不是频繁的。

  • abc 的超集 abcd 和 abce 都不是频繁的(因为支持度低于40%),所以 abc 是频繁闭项集。
  • ad 的超集 ade 是频繁的(支持度为 80%),所以 ad 不是频繁闭项集。
  • cd 的超集 cde 是频繁的(支持度为 60%),所以 cd 不是频繁闭项集。
  • de 本身就是一个项集,没有超集,且是频繁的,但没有任何超集。

4.Nave Bayes是一种特殊的贝叶斯分类器,特征变量是X,类别标签是C,它的一个假定是:(C  )。
A.各类别的先验概率P(C)是相等的
B.以0为均值,sqr(2)/2为标准差的正态分布
C.特征变量X的各个维度是类别条件独立随机变量
D.P(X|C)是高斯分布

解析:Nave Bayes分类器基于一个关键假设:特征变量(给定类别下)是类别条件独立的随机变量。这意味着,在给定类别的条件下,一个特征的出现概率不会受到其他特征的影响。

Nave Bayes(朴素贝叶斯)分类器是一种特殊的贝叶斯分类器,其中特征变量是X,类别标签是C。
A选项朴素贝叶斯并不要求各类别的先验概率相等
B选项以0为均值,sqr(2)/2为标准差的正态分布。描述了一个特定的正态分布,但并不是朴素贝叶斯分类器的基本假定。朴素贝叶斯分类器可以处理各种分布的数据,而不仅限于正态分布
C. 特征变量X的各个维度是类别条件独立随机变量,这是朴素贝叶斯分类器的核心假定。它假设在给定类别C的条件下,特征变量X的各个维度(即各个特征)是相互独立的。这意味着一个特征的出现概率不会受到其他特征的影响,从而简化了模型的计算。
D选项,朴素贝叶斯可以处理不同类型的特征分布,包括但不限于高斯分布
 

5.某超市研究销售记录数据后发现,买啤酒的人很大概率也会购买尿布,这属于数据挖掘的哪类问题?( A )
A.关联规则发现 B.聚类 C.分类 D.自然语言处理

解析:买啤酒的人很大概率也会购买尿布是一个典型的关联规则发现问题。关联规则挖掘用于发现数据集中项之间的有趣关系,如“如果购买了A,那么很可能也会购买B”。在这个例子中,A是啤酒,B是尿布。

6.()是一个观测值,它与其他观测值的差别很大,以至于怀疑它是由不同的机制产生的。
A.边界点 B.离群点 C.核心点 D.质心

解析:离群点(Outlier)是一个观测值,它与其他观测值存在显著的差异,以至于怀疑它可能是由不同的机制产生的。

边界点:边界点指的是位于不同聚类边缘或边界上的数据,不属于任何特定的聚类中心,而是位于两个或多个聚类之间的区域,它们只是位于聚类的边缘。
核心点:核心点指的是聚类内部的点,即距离聚类中心较近的点,往往代表了聚类的主要特征和结构,核心点不受到离群点的影响,因为它们位于聚类的中心区域。
质心:质心通常用于描述一个集合(如聚类)的中心或重心。在聚类分析中,质心可以是一个点(如平均值点),用于表示聚类中所有点的中心位置。质心在迭代聚类算法(如K-means算法)中起着重要作用,因为它可以帮助确定新的聚类中心位置。然而,质心本身并不是一个观测值,而是由观测值计算得出的一个统计量


7.影响聚类算法效果的主要原因有(ABC)。
A.特征选取         B.模式相似性测度
C.分类准则         D.已知类别的样本质量

解析:聚类的目标是使同一类对象的相似度尽可能地大;不同类对象之间的相似度尽可能地小。

聚类分析的算法可以分为划分法(Partitioning Methods)、层次法(Hierarchical Methods)、基于密度的方法(Density-Based Methods)、基于网格的方法(Grid-Based Methods)、基于模型的方法(Model-Based Methods)、谱聚类(Spectral Clustering)等,不用的方法(分类准则)对聚类效果存在差异(C正确)

特征选取的差异会影响聚类效果(A正确)。

聚类的目标是使同一类对象的相似度尽可能地大,因此不同的相似度测度方法对聚类结果有着重要影响(B正确)。

由于聚类算法是无监督方法,不存在带类别标签的样本,因此,D选项不是聚类算法的输入数据。

8.在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本有10万条数据,负样本只有1万条数据,以下最合适的处理方法是( ACD)。
A.将负样本重复10次,生成10万样本量,打乱顺序参与分类
B.直接进行分类,可以最大限度地利用数据
C.从10万正样本中随机抽取1万参与分类
D.将负样本每个权重设置为10,正样本权重为1,参与训练过程

解析:在正负样本数据量不等的情况下,通常采取的措施是调整样本的权重,而不是简单地重复样本或随机抽取样本。D选项中将负样本的权重设置为10,正样本的权重设置为1,是一种常用的做法,以平衡正负样本对分类器训练的影响

A.重采样,改变数据分布消除不平衡

C欠采样, 提高少数类的分类性能,可能丢失

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/28321.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ppt添加圆角矩形,并调整圆角弧度方法

一、背景 我们看的论文,许多好看的图都是用PPT做的,下面介绍用ppt添加圆角矩形,并调整圆角弧度方法。 二、ppt添加圆角矩形,并调整圆角弧度 添加矩形: 在顶部工具栏中,点击“插入”选项卡。 在“插图”…

索引-定义、创建(CREATE INDEX)、删除(DROP INDEX)

一、概述 1、索引是SQL语言定义的一种数据对象,是大多数DBMS为数据库中基本表创建的一种辅助存取结构,用于响应特定查询条件进行查询时的查询速度,DBMS根据查询条件从数据库文件中,选择出一条或者多条数据记录以供检索&#xff0…

带你学习Mybatis之Sql绑定

Sql绑定 在mybatis中定义一个接口,然后在mapper.xml文件中编写一个sql语句,在执行该接口中方法的时候就会执行该sql语句,这是怎么做到的呢? public interface UserMapper{ public User getUser(int i);// 在mapper.xml中写一个&l…

springboot优雅shutdown时异步线程安全优化

前面针对graceful shutdown写了两篇文章 第一篇: https://blog.csdn.net/chenshm/article/details/139640775 只考虑了阻塞线程,没有考虑异步线程 第二篇: https://blog.csdn.net/chenshm/article/details/139702105 第二篇考虑了多线程的安全…

基于C#开发web网页管理系统模板流程-参数传递

点击返回目录-> 基于C#开发web网页管理系统模板流程-总集篇-CSDN博客 前言 当用户长时间未在管理系统界面进行操作,或者用户密码进行了更改,显然用户必须重新登录以验证身份,如何实现这个功能呢? HTTP Cookie(也叫 …

2024前端面试准备6-TS基础

1.TS基础类型有哪些?any void unknown never的区别? any 、Number、String、Boolean、Array 、元组、枚举、void、undefined、null、never any: 可以赋予任意类型的值,不进行类型检查,尽量不要用any void: 表示函数没有返回值 …

【Linux】 进程信号的发生

送给大家一句话: 何必向不值得的人证明什么,生活得更好,乃是为你自己。 -- 亦舒 进程信号的发生 1 何为信号2 信号概念的基础储备3 信号产生kill系统调用alarm系统调用异常core term Thanks♪(・ω・)ノ谢谢…

【教程】设置GPU与CPU的核绑(亲和力Affinity)

转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~ 简单来说,核绑,或者叫亲和力,就是将某个GPU与指定CPU核心进行绑定,从而尽可能提高效率。 推荐与进程优先…

1055 集体照(测试点3, 4, 5)

solution 从后排开始输出,可以先把所有的学生进行排序(身高降序,名字升序),再按照每排的人数找到中间位置依次左右各一个进行排列测试点3, 4, 5:k是小于10的正整数,则每…

SQL RIGHT JOIN 详解

SQL RIGHT JOIN 详解 引言 在SQL数据库查询中,JOIN操作用于结合两个或多个表中有关联的行。RIGHT JOIN是一种特殊的JOIN类型,它基于两个表之间的关联,从右表(即RIGHT JOIN后面的表)中返回所有行,即使在左表中没有匹配的行。如果左表中有匹配的行,则RIGHT JOIN还会从左…

线程池ThreadPoolExecutor源码分析

一、线程池基本概念和线程池前置知识 1.1 Java中创建线程的方式有哪些 传统答案: 继承Thread类 通过继承Thread类并重写其run方法来创建线程。具体步骤包括定义Thread类的子类,在子类中重写run方法以实现线程的具体逻辑,然后创建子类的实例…

Unity的三种Update方法

1、FixedUpdate 物理作用——处理物理引擎相关的计算和刚体的移动 (1) 调用时机:在固定的时间间隔内,而不是每一帧被调用 (2) 作用:用于处理物理引擎的计算,例如刚体的移动和碰撞检测 (3) 特点:能更准确地处理物理…

【C/C++】实参与形参的区别

在编程中,形参(形式参数)和实参(实际参数)是函数调用中的两个基本概念,它们在函数定义和函数调用中扮演着不同的角色。 形参(Formal Parameters): 形参是在函数定义时声明…

植物大战僵尸杂交版全新版v2.1解决全屏问题

文章目录 🚋一、植物大战僵尸杂交版❤️1. 游戏介绍💥2. 如何下载《植物大战僵尸杂交版》 🚀二、解决最新2.1版的全屏问题🌈三、画质增强以及减少闪退 🚋一、植物大战僵尸杂交版 《植物大战僵尸杂交版》是一款在原版《…

Es 索引查询排序分析

文章目录 概要一、Es数据存储1.1、_source1.2、stored fields 二、Doc values2.1、FieldCache2.2、DocValues 三、Fielddata四、Index sorting五、小结六、参考 概要 倒排索引 优势在于快速的查找到包含特定关键词的所有文档,但是排序,过滤、聚合等操作…

内存分配器性能优化

背景 在之前我们提到采用自定义的内存分配器来解决防止频繁 make 导致的 gc 问题。gc 问题本质上是 CPU 消耗,而内存分配器本身如果产生了大量的 CPU 消耗那就得不偿失。经过测试初代内存分配器实现过于简单,产生了很多 CPU 消耗,因此必须优…

[Day 11] 區塊鏈與人工智能的聯動應用:理論、技術與實踐

區塊鏈中的加密技術 介紹 區塊鏈技術被認為是現代信息技術的重大突破之一,其應用範圍從加密貨幣到供應鏈管理、醫療健康等各個領域。加密技術在區塊鏈中扮演著至關重要的角色,確保了數據的安全性、完整性和不可篡改性。本文將深入探討區塊鏈中的加密技…

重装系统,以及设置 深度 学习环境

因为联想y7000在ubantu系统上连不到wifi,所以打算弄双系统 第一步:下载win10镜像,之后在系统用gparted新建个分区,格式化成ntfs,用来装win10系统 第二步,制作win10启动盘,这个需要先把u盘用disks格式化&a…

跨语言翻译的突破:使用强化学习与人类反馈提升机器翻译质量

在人工智能领域,知识问答系统的性能优化一直是研究者们关注的焦点。现有的系统通常面临知识更新频繁、检索成本高、以及用户提问多样性等挑战。尽管采用了如RAG(Retrieval-Augmented Generation)和微调等技术,但它们各有利弊&…

C++ 45 之 赋值运算符的重载

#include <iostream> #include <string> #include <cstring> using namespace std;class Students05{ public:int m_age;char* m_name;Students05(){}Students05(const char* name,int age){// 申请堆空间保存m_name;this->m_name new char[strlen(name)…